F1Tenth雙機模擬器是一個建立在ROS和Gazebo之上的專用模擬框架，用於模擬兩輛1/10比例的自主車輛在自定義賽道上競速或合作。它支持逼真的輪胎模型物理、傳感器仿真、碰撞檢測和數據記錄。用戶可以插入自己的規劃與控制算法、調整代理參數，並運行頭對頭的場景，以評估性能、安全性和協作策略在受控條件下的表現。

GenerativeAgentsCN是斯坦福生成代理框架的開源中文版，用於模擬逼真的數位角色。結合大型語言模型、長期記憶模組、反思程序與規劃邏輯，協調代理感知情境、回想過去互動並自主決定下一步行動。此工具包提供即用的Jupyter筆記本、模組化Python元件與完整中文文件，帶領用戶設置環境、定義代理特性與自訂記憶參數。適用於AI角色行為研究、客戶服務機器人原型或用於代理認知的學術研究。具有彈性的API允許開發者擴充記憶演算法、整合自訂大型語言模型，並即時視覺化交互。

iVisual是一個尖端的平台，旨在轉變您可視化和分析AI專案的方式。憑藉其即時視覺化能力和各種分析工具，它使用戶能夠獲得更深入的見解並做出以數據為依據的決策。該平台非常適合專業人士，尋求增強其AI專案的表現和理解，為其工作流程帶來新的清晰度和效率。無論您是AI研究者、數據科學家還是開發人員，iVisual都提供了提升您專案所需的工具。

mario-ai專案提供一個完整的流程，用於利用神經進化開發AI代理，以掌握Super Mario Bros.。通過整合基於Python的NEAT實現與OpenAI Gym的SuperMario環境，讓用戶定義自訂的適應度標準、突變率與網絡結構。在訓練過程中，框架會評估世代的神經網絡，選出高績效基因，並提供遊戲實時視覺化與網絡演變。同時，它支援存儲與載入已訓練模型、導出獲勝基因，並生成詳細績效日誌。研究人員、教育者與愛好者可以擴展程式碼到其他遊戲環境、嘗試進化策略，並比較各階段的AI學習進展。

Mesa捕食者-獵物模型是經典的Lotka-Volterra捕食系統的開源Python實作，建立在Mesa代理模擬框架之上。它模擬獵人與獵物個體在格子上移動與互動，獵物繁殖、捕食者尋找食物以存活。用戶可透過網頁界面設定初始族群、繁殖機率、能量消耗與其他環境參數。模擬提供即時視覺化（如熱圖與族群曲線）與資料記錄，可供後續分析。研究人員、教育工作者、學生可自定行為、加入新物種或整合複雜生態規則，模型設計便於快速建構與教育示範生態動態。

多代理系統提供一套完整工具包，用於創建、控制和觀察自主代理之間的互動。開發者可以定義帶有自定義決策邏輯的代理類別，建立具有可配置資源和規則的複雜環境，以及實現資訊交流通道。此框架支援同步和非同步排程、事件驅動行為，並集成日誌記錄以測量績效指標。用戶可以擴展核心模組或整合外部AI模型來增強代理智能。視覺化工具可即時或事後呈現模擬，幫助分析新興行為並優化系統參數。從學術研究到原型分散式應用，多代理系統簡化了端到端的多代理模擬流程。

多智能體無人機環境是基於OpenAI Gym與PyBullet建立的Python套件，提供可自訂的多智能體模擬。用戶可以定義多個具有運動與動力模型的無人機代理，探索隊形飛行、目標追蹤與障礙避讓等合作任務。此環境支持模組化任務配置、逼真碰撞偵測與感測器模擬，同時允許自定義獎勵與去中心化策略。開發者可整合自家強化學習演算法，評估在不同場景下的效能，並即時視覺化代理軌跡與度量。其開源設計鼓勵社群貢獻，適合用於研究、教學及高階多智能體控制原型開發。

MultiAgentPuzzleSolver提供了一個模塊化的環境，獨立的AI代理可以合作解決滑動拼圖、魔方和邏輯格子等謎題。代理共享狀態信息，協商子任務分配，並應用多種啟發式策略，比單一代理方式更有效地探索解決空間。開發者可以插入新的代理行為，定義或定制通信協議，並添加新的謎題定義。框架包含實時視覺化工具、性能指標收集和實驗腳本，支持Python 3.8以上版本，標準庫，以及流行的機器學習工具包，方便整合進研究項目。

RinSim 提供一個模組化的模擬環境，專注於模擬具有多個自主代理的動態物流場景。用戶可以定義道路網路圖，配置車隊（包括電動模型及電池限制），並模擬采樣到達的接送請求。離散事件架構確保精確的時間控制與事件管理，而內建的路由演算法和可自定義的代理行為允許進行廣泛的實驗。RinSim 支援輸出度量如行程時間、能耗及服務水平，並包含實時和事後的可視化模組。其擴展性設計支持自訂演算法整合，擴展至大型車隊，並可復現研究流程，對於學術與產業中優化流動性策略至關重要。

MultiAgentModel提供統一API，用於定義多智能體場景的自訂環境和智能體類。開發者可以指定觀察與行動空間、獎勵結構和通信通道。內建支持流行的RL算法如PPO、DQN和A2C，讓訓練變得簡單配置。實時可視化工具協助監控智能體互動和績效指標。模塊化架構確保易於整合新算法與自訂模組。此外，還包括用於超參數調優的彈性配置系統、實驗追蹤的日誌工具，以及與OpenAI Gym環境的相容性，實現無縫移植。用戶可以在共享環境合作，並重播記錄的會話進行分析。

AgentSimJS旨在簡化JavaScript中大規模基於代理的模型創建與執行。通過模組化架構，開發者可以定義具有自定義狀態、傳感器、決策函數和執行器的代理，然後整合到由全域變數參數化的動態環境中。該框架協調離散時間步長的模擬，管理代理之間的基於事件的消息傳遞，並記錄交互數據供分析。視覺化模組支持使用HTML5 Canvas或外部庫進行即時渲染，插件則可實現與統計工具的整合。AgentSimJS可在現代網頁瀏覽器和Node.js運行，非常適合互動式Web應用、學術研究、教育工具，以及群體智慧、群眾動態或分佈式AI實驗的快速原型設計。

AgentSimulation 是一個建立在 Pygame 之上的開源 Python 函式庫，用於在 2D 環境中模擬多個自主代理。它允許用戶配置代理屬性、操控行為（如搜尋、逃跑、漫遊）、碰撞檢測、路徑尋找及互動規則。藉由實時渲染和模組化設計，支援快速原型設計、教學模擬及群體智慧或多代理互動的小規模研究。

Conduit 是一個全面的解決方案，幫助機構利用 AI 自動化數據分析，節省時間，提高準確性，並優化預算分配。通過集中多個帳戶和子帳戶，它提供實時數據可視化的統一儀表板。該平台還會自動清理和更新數據，並提供針對高效決策的定制分析。

IntelligentMASPlatform旨在通過模組化架構收快多智能體系統的開發與部署，架構分為代理層、環境層與服務層。代理使用符合FIPA標準的ACL消息進行通信，實現動態談判與協調。它包括一個多功能環境模擬器，讓開發者建模複雜場景、安排代理任務，並通過內置的儀表板實時可視化代理交互。為支持高階行為，它集成了增強學習模組並支持自定義行為插件。部署工具支持將代理打包為獨立應用或分佈式網絡。此外，平台的API也方便與數據庫、物聯網設備或第三方AI服務集成，非常適合用於科研、工業自動化和智慧城市應用。