Bild vom Herausgeber
# Einführung
Wenn Sie das Agent-Engineering praxisnah erlernen möchten, anstatt nur darüber zu lesen, ist es immer noch der beste Weg, echte Repos zu forken, sie lokal auszuführen und sie für Ihren eigenen Gebrauch zu ändern. Hier findet das eigentliche Lernen statt. Ich habe die zehn besten Projekte ausgewählt, die sowohl nützlich als auch weithin anerkannt sind, damit Sie sehen können, wie Agent-Apps heute erstellt werden. Additionally, fangen wir an.
# 1. OpenClaw
OpenClaw (~343k ⭐) ist das, auf das ich zuerst verweisen würde, wenn Sie sehen möchten, wie die nächste Welle persönlicher KI-Assistenten aussehen könnte. Es ist als persönlicher Assistent konzipiert, der auf Ihren eigenen Geräten läuft und eine Verbindung zu den Instruments herstellt, die die Leute bereits verwenden, wie WhatsApp, Telegram, Slack, Discord, Sign und iMessage. Das Interessante daran ist, dass es sich nicht nur um eine einfache Chat-Demo handelt. Es fühlt sich wie ein echtes Assistenzprodukt an, mit Mehrkanalunterstützung, Sprachfunktionen und einem breiteren Ökosystem rund um Fähigkeiten und Kontrolle. Wenn Sie ein Repo wünschen, das einem echten Agentensystem nahe kommt, ist dies ein guter Ausgangspunkt.
# 2. OpenHands
OpenHands (~70k ⭐) ist ein großartiges Repo zum Forken, wenn Ihr Hauptinteresse Codierungsagenten gilt. Es basiert auf KI-gesteuerter Entwicklung und verfügt nun über ein breiteres Ökosystem, einschließlich Cloud, Dokumentation, CLI, SDKBenchmarking und Integrationen. Das ist wichtig, weil Sie sich nicht nur eine Demo ansehen. Sie können den Kernagenten studieren, die Benutzeroberfläche überprüfen und sehen, wie das Staff über Evaluierung und Bereitstellung denkt. Wenn Sie einen Codierungsassistenten erstellen oder anpassen möchten, ist dies eines der praktischsten Repos, von dem Sie lernen können.
# 3. Browsernutzung
Browser-Nutzung (~85k ⭐) ist eines der nützlichsten Projekte, wenn Sie Agenten suchen, die tatsächlich Dinge im Internet erledigen können. Die Idee ist einfach: Es erleichtert KI-Agenten die Nutzung von Web sites, sodass sie browserbasierte Aufgaben mit weniger Reibungsverlusten erledigen können. Das macht es einfacher, damit zu experimentieren, da ein Großteil der eigentlichen Agentenarbeit ohnehin im Browser landet – Formularausfüllen, Recherche, Navigation und sich wiederholende On-line-Aufgaben. Es verfügt außerdem über unterstützende Repos und Beispiele, was es einfacher macht, von der Neugierde zu etwas zu gelangen, das Sie in einem echten Workflow testen können.
# 4. DeerFlow
DeerFlow (~55k ⭐) ist eines der interessanteren Projekte, wenn Sie Agentensysteme mit langem Horizont verstehen möchten. Es handelt sich um ein Open-Supply-Superagenten-System, das Subagenten, Speicher, Sandboxes, Fähigkeiten und Instruments zum Recherchieren, Codieren und Erstellen über längere Aufgaben hinweg zusammenführt. Es handelt sich additionally nicht nur um das Umschließen von Toolaufrufen. Es wird versucht, die gesamte Struktur rund um das komplexere Agentenverhalten zu verwalten. Wenn Sie sehen möchten, wie moderne Agentensysteme rund um Speicher, Koordination und Erweiterbarkeit aufgebaut werden, ist dies ein sehr nützliches Repo für den Fork.
# 5. CrewAI
CrewAI (~48k ⭐) ist immer noch eines der am einfachsten zu verstehenden Repos, wenn Sie eine Multi-Agent-Orchestrierung ohne allzu große Komplexität wünschen. Es handelt sich um ein schnelles, flexibles Framework für die Multi-Agent-Automatisierung, das unabhängig und nicht auf LangChain aufgebaut ist. Das mentale Modell ist einfach, der Aufbau ist leicht zugänglich und die Dokumente und Beispiele sind auch für Anfänger benutzerfreundlich. Wenn Sie ein Python-First-Repo suchen, das Sie forken und in etwas Nützliches verwandeln können, verdient CrewAI immer noch einen Platz ganz oben.
