Google Gemma 是一系列設計來滿足廣泛應用的輕量級尖端 AI 模型。這些開放模型採用最新技術進行工程設計，以確保最佳性能和效率。Gemma 模型專為開發者、研究人員和企業打造，可以輕鬆集成到應用中，以增強文本生成、摘要和情感分析等領域的功能。Gemma 提供在 Vertex AI 和 GKE 等平台上的靈活部署選項，確保用戶獲得無縫的強大 AI 解決方案體驗。

Ollama 是一個創新的平台，旨在通過提供簡化的命令行介面來簡化 AI 模型的使用。用戶可以輕鬆地訪問、運行和管理各種 AI 模型，而不必處理複雜的安裝或設置過程。這個工具非常適合希望在其應用中高效利用 AI 功能的開發人員和熱愛者，提供一系列預先構建的模型，以及輕鬆集成自定義模型的選項。

CamelAGI是一個簡化創建自主AI代理的開源框架。它具有插件架構用於自定義工具，長期記憶集成以保持上下文，以及支持GPT-4和Llama 2等多種大型語言模型。通過明確的計劃與執行模塊，代理可以拆解任務、調用外部API並隨時間調整。CamelAGI的擴展性和社群驅動的設計使其適合研究原型、生產系統和教育項目。

HFO_DQN結合了Python和TensorFlow，提供用於訓練使用Deep Q-Network足球代理人的完整流程。用戶可以克隆存儲庫、安裝依賴項（包括HFO模擬器和Python庫），並在YAML文件中配置訓練參數。該框架實現了經驗重放、目標網路更新、ε-貪婪探索和針對半場進攻領域的獎勵塑造。它包含訓練代理人、性能記錄、評估比賽和結果繪圖的腳本。模塊化結構允許集成自定義神經網絡架構、替代強化學習算法和多智能體協調策略。輸出包括訓練模型、性能指標和行為視覺化，促進強化學習和多智能體系統研究。

HuggingFace 的 HuggingChat 是一個開源 AI 聊天介面，旨在提供用戶與最先進聊天模型的無縫互動。該平台支持社群驅動的模型，確保每個人都可以訪問強大的對話 AI 技術。它使用現代技術堆疊，並與各種 API 提供者集成，提高其靈活性和實用性。

Hugging Face提供全面的機器學習（ML）生態系統，包括模型庫、數據集和訓練及部署模型的工具。它的重點是通過提供友好的用戶界面和資源來使AI民主化，惠及實踐者、研究人員和開發者。擁有像Transformers庫等功能，Hugging Face加快了創建、微調和部署ML模型的工作流程，使用戶能夠輕鬆有效地利用最新的AI技術進展。

本課程為開發者提供逐步指南，利用 Hugging Face 生態系統實現各種 AI 代理。內容涵蓋利用 Transformers 進行語言理解、檢索增強生成功能、整合外部 API 工具、鏈接提示以及微調代理行為。學員建構文檔問答、對話助理、流程自動化及多步推理的代理。透過實務筆記本，使用者配置代理調度、錯誤處理、記憶策略及部署範例，打造穩健且可擴展的 AI 驅動助理，用於客戶支援、資料分析和內容生成。

Microsoft AutoGen旨在促進自主AI代理之端到端開發，提供模組化的記憶管理、任務規劃、工具整合和通信元件。開發者可以定義具有結構化架構的自訂工具，並連結到主要的LLM供應商如OpenAI和Azure OpenAI。此框架支援單一或多代理的協同，實現讓代理協調完成複雜任務的合作流程。其即插即用的架構允許輕鬆擴展新的記憶存儲、規劃策略和通信協定。透過抽象低層次的整合細節，AutoGen加快了原型開發和部署人工智慧驅動應用的速度，應用範圍涵蓋客服、資料分析與流程自動化等領域。

js-agent為開發者提供一個極簡而功能強大的工具包，用於在JavaScript中創建自主AI代理。它提供對話記憶、函數調用工具、可自定義的規劃策略和錯誤處理的抽象。使用js-agent，您可以快速連接提示、管理狀態、調用外部API並通過一個簡單模組化的API協調複雜的代理行為。設計用於Node.js環境，並與OpenAI API無縫整合，以提供智慧且具情境感知的代理。

Julep AI 是一個開源平台，旨在幫助數據科學團隊快速構建、迭代和部署多步驟的 AI 工作流程。使用 Julep，您可以使用代理、任務和工具創建可擴展、持久和長時間運行的 AI 管道。該平台的 YAML 配置簡化了複雜的 AI 流程，確保生產就緒的工作流程。它支持快速原型設計、模組化設計和與現有系統的無縫集成，使其能夠處理數百萬的同時用戶，並提供對 AI 操作的完全可見性。

