MAD (Multi-Agents-Debate) 是一个旨在通过多智能体辩论机制提升大语言模型能力的开源框架。它针对 LLM 在自我反思时容易陷入的“思维退化（DoT）”问题（如偏见、认知僵化和缺乏外部反馈），提出了“针锋相对”的辩论模式。该框架通常由正方（恶魔）、反方（天使）和评审智能体组成，通过立场对立和外部反馈循环来纠正思维偏差，在直觉性问答和常识性翻译等复杂推理任务中表现卓越。
AgentScope 是由阿里团队推出的面向生产环境的多智能体框架。它通过高层抽象简化了智能体构建流程，支持 ReAct 模式、长短期记忆管理及复杂规划。其核心理念是充分发挥 LLM 的推理与工具调用能力，而非通过严格指令约束模型。框架内置支持实时语音交互、人机协同（Human-in-the-loop）、Agentic RL 强化学习训练，并兼容 MCP 与 A2A 协议。支持本地、云端及 K8s 分布式部署，集成了 OTel 监控，适用于构建高可靠的工业级 Agent 应用。
这是由 AI 研究员 Sebastian Raschka 开发的开源项目及书籍配套代码库，旨在引导用户从零开始构建、预训练和微调类似 GPT 的大语言模型。它不依赖外部 LLM 高级库，完全基于 PyTorch 实现，涵盖了从数据处理、注意力机制实现到模型架构搭建的全过程。项目不仅支持在普通笔记本电脑上运行教育级模型，还提供了加载预训练权重进行指令微调和 LoRA 高效微调的实践方案，是理解 Transformer 底层原理的权威资源。
DeepTutor是HKUDS开发的一款Agent原生的个性化智能辅导平台。它通过统一的聊天工作区整合了多种智能代理模式，包括问题解决、测验生成、深度研究等。产品特色是AI协作式Co-Writer，能将材料转换为互动式“活教材”，并利用知识库和持久记忆为用户提供个性化、持续进化的教学体验。
Langflow 是一个功能强大的 AI 代理与工作流构建平台。它通过可视化界面让开发者能以拖拽方式快速搭建、测试和迭代 AI 应用。该工具支持所有主流大模型、向量数据库及多种 AI 工具。其核心优势在于支持多智能体编排，并内置 API 与 MCP 服务端支持，允许将工作流无缝集成到任何技术栈。用户可通过 Python 自定义组件，并在交互式操场中实时调试，满足从原型到企业级生产的需求。