Banana Prompts AI 是一個瀏覽器平台，用於為影像、影片與文字生成建立、優化與管理高效能提示。它提供以轉換為導向的模板、多變體輸出、跨模型相容性與一鍵優化功能，以精煉結構、語氣與意圖。使用者可以生成多個變體、快速迭代、儲存提示堆疊、與團隊協作，並將提示匯出至偏好的 AI 模型，以提升首試品質並降低 API/測試成本。

DB-conv是一個輕量的Python函式庫，設計用於實現SQL資料庫的對話式AI。安裝後，開發者可以用資料庫連線細節和大語言模型提供者的憑證進行配置。DB-conv負責架構反思、從使用者提示中構建優化的SQL、執行查詢並以表格或圖表顯示結果。它支援多個資料庫引擎、快取、查詢日誌和自訂提示模板。透過抽象提示工程與SQL生成，讓建立聊天機器人、語音助理或網頁介面進行自主資料探索變得簡單。

Gemini Agent Cookbook是一個經過策劃的開源工具包，提供多個實用範例，用於構建由Google Gemini語言模型驅動的智能代理。包括多步推理鏈、動態調用外部API、整合工具以擷取資料以及管理對話流程的範例碼。該工具包展示錯誤處理、上下文管理和提示工程的最佳實踐，適用於自主聊天機器人、任務自動化和決策支援系統等案例。它引導開發者建立能解讀用戶需求、即時獲取資料、進行運算並產生格式化輸出的自訂代理。遵循這些範例，工程師能加快代理原型開發，並在各領域部署穩健的AI驅動應用。

enhance_llm 提供模組化框架，可在定義好的序列中協調大型語言模型的呼叫，讓開發者鏈接提示、整合外部工具或API、管理對話上下文，並實作條件邏輯。它支援多個LLM提供者、客製化提示範本、非同步執行、錯誤處理與記憶管理。透過抽象化LLM互動的範例代碼，enhance_llm簡化自動化代理應用的開發，例如自動助理、資料處理機器人、多步推理系統，使建置、除錯及擴展更為容易。

demo_smolagents是SmolAgents的參考實作，是一個用Python建立自主AI智慧體的微框架，這些智慧體由大型語言模型驅動。此演示包括配置單一智慧體的特定工具包、建立智慧體間通信渠道和動態管理任務交接的範例。它展示了LLM整合、工具調用、提示管理與智慧體協調模式，用於構建能根據用戶輸入和中間結果執行協調動作的多智慧體系統。

TreeInstruct 提供一個架構，建構層級式、基於決策樹的大型語言模型提示管道。用戶可以定義代表提示或函式呼叫的節點，根據模型輸出設置條件分支，並執行樹狀結構來引導複雜的工作流程。它支援與 OpenAI 及其他 LLM 提供者整合，並提供日誌記錄、錯誤處理及可客製化的節點參數，以確保多回合互動的透明度與彈性。

Hugging Face Agents課程是一條全面的學習路徑，引導使用者設計、實作並部署自主AI代理人。課程包含串聯語言模型、整合外部API、自訂提示詞及評估代理決策的程式範例。學員將建立應用於問答、資料分析與工作流程自動化的代理人，並實務體驗Hugging Face Transformers、Agent API與Jupyter筆記本，以加速實務AI開發。

Ollama Workflows 是一個以 Ollama LLM 框架為基礎的開放原始碼可配置 AI 代理管道庫。它提供數十個現成的工作流程，例如摘要、翻譯、程式碼審查、資料擷取、電子郵件草稿等，可在 YAML 或 JSON 定義中串聯。用戶安裝 Ollama、克隆儲存庫、選擇或自訂工作流程，並通過 CLI 運行。所有處理皆在本機本地完成，保護資料隱私，同時讓您能快速迭代並在專案間保持結果一致。

Unremarkable AI Experts 是一個可擴展的平台，擁有數十個專門的 AI 代理——稱為專家——它們解決常見的工作流程，無需手動提示工程。每個專家都優化用於會議摘要生成、程式碼除錯、電子郵件撰寫、情感分析、市場調研和高級資料查詢等任務。開發者可以瀏覽專家目錄，在網頁演練場測試代理，並通過 REST 端點或 SDK 將其整合到應用中。可以通過調整參數自訂專家行為，將多個專家串聯用於複雜流程，部署隔離實例保護資料隱私，並利用使用分析控制成本。這樣能大幅簡化在不同產業和應用場景中建立多功能 AI 助手的流程。

Chat2Graph 集成於 TuGraph 圖形資料庫，提供對話式界面用於圖數據探索。透過預建連接器和提示工程層，將用戶意圖轉譯為有效的圖查詢，處理架構探索、建議優化方案，並在實時中執行查詢。結果可以表格、JSON 或網路視覺化方式在網頁UI中呈現。開發者能自定義提示範本、集成自訂插件或將Chat2Graph嵌入Python應用。適用於快速開發圖形驅動應用，並使領域專家能分析社交網路、推薦系統與知識圖中的關係，無需手動撰寫Cypher語法。

