multi-agent-systems

🦁 Cơ sở mã thân thiện với nghiên cứu để thử nghiệm nhanh chóng học tăng cường đa tác nhân trong JAX

Mã nguồn chính thức cho "Recursive Multi-Agent Systems"

Công cụ kiểm thử xâm nhập AI tự hành, bảo mật tấn công liên tục trên web, đám mây, danh tính, CI/CD, IaC, cơ sở dữ liệu, Active Directory, Kubernetes và firmware IoT. Khả năng suy luận của tác nhân cùng với việc thực thi khai thác thực tế mang lại các lỗ hổng dựa trên bằng chứng. Cổng bảo mật quyền riêng tư: LLM không bao giờ thấy IP, máy chủ hoặc thông tin xác thực thực của bạn, không có gì rời khỏi phạm vi của bạn.

Tạo AI agent trong 30 giây thay vì 30 giờ. AI cá nhân mã nguồn mở, tự lưu trữ với trình cài đặt trên máy tính, trung tâm điều khiển đa tác nhân (Deep Work) và bảo mật 7 lớp. Hỗ trợ Anthropic, OpenAI hoặc Ollama.

Các mẫu tác nhân được xây dựng bằng Strands Agents SDK.

[ICRA 2022] Một framework mã nguồn mở cho phát hiện hợp tác. Bản triển khai chính thức cho OPV2V.

Cơ sở hạ tầng tự phục hồi cho thanh toán tác nhân AI. Tự động khôi phục 90,3%.

More is Different. Một công cụ mô phỏng thế giới đa tác nhân, nơi các tác nhân AI sinh sống, trò chuyện, cạnh tranh và liên minh.

Trình điều phối AI Agent với hệ thống kỹ năng - Cung cấp siêu năng lực cho AI Agent: tìm kiếm bộ nhớ, truy vấn đồ thị mã nguồn, nhắn tin giữa các agent. Quản lý Claude, Codex hoặc bất kỳ AI Agent nào từ một bảng điều khiển duy nhất. Di chuyển Agent giữa các máy tính và vị trí khác nhau

Mạng lưới tác nhân AI chống Sybil với định danh được xác thực bằng phần cứng. Blockchain Proof-of-Antiquity: các máy vật lý trên hơn 15 kiến trúc CPU chứng minh chúng là silicon thực, không phải trang trại máy ảo. Nền kinh tế tác nhân, thanh toán vi mô, cầu nối Solana (wRTC). Không có vốn đầu tư mạo hiểm.

Thuật toán tối ưu hóa sói xám (GWO) cho lập kế hoạch đường đi/quỹ đạo/tối ưu hóa quỹ đạo, lập kế hoạch đường bay cho đa tác nhân/đa máy bay không người lái

Sân chơi 3D không cần lập trình (no-code) để khám phá, thiết kế và tương tác với các hệ thống Agentic AI

Đa tác nhân + Tự động hóa: Quy trình làm việc, tự động hóa, các tác nhân tự cải thiện

Lập kế hoạch, Xây dựng và Phát hành — với một nhóm các tác nhân AI thay vì chỉ một

VMAS là trình mô phỏng vi phân vector hóa được thiết kế để đánh giá hiệu quả Học tăng cường đa tác nhân (Multi-Agent Reinforcement Learning). Nó bao gồm một công cụ vật lý 2D vector hóa viết bằng PyTorch và một tập hợp các kịch bản đa robot đầy thử thách. Các kịch bản bổ sung có thể được triển khai thông qua giao diện đơn giản và mô-đun.

Các bài báo AAAI 2024: Khám phá bộ sưu tập toàn diện các bài nghiên cứu sáng tạo được trình bày tại một trong những hội nghị hàng đầu về trí tuệ nhân tạo. Tích hợp mã nguồn để hiểu rõ hơn. Trải nghiệm sự tiến bộ vượt bậc trong trí tuệ nhân tạo với kho lưu trữ này!

GraphBit là khung làm việc AI tác nhân cấp doanh nghiệp đầu tiên trên thế giới, được xây dựng trên lõi Rust với trình bao bọc Python để đạt tốc độ, bảo mật và khả năng mở rộng vượt trội. Nó cho phép các quy trình làm việc đa tác nhân đáng tin cậy với mức sử dụng CPU và bộ nhớ tối thiểu, sẵn sàng cho môi trường doanh nghiệp thực tế.

RAI là một khung tác nhân bất khả tri về nhà cung cấp cho robot AI vật lý, sử dụng các công cụ ROS 2 để thực hiện các hành động phức tạp, các kịch bản được xác định, thực thi giao diện tự do, tóm tắt nhật ký, tương tác giọng nói và hơn thế nữa.

🤖 Agentfy is a modular microservices architecture designed to process user requests and execute workflows across multiple social media platforms. ASK ONCE, LET THE AGENT DO THE REST!

Mạng lưới tác nhân phi tập trung để xây dựng các hệ thống tác nhân-đến-tác nhân (A2A) cộng tác, được hỗ trợ bởi LLM.

Khung làm việc cho huấn luyện và suy luận tăng cường đa tác nhân dựa trên LLM.

Meta Agents Research Environments là một nền tảng toàn diện được thiết kế để đánh giá các tác nhân AI trong các tình huống thực tế và năng động. Không giống như các tiêu chuẩn tĩnh, nền tảng này giới thiệu các môi trường phát triển nơi các tác nhân phải điều chỉnh chiến lược khi có thông tin mới, phản ánh các thách thức trong thế giới thực.

Một framework tập trung vào đồ thị để điều phối các hệ thống đa tác nhân với Vibe Graphing.

Hệ điều hành ưu tiên cục bộ để xây dựng, vận hành và cải tiến các tác nhân AI, quy trình làm việc và mục tiêu tự hành.

Dự án này là phiên bản tái cấu trúc và Việt hóa chuyên sâu của dự án Generative Agents, nhằm cung cấp một phiên bản cơ sở dễ bảo trì cho người dùng tiếng Trung để thực hiện các thử nghiệm hoặc mở rộng tính năng sau này.

A MicroKernel Multi-Agents System Framework for Adaptive Social Simulation Powered by LLMs

Triển khai thực tế Aspire sử dụng Microservices và AI-Agents.

Hands-on workshop: Build a multi-agent AI system from scratch — Deep Research Agent + Writing Workflow served as MCP servers. Includes code, slides, and video