首页项目文章PK榜关于
探索项目

ART

活跃
GitHub Python Apache-2.0

简介

ART（Agent Reinforcement Trainer）是一个使用 GRPO 算法训练多步 Agent 的强化学习框架，支持为 Qwen、Llama 等模型进行在职训练以完成真实世界任务。

核心特性

  • 基于 GRPO 的强化学习，用于在真实世界任务上训练多步 Agent
  • W&B Training 无服务器 RL，通过共享推理集群降低 40% 成本并提速 28%
  • 预置笔记本示例，涵盖邮件搜索、2048、井字棋、Codenames 和 MCP 工具掌握
  • 支持 SFT 蒸馏，将大模型能力迁移到小模型
  • 检查点到推理管道，每个检查点通过 W&B Inference 即时可用
  • 支持 Qwen、Llama 等开源模型的微调和强化学习训练

适用场景

💡 训练 Agent 执行邮件搜索和游戏等复杂多步任务
💡 将前沿模型的能力蒸馏到更小、更易部署的模型
💡 通过在线强化学习提升 Agent 可靠性
💡 利用无服务器 RL 基础设施快速迭代 Agent 行为

优势与不足

✅ 优势

  • • 活跃维护，近期持续更新
  • • 社区热度高（10.7k stars）
  • • 开源许可证友好（Apache-2.0）

标签

reinforcement-learning agent-training GRPO llm agent-framework python

分类

🤖 Agent 框架

快速开始

通过 pip 安装：`pip install openpipe-art`。尝试 Colab 笔记本获取实践示例。使用 W&B 无服务器 RL 时，设置 W&B API 密钥并通过 `ServerlessBackend` 注册 `TrainableModel`。使用 Python 定义奖励函数运行训练。
访问 GitHub 访问官网 查看文档

相关项目

AutoAgent

9.8k · Python
不活跃 B

全自动化零代码 LLM Agent 框架，用户无需编写代码即可构建和部署自定义 AI Agent，支持自然语言驱动的 Agent 创建。

agent-frameworkzero-codeautomation +2
  • · 全自动代理构建 — 通过自然语言即可创建、定制和部署 AI Agent，无需编码
  • · 零代码框架，让没有技术背景的用户也能参与 AI 开发
  • · 自管理工作流生成 — 根据高层描述动态创建和优化代理管道
查看完整详情 → 在 GitHub 查看

PocketFlow

11.2k · Python
正常 A

PocketFlow 是一个极简的 100 行 LLM 框架，支持用 Agent 构建 Agent，通过简洁的抽象层实现复杂的 AI Agent 工作流。

agent-frameworkllmworkflow +2
  • · 仅 100 行代码，零依赖、零供应商锁定，极致轻量
  • · 基于图（Graph）的抽象，支持 Agent、多 Agent、Workflow 和 RAG 等设计模式
  • · 支持 Agentic Coding，让 AI Agent（如 Cursor）帮你构建 Agent，生产力提升 10 倍
查看完整详情 → 在 GitHub 查看

Agno

42.1k · Python
活跃 A

Agno 是一个高性能的 Agent 框架，用于构建具有记忆、知识和工具调用能力的多模态 AI Agent，支持多种 LLM 提供商。

agent-frameworkmulti-agentllm +1
  • · Production API — 50+ 端点，支持 SSE 和 WebSocket，可基于此构建完整产品
  • · 100+ 预置工具集成 — 通过预构建 toolkit 集成 100+ 外部工具
  • · Context Providers — 从 Slack、Drive、Wiki、MCP 和自定义数据源访问实时上下文
查看完整详情 → 在 GitHub 查看