Vanilla Agents 是一個輕量級的 PyTorch 為基礎的框架，提供模組化且可擴展的核心強化學習代理實作。它支援 DQN、Double DQN、PPO 和 A2C 等演算法，並配備與 OpenAI Gym 兼容的可插拔環境封裝。用戶可以配置超參數、記錄訓練指標、保存檢查點並制圖學習曲線。程式碼架構清晰，非常適合研究原型設計、教育用途及新想法的基準測試。

Agent Script 提供了一層宣告式腳本層，覆蓋大型語言模型，可用 YAML 或 JSON 來撰寫定義代理流程、工具調用與記憶使用的腳本。你可以連接 OpenAI、本地 LLM 或其他提供者，將外部 API 作為工具，並配置長短期記憶後端。框架自動處理內容管理、非同步執行和詳細日誌。只需少量程式碼，即能快速原型聊天機器人、RPA 流程、資料擷取代理或自訂控制循環，讓建構、測試與部署 AI 自動化更為容易。

Minimalist Agent提供一個基本的框架，用於在Python中建立AI代理。利用LangChain的代理類別與OpenAI的API，進行多步推理、動態選擇工具，並執行函數。您可以克隆儲存庫、設定OpenAI API金鑰、定義自訂工具或端點，並運行CLI腳本來與代理互動。設計重點在於清晰與擴展性，便於學習、修改與擴充核心代理行為，適用於實驗或教學。

Embedded BDI提供完整的BDI生命週期引擎：它建模代理人對環境的信念、管理演進的欲望或目標、從計畫庫中選擇意圖，並在實時中執行行為。框架包括信念庫存儲模塊、計畫庫定義、事件觸發和並發控制模塊，專為記憶體有限的微控制器設計。利用簡單的API，開發者可以標註信念、指定欲望並在程式碼中實作計畫。其排程器支持優先級意圖的執行，並與感測器、致動器及網路通訊的硬體界面整合，使其非常適合自主物聯網設備、移動機器人與工業控制器。

實際操作中，LlamaSim允許您使用Llama模型定義多個AI驅動的代理，設置交互場景，運行受控模擬。您可以使用簡單的Python API來自定義代理的個性、決策邏輯和通信渠道。該框架自動處理提示構建、回應解析和對話狀態追蹤。它記錄所有交互，並提供內建的評估指標，如回應一致性、任務完成率和延遲。通過插件架構，您可以整合外部資料來源、添加自定義評估函數或擴展代理能力。LlamaSim輕量化的核心適用於本地開發、持續集成管道或雲端部署，促進可複製的研究與原型驗證。

MASlite提供清晰的API來建立智慧體類別、註冊行為，以及處理智慧體之間基於事件的訊息傳遞。它包含排程器以管理智慧體任務、環境模擬以模擬互動，以及擴充核心功能的插件系統。開發者可以快速在Python中設計多智慧體場景，方法包括定義智慧體生命週期、連接通道，以及以無頭模式運行模擬或整合視覺化工具。

SelfDrivingCarSimulator是一個基於Pygame的輕量級Python框架，提供一個2D駕駛環境，用於訓練自主車輛代理，利用強化學習。它支持可客製化的賽道佈局、可配置的感測器模型（如LiDAR和相機模擬）、實時視覺化以及性能數據記錄。開發者可以整合其RL算法，調整物理參數，監控速度、碰撞率和獎勵函數等指標，以快速推進自主駕駛研究與教育項目。

DocumentAI-Backend 是一個輕量級的後端框架，能自動化從文件中提取文字、表單欄位和結構化資料。它提供 REST API 端點，支援上傳 PDF 或圖像文件，利用 Google Document AI 處理（並配合 OCR 輪替），並以 JSON 格式返回解析結果。採用 Python、FastAPI 和 Docker 開發，方便快速集成到現有系統、支持擴展部署，並透過可配置的流程和中介件進行定制。