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。

Self Machines 是一個最先進的平台，旨在構建、部署和管理人工智慧 (AI) 應用程序。專注於自動化，它使得用戶能夠創建可以無縫集成到現有基礎設施中的 AI 解決方案。該平台提供了各種工具和功能，旨在便捷整個 AI 生命週期，從開發、訓練到部署和監控。

AgentsFlow將每個AI代理抽象為有向圖中的一個節點，使開發者能以視覺與程式方式設計複雜的管道。每個節點可代表LLM調用、資料前置處理或決策邏輯，並可根據輸出或條件連接以觸發後續動作。此框架支援分支、迴圈與平行執行，並內建錯誤處理、重試與超時控制。AgentsFlow與主要的LLM供應商、客製模型與外部API整合，其監控儀表板提供即時日誌、指標與流程視覺化，簡化除錯與優化流程。且透過插件系統與REST API，能延伸與整合進CI/CD流程、雲端服務或自定義應用程序，非常適合用於可擴展且車產級的AI工作流程。

DEf-MARL（多智能體強化學習去中心化執行框架）提供一個穩健的基礎設施，用於執行與訓練合作智能體，無需中央控制。它利用點對點通訊協議，分享政策與觀測數據，實現局部互動協調。該框架能無縫整合PyTorch及TensorFlow等常用RL工具包，提供可自訂的環境包裝器、分散式Rollout收集與梯度同步模組。用戶可定義特定智能體的觀測空間、獎勵函數與通訊拓撲。DEf-MARL支持運行時動態添加與移除智能體，通過複製關鍵狀態提升錯誤容忍，並採用自適應通訊調度平衡探索與利用。它透過平行模擬環境並減少中心瓶頸，加速訓練，適用於大規模MARL研究及工業模擬。

KitchenAI是一個開源控制平面，旨在簡化AI框架的協調。它允許用戶通過單一、標準化的API端點管理各種AI實現。KitchenAI平台支持模組化架構、實時監控和高效能消息傳遞，為整合、部署和監控AI工作流程提供統一的介面。它不依賴於任何框架，並可以在AWS、GCP和本地環境等多種平台上部署。

Cerebras AI Agent 利用 Cerebras Wafer Scale Engine 的獨特架構來加快深度學習模型的訓練。它通過高速度和大量數據的吞吐量來提供無與倫比的性能，將研究轉化為可觸及的結果。其能力幫助組織有效地管理大規模 AI 項目，確保研究人員能夠專注於創新，而不是硬體限制。