BAML Agents 為尋找模組化、可擴展平台來構建自主代理的開發者和AI實踐者設計。它提供基於插件的架構，以實現自定義工具的無縫整合；一個用於維持對話上下文的記憶子系統；以及內建支持多步推理流程。使用BAML Agents，使用者可以快速設置代理行為、連接外部API，並協調複雜任務，而無需重新發明常用的代理模式。其輕量設計和清晰抽象使其非常適合原型設計、研究和各種自動化場景的生產部署。

CUPCAKE AGI（Component Utilitarian Pipeline for Creative, Knowledgeable, and Evolvable Autonomous General Intelligence）是一個彈性的Python框架，通過結合語言模型、記憶體和外部工具，簡化建立自主代理的流程。其核心模組包含目標規劃器、模型執行器與記憶管理器，以保持多次互動中的上下文。開發者能透過插件擴充功能，整合API、資料庫或自訂工具包。CUPCAKE AGI支援同步與非同步工作流程，非常適合科研、原型設計和生產環境部署，應用範圍多元。

Dial4JaCa 是一個 Java 庫插件，適用於 JaCaMo 多智能體平台，攔截智能體間的訊息，編碼代理意圖，並通過 LLM 後端（OpenAI、本地模型）路由。它管理對話上下文，更新信念庫，並將回應生成整合到 AgentSpeak(L) 的推理週期中。開發者可以自訂提示語、定義對話工件以及處理異步調用，使代理能解讀使用者語句、協調任務並擷取外部資訊。其模組化設計支持錯誤處理、日誌記錄和多 LLM 選擇，非常適合研究、教育及快速原型建構對話式多智能體系統。

EyeGestures 是一個開源眼球追蹤庫，旨在為手勢控制介面提供便利，使用本機網路攝影機和手機攝影機。其目標是將便捷且可負擔的眼球追蹤技術帶給開發者和使用者。此軟體提供穩健的眼球追蹤能力，可整合到各種應用程序中，以增強使用者互動性和可及性。EyeGestures 是一個多用途工具，理想用於研究和實用應用，數位互動及人機互動領域。

FAgent 提供模組化架構來建立 AI 代理，包括環境抽象、策略介面和工具連接器。支援與流行的 LLM 服務整合，實現上下文保持的記憶管理，並提供用於日誌記錄和監控代理行為的可觀察層。開發者可定義自訂工具與行動，協調多步工作流程，並運行基於模擬的評估。FAgent 還包含資料收集、性能指標和自動化測試的插件，適用於研究、原型設計及多領域自主代理的生產部署。

FreeAct採用模組化架構，簡化AI代理的建立。開發者定義高層目標，配置規劃模組以產生逐步計畫。推理模組評估計畫的可行性，執行引擎協調API呼叫、資料庫查詢及外部工具互動。記憶管理追蹤會話內容與歷史資料，協助代理做出明智決策。環境登記方便整合自訂工具與服務，實現動態調適。FreeAct支援多種LLM後端，可部署在本地伺服器或雲端環境。其開源且可擴充的設計，促進智慧代理的快速原型開發，用於研究與產業應用。

Genai 是一個多功能的平台，旨在改變用戶通過聊天機器人的互動方式。通過收集和混合來自多種來源的數據，Genai 促進了自定義聊天機器人的創建和部署，幾分鐘內即可完成，從而簡化了教育、研究等領域的工作流程。它提供卓越的用戶體驗，並通過利用先進的人工智能技術來優化流程。

Hapticlabs 提供了一個直觀的無需編碼的工具包，專為創建自定義觸覺交互而設計。用戶可以輕鬆設計觸覺反饋，構建功能原型，並在多個設備上測試他們的設計。Hapticlabs Studio、DevKit 和移動應用程序允許無需編碼的實時評估。適合產品開發、教育、研究和 DIY 項目，Hapticlabs 簡化了將觸覺融入產品的過程，透過具體的反饋增強用戶體驗。

這個開源框架結合了AgentSimJs的智能體建模庫與Three.js的3D圖形引擎，提供交互式的瀏覽器多智能體模擬。用戶可以定義智能體類型、行為和環境規則，配置碰撞檢測和事件處理，並以可定制的渲染選項實時視覺化模擬。該庫支持動態控制、場景管理和性能調優，非常適合用於研究、教育和複雜智能體場景的原型設計。

