AI-Agents提供一個彈性且模組化的平台，用於建立自主AI驅動的代理。開發者可以定義代理目標，鏈結任務，並加入記憶模組以存取跨會話的情境信息。此框架支援透過API金鑰與主要的LLM整合，使代理能產生、評估並修訂輸出。客製化的工具與插件支援能與外部服務如網路爬蟲、資料庫查詢與報告工具互動。透過明確的規劃、執行與反饋循環抽象，AI-Agents加速智慧自動化流程的原型設計與部署。

Dino Reinforcement Learning提供一整套工具，用於訓練AI代理通過強化學習遊玩Chrome恐龍遊戲。通過與Selenium的無頭Chrome實例集成，它捕捉實時遊戲畫面並將其處理為優化深度Q網路輸入的狀態表示。該框架包括重播記憶體、epsilon-greedy探索、卷積神經網路模型以及可定制超參數的訓練循環。用戶可以通過控制台日誌監控訓練進展，並保存檢查點以供後續評估。訓練完成後，代理可以自動自主應用或與不同模型架構進行基準測試。模組化設計使得更換RL算法變得簡單，是一個彈性良好的實驗平台。