Mean-Field MARL提供一個強大的Python框架，用於實現和評估平均場多智能體增強學習算法。它通過建模鄰近代理的平均效應來近似大規模代理交互，利用平均場Q-learning。該函式庫包括環境包裝器、代理策略模組、訓練迴圈與評估指標，能在數百個代理上進行擴展訓練。基於PyTorch進行GPU加速，支持Particle World與Gridworld等可定制環境。模組化設計方便增添新算法，並配備內建的日誌紀錄及Matplotlib可視化工具，用於追蹤獎勵、損失曲線與平均場分布。範例腳本與文件指引用戶進行設置、實驗配置與結果分析，非常適合用於大型多智能體系統的研究與原型開發。

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。

Trinity-RFT（檢索微調）是一個統一的開源框架，旨在通過結合檢索和微調流程來提升模型的準確性和效率。用戶可以準備語料庫、構建檢索索引，並將檢索到的上下文直接插入訓練循環中。它支持文本、圖像和視頻的多模態檢索，與流行的向量存儲集成，並提供評估指標和部署腳本，以便快速原型設計與生產部署。

MARFT是一個基於Python的LLM，支持可重複實驗和快速原型設計協作式AI系統。