多Agent
Pocket Flow
Pocket Flow 是一个极简的 LLM（大型语言模型）框架，仅用 100 行代码实现。它具有轻量级、无依赖、无厂商锁定的特点，支持多 Agents、工作流、检索增强生成（RAG）等功能，帮助开发者快速构建基于 LLM 的应用程序。基于 Agentic Coding 范式，AI Agents 协助开发，提升效率。适用于多种编程语言，适合希望用极简方式开发 LLM 应用的开发者。
News Agents
News Agents是一个基于终端的新闻聚合与摘要系统，利用Amazon Q CLI作为Agent框架，通过Model Context Protocol（MCP）解析RSS新闻源，并借助tmux实现多任务监控。系统从多个新闻源抓取文章，分配给多个子Agents并行处理，生成简洁摘要并汇总到main-summary.md文件中，提供高效、个性化的新闻阅读体验。
Agent Squad
Agent Squad 是一个轻量级、开源的多 Agents 框架，用于协调多个 AI Agents 处理复杂对话。它支持 Python 和 TypeScript 两种语言，具备智能意图分类、灵活的 Agent 响应（流式与非流式）、上下文管理等功能，并提供模块化安装和可扩展架构。适用于智能客服、旅行规划、企业助手等场景，帮助开发者快速构建高效的多 Agents 系统。
Paper2Coder
Paper2Code是一款由韩国科学技术院与DeepAuto.ai联合开发的AI工具，基于多Agent大语言模型，能够将机器学习论文自动转换为可运行的代码仓库。其核心流程包括规划、分析和代码生成三个阶段，确保生成的代码结构清晰、逻辑严谨，并忠实于原始论文。该工具显著提升了研究复现效率，适用于学术研究、教学、工业应用等多个场景，是推动AI研究落地的重要工具。
Paper2Code
Paper2Code是一款由韩国科学技术院与DeepAuto.ai合作开发的AI工具，基于多Agent大语言模型，能将机器学习论文自动转化为可运行的代码仓库。它通过规划、分析和代码生成三个阶段，确保代码结构清晰且忠实于原论文内容。该工具显著提升了科研复现效率，适用于研究、教学、工业等多个领域，具有高度实用性和准确性。
