DEf-MARL（多智能體強化學習去中心化執行框架）提供一個穩健的基礎設施，用於執行與訓練合作智能體，無需中央控制。它利用點對點通訊協議，分享政策與觀測數據，實現局部互動協調。該框架能無縫整合PyTorch及TensorFlow等常用RL工具包，提供可自訂的環境包裝器、分散式Rollout收集與梯度同步模組。用戶可定義特定智能體的觀測空間、獎勵函數與通訊拓撲。DEf-MARL支持運行時動態添加與移除智能體，通過複製關鍵狀態提升錯誤容忍，並採用自適應通訊調度平衡探索與利用。它透過平行模擬環境並減少中心瓶頸，加速訓練，適用於大規模MARL研究及工業模擬。

可控RAG框架提供一個模組化的方法來建構檢索增強生成系統。它允許配置和串聯檢索組件、記憶模塊以及生成策略。開發者可插入不同的大型語言模型（LLM）、向量資料庫和策略控制器，以調整文檔在生成前的提取和處理方式。基於Python，包含索引、查詢、對話歷史追蹤和行動控制流程等工具，適用於聊天機器人、知識助手及研究工具。

MIDCA是一個模塊化的認知架構，用於支持智能代理的完整認知循環。它通過感知模塊處理感官輸入，解釋數據以生成和優先排序目標，利用規劃器建立行動序列，執行任務，然後通過元認知層來評估結果。雙循環設計區分快速反應和較慢的深思熟慮推理，使代理能夠動態適應。MIDCA的可擴展框架和開源代碼庫非常適合研究自主決策、學習和自我反思的AI代理。