LangChain作為一個全面的工具包，用於構建高級LLM驅動的應用，抽象低層API交互，提供可重用模塊。利用提示模板系統，開發者可以定義動態提示，並將它們鏈接以執行多步推理流程。內建的代理框架將LLM輸出與外部工具調用結合，實現自主決策和任務執行，如網路搜尋或資料庫查詢。記憶體模塊保留對話上下文，使多輪對話具有狀態。與向量資料庫的整合促進檢索增強生成，豐富回應相關知識。擴展性回調鉤允許自定義日誌記錄與監控。LangChain的模塊化架構促進快速原型設計與擴展，支援本地和雲端部署。

Wizard Language 是一種建立於 TypeScript 上的宣告式領域專用語言，用於撰寫作為向導的 AI 助手。開發者在簡潔的 DSL 中定義意圖驅動的步驟、提示、工具調用、記憶存儲與分支邏輯。底層則將這些定義編譯為協調的 LLM 呼叫，管理語境、非同步流程與錯誤處理。它能加速聊天機器人、資料檢索助手和自動化流程的原型設計，並將提示工程與狀態管理抽象成可重用的元件。

CrewAI Quickstart 是一款開發者工具包，旨在簡化使用 CrewAI 框架建立和部署人工智慧驅動的對話代理。它提供預配置的 Node.js 環境、範例腳本用於與 CrewAI API 互動，以及提示設計、代理協調和錯誤處理的最佳實踐範例。使用此快速入門工具，團隊可以在幾分鐘內原型化聊天機器人、自動化工作流程，並將人工智慧助理整合到現有應用中，減少樣板程式碼並確保專案一致性。

AIPE集中管理人工智慧代理的協調，提供可插拔模組用於記憶、規劃、工具使用和多代理合作。開發者可以定義代理角色，結合向量存儲納入上下文，並整合外部API或資料庫。此框架提供內建的網頁儀表板與命令列工具，用於測試提示、監控代理狀態和串聯任務。AIPE支援多種記憶後端，如Redis、SQLite及記憶體存取。其多代理設定允許分配專業角色—資料擷取、分析、摘要—以合作處理複雜查詢。透過抽象化提示工程、API包裝器與錯誤處理，AIPE加速文件問答、客戶支持與自動流程的AI驅動助理部署。

TypedAI交付一個以開發者為中心的庫，將大型語言模型包裝在嚴格型別化的TypeScript抽象中。你可以定義輸入和輸出架構來在編譯時驗證資料，建立可重用的提示模板，並處理串流或批次回應。它支持函數調用模式，以將AI輸出與後端邏輯連接，並與OpenAI、Anthropic和Azure等流行的LLM供應商整合。內建錯誤處理和日誌記錄，幫助你快速部署強大的AI功能，如聊天介面、文件摘要、程式碼生成和自訂代理，並且不犧牲型別安全與開發者效率。

LLM-Culture 提供結構化方法，將組織文化融入大型語言模型的互動中。首先在簡單的設定檔中定義品牌的價值觀與風格規則，接著提供一系列模板來強制執行這些指導方針。產出後，內建評估工具會衡量是否符合您的文化標準，並標示出任何不一致之處。最後，將此框架與您的 LLM 管道整合，無論透過 API 或本地部署，都能維持一致的語調、倫理與品牌個性。

sma-begin建立一個精簡的代碼基底，用於創建AI 驅動的代理，通過抽象處理輸入、決策邏輯和輸出生成等通用元件。它的核心為一個代理迴圈，查詢LLM，解譯回應，並可選擇性執行整合的工具，如HTTP客戶端、檔案處理器或自訂腳本。記憶模組讓代理可以回想先前的互動或上下文，而提示串聯則支援多步驟工作流程。錯誤處理則會捕捉API失敗或不正確的工具輸出。開發者只需定義提示、工具和預期行為。藉由最少的樣板碼，sma-begin加速聊天機器人、自動化腳本或領域專用助理在任何支援Python的平台上的原型開發。

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。

GenAI Processors 提供一套可重複使用且可配置的處理器庫，用於建立端到端的生成式 AI 工作流程。開發者可以引入文件、將其分割成語意區塊、生成嵌入、存取和查詢向量、應用抽取策略，並動態構建提示詞以呼叫大型語言模型。其即插即用設計方便擴充自訂處理步驟，無縫整合 Google Cloud 服務或外部向量存儲，並協調複雜的 RAG 管道，適用於問答、摘要及知識檢索等任務。

TypeAI Core提供一個完整框架，用於創建利用大型語言模型的AI驅動代理。它包括提示模板工具、基於向量存儲的會話記憶、與外部工具（API、資料庫、代碼運行器）的無縫整合，以及對嵌套或協作代理的支持。開發者可以定義自訂函數，管理會話狀態，並通過直觀的TypeScript API來協調工作流程。透過抽象複雜的LLM交互，TypeAI Core加速了具有最小樣板的上下文感知、多輪對話AI的開發。