Odyssey 提供了一個靈活的架構，用於構建協作式多智能體系統。其核心組件包括用於定義和分配子任務的任務管理器、存儲上下文和對話歷史的記憶模塊、協調基於 LLM 的智能體的智能體控制器，以及整合外部 API 或自定義函數的工具管理器。開發者可以通過 YAML 文件來配置工作流程，選擇預建的 LLM 核心（例如 GPT-4、本地模型），並輕鬆擴展框架加入新工具或記憶後端。Odyssey 支援交互記錄、異步任務執行和迭代優化流程，適用於研究、原型設計和投產的多智能體應用。

Symbol-LLM提供模組化的架構，用於構建由大型語言模型支援並增強有符號記憶存儲的AI代理。它具有用於拆解複雜任務的規劃模塊、調用工具的執行器，以及用於在交互中保持上下文的記憶系統。配備像網路搜尋、計算器和代碼執行器等內建工具，以及簡單的API以整合自定義工具，Symbol-LLM使開發者和研究人員能快速原型設計並部署用於各種領域的複雜LLM助手，包括研究、客戶支援和工作流程自動化。

LemLab 是一個用於開發由大型語言模型驅動的 AI 代理的模組化框架。開發者可以定義自訂提示範本、串聯多步推理管道、整合外部工具和 API，並配置記憶後端以儲存對話內容。它也包括評估套件，用來基準測試代理在特定任務上的表現。透過提供可重用的組件與清晰的抽象，LemLab 加速實驗、除錯，並在研究與商業環境中部署複雜的 LLM 應用。

多代理系統旨在簡化分散式代理架構的創建、配置與執行。開發者可以在Java類中定義代理行為、通信本體與服務描述。框架負責容器設置、訊息傳輸與生命週期管理。基於FIPA標準協議，支持點對點協商、合作規劃及模組擴展。用戶可在單機或跨網絡主機運行、監控與除錯多代理場景，非常適合科研、教育與小型部署。

Ramen AI旨在簡化文本分類的過程，使沒有技術專長的人也能使用。使用Ramen AI，無需預標籤數據或模型訓練。該平台提供直觀的即用型體驗，配備了構建、測試、監控和高效擴展應用所需的所有工具。無論您需要為商業、研究或其他任何應用分類文本數據，Ramen AI的全面工具集都能幫助您快速且有效地完成。

該儲存庫提供逐步教程和範例實作，用於創建使用DeepSeek進行高維度向量檢索的ReAct AI代理。內容涵蓋環境配置、依賴安裝及自定義數據的向量存储配置。該代理利用ReAct模式結合推理和外部知識查找，產生透明且可解釋的回應。用戶可擴展系統，加入更多文件載入器、微調Prompt模板或更換向量資料庫。此彈性框架能幫助開發者與研究者快速原型設計強大的對話代理，實現推理、檢索及多知識源的無縫互動，只需幾行Python程式碼。

Self-Determining AI Agents是一個Python框架，旨在簡化自主AI代理的建立。它具有可自定義的規劃循環，在該循環中代理產生任務、規劃策略並使用整合工具執行。框架包括持久記憶模組以保留上下文，彈性的任務排程系統，以及用於Web API或資料庫查詢等自訂工具整合的鉤子。開發者能透過配置檔或程式碼定義代理目標，框架則負責迭代決策流程。支援日誌記錄、性能監控，並能擴展新的規劃演算法。非常適合用於研究、自動化工作流程及智能多代理系統的快速原型設計。

Team Coordination是一個輕量級Python庫，旨在簡化多個AI代理共同完成複雜任務的協調工作。通過定義專門的代理角色—如規劃者、執行者、評估者或通信者—用戶可以將高層目標分解為可管理的子任務，委派給各個代理，並促進它們之間的有序通信。該框架處理異步執行、協議路由以及結果聚合，使得AI代理團隊能有效協作。其插件系統支持與熱門的大型語言模型（LLMs）、API和自定義邏輯整合，非常適用於自動客戶服務、研究、遊戲AI和資料處理流程等應用。透過清晰的抽象與擴展組件，Team Coordination加快了可擴展多代理工作流程的開發速度。