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。

LifelongAgentBench 旨在模擬現實世界中的持續學習環境，讓開發者能夠測試 AI 代理在一系列演變中的任務中。該框架提供即插即用的 API 以定義新場景、加載數據集並配置記憶體管理策略。內建評估模組能計算正向轉移、逆向轉移、遺忘率和累計性能等指標。用戶可以部署基線實作或集成專有代理，以在相同條件下直接比較。結果將作為標準化報告匯出，並配備互動式圖表和表格。模組化架構支持自定義數據加載器、性能指標和視覺化插件的擴展，使研究人員和工程師能根據不同應用領域調整平台。

multiagent_envs 提供一套模組化的Python環境，專為多智能體強化學習的研究與開發而設。包括合作導航、捕食者-獵物、社會困境和競爭性場景。每個環境允許定義智能體數量、觀察特徵、獎勵函數和碰撞動態。該框架與Stable Baselines和RLlib等常用RL庫無縫整合，支持向量化訓練、平行執行和方便記錄。用戶可以拓展現有場景或遵照API创建新环境，加速算法（如MADDPG、QMIX、PPO）的實驗和重現。

CommNet是一個面向研究的庫，實現了CommNet架構，允許多個智能體在每個時間步共享隱藏狀態，並學習在合作環境中協調行動。它包括PyTorch模型定義、訓練和評估腳本、OpenAI Gym的環境包裝器，以及用於定制通信通道、智能體數量和網絡深度的工具。研究人員和開發人員可以利用CommNet在導航、追蹤–逃避和資源收集任務中原型設計並基準測試智能體之間的通信策略。

EthicalEvalMAS提供一個模組化的環境，用於評估多智能體系統在正義、自主性、隱私、透明度和利他性等關鍵倫理層面的表現。用戶可以生成自定義場景或使用內建範本，定義專屬指標，執行自動化評估腳本，並通過內建的報告工具來視覺化結果。其擴展架構支持與現有MAS平台集成，並促進不同智能體行為的可重現倫理測試。

ResearchAgent利用大型語言模型來自動在線上資料庫和網路資源中進行調查。用戶提供研究查詢，代理執行搜尋、擷取文件的元資料、抽取摘要、突出重點內容，並生成有組織的摘要與引用。它支援可自訂的流程管線、API整合、PDF解析，以及匯出為Markdown或JSON，以便進一步分析或報告。