# 6. LangGraph
LangGraph (~28k ⭐) ist das Repo, das Sie studieren sollten, wenn Sie die technische Seite von Agenten verstehen möchten, nicht nur die auffällige Demo-Seite. LangChain beschreibt es als ein Low-Degree-Orchestrierungsframework für lang laufende, zustandsbehaftete und kontrollierbare Agenten. Es bringt Sie dazu, in Diagrammen, Zuständen, Kontrollflüssen und Belastbarkeit zu denken. Dies ist besonders nützlich, wenn Sie über einfache Immediate-plus-Device-Name-Systeme hinausgehen und verstehen möchten, wie seriösere Agentenlaufzeiten zusammengestellt werden. Es fühlt sich vielleicht nicht so schnell an, wie manch andere Repos zu erlernen ist, aber es lehrt eine Menge.
# 7. OpenAI Brokers SDK
Der OpenAI Brokers SDK (~20k ⭐) ist eine gute Choice, wenn Sie etwas Leichtes, aber dennoch Modernes wollen. Es ist als kompaktes Framework für Multi-Agent-Workflows konzipiert und wird in den Dokumenten als produktionsbereiter Pfad mit einem kleinen Satz nützlicher Bausteine dargestellt. Sie erhalten Instruments, Übergaben, Sitzungen, Ablaufverfolgung und Echtzeitmuster, ohne sich durch ein riesiges Framework wühlen zu müssen. Wenn Sie einfache Oberflächen und direkte Steuerung mögen, ist dies eines der besseren Einsteiger-Repos zum Erkunden.
# 8. AutoGen
AutoGen (~56k ⭐) ist immer noch eines der wichtigsten Repos im Multi-Agent-Bereich. Microsoft stellt es als Programmier-Framework für Agenten-KI dar, und die Dokumente befassen sich weiter mit Geschäftsabläufen, Forschungszusammenarbeit und verteilten Multi-Agenten-Anwendungen. Es gehört in diese Artwork Liste, weil man daraus viel lernen kann. Es lohnt sich, die Orchestrierungsideen, Gesprächsmuster der Agenten und das Framework-Design zu studieren. Es ist vielleicht nicht für jeden der einfachste Ausgangspunkt, aber es ist dennoch eines der einflussreichsten Projekte in dieser Kategorie.
# 9. GPT-Forscher (~26.000 ⭐)
GPT-Forscher ist eine gute Wahl, wenn Sie einen tiefgreifenden Forschungsagenten anstelle eines allgemeinen Rahmens studieren möchten. Es handelt sich um einen autonomen Agenten für tiefgreifende Recherchen unter Verwendung eines beliebigen LLM-Anbieters (Giant Language Mannequin), und das umgebende Materials zeigt, wie er mit der Recherche mit mehreren Agenten und der Berichterstellung umgeht. Dies gibt Ihnen einen klaren Arbeitsablauf zum Lernen von Anfang bis Ende. Sie können Planung, Durchsuchen, Quellenbeschaffung, Synthese und Berichterstellung an einem Ort verfolgen. Wenn Sie etwas Konkretes statt Abstraktes wollen, ist dies eines der am besten forkbaren Repos auf der Liste.
# 10. Letta
Letta (~22k ⭐) zeichnet sich dadurch aus, dass es Speicher und Zustand in den Mittelpunkt des Agentendesigns stellt. Das Repo beschreibt es als Plattform zum Aufbau zustandsbehafteter Agenten mit erweitertem Speicher, die im Laufe der Zeit lernen und sich verbessern können. Dies ist ein wichtiger Aspekt, da sich viele Agent-Repos hauptsächlich auf die Orchestrierung konzentrieren. Letta erweitert das Bild. Es ist ein gutes Repo, das Sie erkunden sollten, wenn Sie Agenten wollen, die bestehen bleiben, sich erinnern und sich weiterentwickeln, anstatt jedes Mal neu anzufangen. Für die speicherorientierte Agentenarbeit ist es heute eines der interessantesten Projekte, die es zu forken gilt.
# Zusammenfassung
Alle zehn sind es wert, geklont zu werden, aber sie lehren unterschiedliche Dinge, sobald man sie tatsächlich ausführt und mit der Änderung des Codes beginnt. Hier beginnt das eigentliche Lernen.
Kanwal Mehreen ist ein Ingenieur für maschinelles Lernen und ein technischer Redakteur mit einer großen Leidenschaft für Datenwissenschaft und die Schnittstelle zwischen KI und Medizin. Sie ist Mitautorin des E-Books „Maximizing Productiveness with ChatGPT“. Als Google Era Scholar 2022 für APAC setzt sie sich für Vielfalt und akademische Exzellenz ein. Sie ist außerdem als Teradata Variety in Tech Scholar, Mitacs Globalink Analysis Scholar und Harvard WeCode Scholar anerkannt. Kanwal ist ein leidenschaftlicher Verfechter von Veränderungen und hat FEMCodes gegründet, um Frauen in MINT-Bereichen zu stärken.