mini-agi旨在通過提供一個最小、模塊化的框架，簡化自主AI代理的創建。它採用Python編寫，利用OpenAI的語言模型來解釋高層級目標，將其分解為子任務，並調度如HTTP請求、文件操作或自定義操作的工具調用。該框架包含記憶存儲，用於跟蹤代理狀態和結果，有成本啟發式的任務分解計劃器模塊，以及按序調用工具的執行器模塊。用戶可以通過配置文件插入自定義工具、定義提示模板和調整規劃深度。mini-agi的輕量架構非常適合用於原型設計，例如進行研究查詢、流程自動化或自主生成代碼。

此存儲庫提供一個完整的星際爭霸II遊戲研究增強學習框架。核心代理使用PPO來學習策略網絡，詮釋來自PySC2環境的觀察數據，並輸出精確的遊戲內動作。開發者可以配置神經網絡層、獎勵塑造與訓練計劃，以優化性能。系統支持多處理技術以高效收集樣本，並包含監控訓練曲線的日誌工具與測試已訓練策略的評估腳本（對完成或內建的AI對手）。程式碼以Python撰寫，利用TensorFlow進行模型定義與優化。用戶可以擴展自定義獎勵函數、狀態前處理或網路架構，以符合特定研究需求。

AI代理人石頭剪刀布是一個開源Python專案，展示如何在經典遊戲中建立、訓練和評估不同的AI策略——隨機、規則基圖案識別與強化學習（Q-學習）。它提供模組化的代理類別、可配置的遊戲執行器、性能記錄與視覺化工具。用戶可以輕鬆交換代理、調整學習參數，並探索AI在競爭場景中的行為。