LangChain AI Scientist V2 利用大型語言模型與 LangChain 的代理框架，協助研究人員完成科學流程的每個階段。它可以吸收學術論文進行文獻回顧、生成新假設、設計實驗流程、撰寫實驗報告，並產生資料分析程式碼。用戶可透過 CLI 或筆記本互動，並用提示模板與配置設定自訂任務。它通過串連多步推理鏈，提升研究速度、減少手動工作，並確保結果可重複。

Nestor提供模組化架構，組合能維持對話狀態、調用外部工具及自訂處理流程的AI代理。主要特色包括基於會話的記憶存儲、工具函數或插件註冊表、彈性的提示範本，以及統一的LLM客戶端介面。代理可執行序列任務、決策分支，並整合REST API或本地腳本。Nestor不依賴特定框架，使用者可以用OpenAI、Azure或自託管的LLM供應商。

Knowledge-Discovery-Agents提供一組模組化的預建及可定制化的AI代理，專為從PDF、CSV、網站和其他來源抽取結構化資訊而設。它集成LangChain來管理工具使用，支援網頁抓取、嵌入產生、語義搜尋與知識圖譜建立等任務串聯。用戶可以自定義代理工作流程，加入新的資料載入器，並部署QA聊天機器人或分析管道。在最少樣板碼的情況下，加速研究和企業環境中的原型設計、資料探索與自動報告生成。

LangBot 是一個自託管、開源的平台，可在多個訊息渠道間實現大型語言模型的無縫整合。它提供基於網頁的 UI，用於部署與管理機器人，支援 OpenAI、DeepSeek 和本地 LLM 等模型供應商，並適配於 QQ、微信、Discord、Slack、飛書和丁丁通等平台。開發者可以配置對話工作流程、實施流量限制策略，並利用插件擴展功能。LangBot 針對擴展性而設，將訊息處理、模型互動與分析統一在一個框架中，加速企業聊天 AI 應用的開發，例如客服、內部通知與社群管理。

LLM-Blender-Agent使開發者能將LLM封裝為協作型智能體，建立模組化的多智能體AI系統。每個智能體可以存取Python執行、網路擷取、SQL資料庫和外部API工具。框架能管理對話記憶、逐步推理與工具協調，支持產生報告、資料分析、自動化研究和流程自動化等應用。基於LangChain，輕量、擴展性佳，可與GPT-3.5、GPT-4及其他LLM兼容。

LLM驅動的AI代理旨在通過模組化架構協調大型語言模型與外部工具，簡化自主代理的創建。開發者可以定義具有標準化接口的自定義工具，配置記憶後端以保存狀態，以及建立多步推理鏈，使用LLM提示來規劃和執行任務。AgentExecutor模組管理工具調用、錯誤處理和異步工作流程，內建範例模板展示了資料擷取、客戶支援及行事曆排程等場景。通過抽象API調用、提示工程和狀態管理，該框架降低重複性程式碼，加快實驗速度，非常適合Python環境下的客製化智慧自動化解決方案團隊。

Magi MDA是一個以開發者為中心的AI代理框架，簡化自主代理的建立與部署。它提供核心組件——規劃者、執行者、解釋器和記憶體——可以組裝成自定義流程。用戶可連接流行的LLM提供者進行文字生成、加入檢索模組以增強知識，並整合任意工具或API以完成專門任務。該框架自動處理逐步推理、工具路由和上下文管理，讓團隊專注於領域邏輯，而非協調程序。

mario-ai專案提供一個完整的流程，用於利用神經進化開發AI代理，以掌握Super Mario Bros.。通過整合基於Python的NEAT實現與OpenAI Gym的SuperMario環境，讓用戶定義自訂的適應度標準、突變率與網絡結構。在訓練過程中，框架會評估世代的神經網絡，選出高績效基因，並提供遊戲實時視覺化與網絡演變。同時，它支援存儲與載入已訓練模型、導出獲勝基因，並生成詳細績效日誌。研究人員、教育者與愛好者可以擴展程式碼到其他遊戲環境、嘗試進化策略，並比較各階段的AI學習進展。

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。

Mistral AI 是一個創新的平台，提供開源和可攜式的生成性人工智慧模型。這些人工智慧模型設計得既高效又強大，滿足開發人員和企業的需求。Mistral AI 強調可信度、透明度和開創性的創新，使其解決方案適合從自然語言處理到創建生成內容的廣泛應用。不論你是想將人工智慧整合到項目的開發人員，還是尋求先進人工智慧能力的企業，Mistral AI 提供實現你目標所需的工具和資源。