Lagent是一個以開發者為中心的框架，能讓用戶在大語言模型之上建立智能代理。它提供動態規劃模塊，將任務拆解為子目標，並存儲長期會話的上下文的記憶庫，以及外部工具調用的API整合界面。有可定制的管道，使用者可以定義代理行為、提示策略、錯誤處理和輸出解析。Lagent的日誌和除錯工具可以監控決策過程，支持本地、雲端或企業部署的可擴展架構。它促使建構自主助理、資料分析器與工作流程自動化。

Nudger是一個AI驅動的道路圖計劃工具，簡化了目標設定和項目管理的過程。它幫助您將目標細分為可管理的任務和子任務，並提供動態視圖和進度跟蹤。有了語音到文本輸入、智能子任務創建和AI助手幫助您處理複雜任務等功能，Nudger確保您保持在正確的軌道上。您可以輕鬆地將您的道路圖導出到您最喜愛的日曆，並直接從那裡更新任務。

SeeAct 設計目的是為視覺語言代理提供雙階段管線：由大型語言模型驅動的規劃模塊生成基於觀察場景的子目標，執行模塊將子目標轉化為環境特定的行動。感知骨幹從圖像或模擬中提取物件與場景特徵。模塊化架構允許輕鬆替換規劃器或感知網絡，並支持在 AI2-THOR、Habitat 及自訂環境中的評估。SeeAct 促進互動式 embodied AI 研究，提供端到端的任務分解、歸屬與執行。

Rhythmic利用以人為本的AI幫助敏捷團隊將想法轉化為可執行的計劃。我們的AI協助將商業案例轉為史詩，分解複雜任務，模擬用戶旅程，以及有效優先排序。通過與現有工具整合，Rhythmic顯著提升生產力，提供智能估算、量身定制的建議，以及對項目管理的控制。加入我們的早期訪問計劃，徹底改造您的產品規劃流程。

Bot-With-Plan提供一個模塊化的Python範本，用於構建先生成詳細執行計劃的AI代理。它利用OpenAI GPT分析用戶指令，將任務分解為連續的步驟，驗證計劃，然後通過外部工具（如網絡搜索或計算器）逐步執行。該框架包括提示管理、計劃解析、執行協調和錯誤處理。通過將計劃和執行階段分離，提供更好的監控、更容易的調試，以及擴展新工具或功能的清晰結構。

IoA提供了一個靈活的架構，用於定義、協調和執行多個AI代理在統一的工作流程中。主要組件包括分解高層目標的規劃器、向專用代理調度任務的執行器，以及用於上下文管理的記憶模組。它支援與外部API和工具包的整合、實時監控和可自定義的技能插件。開發者可以通過結合現成的模組或用自定義邏輯擴展來快速原型設計自主助理、客戶支持機器人和數據處理管道。

mini-agi旨在通過提供一個最小、模塊化的框架，簡化自主AI代理的創建。它採用Python編寫，利用OpenAI的語言模型來解釋高層級目標，將其分解為子任務，並調度如HTTP請求、文件操作或自定義操作的工具調用。該框架包含記憶存儲，用於跟蹤代理狀態和結果，有成本啟發式的任務分解計劃器模塊，以及按序調用工具的執行器模塊。用戶可以通過配置文件插入自定義工具、定義提示模板和調整規劃深度。mini-agi的輕量架構非常適合用於原型設計，例如進行研究查詢、流程自動化或自主生成代碼。

Proactive AI Agents是一個以開發者為中心的框架，旨在架構由大型語言模型推動的高級自主代理生態系統。它提供現成的功能用於代理創建、任務拆解和代理間通信，實現多步驟目標的無縫協作。每個代理可配備自定義工具、記憶存儲和規劃演算法，使其能積極預測用戶需求、排定任務並動態調整策略。該框架支持模組化整合新的語言模型、工具包和知識庫，同時提供內建的日誌記錄與監控功能。透過抽象化代理協調的複雜性，Proactive AI Agents加快AI驅動的工作流程開發，適用於研究、自動化和企業應用。

Agentic Solver提供一個完整工具組，讓開發能運用大型語言模型（LLMs）來解決實際問題。它包含任務拆解、規劃、執行和結果評估的組件，協助代理將高階目標拆解為有序行動。用戶可整合外部API、自訂函式和記憶存儲，以擴充代理能力，而內建記錄與重試機制確保韌性。此框架使用Python撰寫，支援模組化流程和彈性prompt範本，加速實驗範圍。無論自動化客戶支援、資料分析或內容產出，Agentic Solver皆能簡化整個生命週期，從初始設定、工具註冊到持續監控和效能優化。

AI Agents with LangGraph利用圖形表示來定義自主AI代理之間的關係與通信。每個節點代表一個代理或工具，支持任務拆解、提示（prompt）自定義和動態操作路由。該框架與流行的LLMs無縫集成，並支持自定義工具功能、記憶存儲和日誌記錄以供調試。開發者可以用幾行Python代碼快速原型複雜的工作流程、自動化多步驟流程，並嘗試協作代理互動。

Automata是一個針對開發者的框架，使在JavaScript和TypeScript中創建自主AI代理變得容易。它提供模組化架構，包括用於任務分解的規劃器、用於保持上下文的記憶模塊，以及用於HTTP請求、資料庫查詢和自定義API調用的工具整合。支援異步執行、插件擴展和結構化輸出，有助於開發能進行多步推理、與外部系統互動並動態更新知識庫的代理。

Fast-LLM-Agent-MCP 是一個輕量級的開源 Python 框架，用於構建結合記憶管理、鏈式推理和多步規劃的 AI 代理。開發者可以與 OpenAI、Azure OpenAI、本地 Llama 及其他模型整合，以保持對話上下文、產生結構化推理跡徑，並將複雜任務拆解為可執行的子任務。其模組化設計允許整合自定義工具及記憶庫，適用於虛擬助理、決策支援系統及自動化客戶支持機器人等應用。

動態多智能體RAG路徑提供模塊化架構，每個智能體處理特定任務，如文件檢索、向量搜索、上下文摘要或生成，而中心協調器則動態路由輸入和輸出。開發者可以定義自定義智能體，通過簡單的配置文件組裝管道，並利用內建的日誌記錄、監控與插件支持。此框架加快複雜RAG解決方案的開發，實現自適應任務分解與並行處理，以提升吞吐量和準確率。

分岔路徑是一個強大的決策工具，旨在為用戶提供結構化的路徑來應對複雜的選擇。無論是個人決策還是基於團隊的項目，該工具都有助於將較大的目標分解為可管理的步驟，確保每個決策都有邏輯推理和清晰的見解作為支撐。通過利用分岔路徑，用戶可以確保符合長期目標並持續做出明智的決策。