Otomator Agents

不活跃

GitHub Python MIT

简介

Ottomator Agents 收集了多种可运行的 Agent 示例与自动化模式，覆盖研究、浏览器操作、工具调用与多步骤流程，适合作为学习现代 Agent 实践的案例库。

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。

Adala 是一个自主数据标注 Agent 框架，通过 AI Agent 自动完成数据标注、分类和质量检查任务，显著提升数据处理效率。

LazyLLM 是一个轻量级多 Agent LLM 应用开发框架，提供最简捷的方式构建多智能体 LLM 应用，集成了 RAG、知识图谱、微调等功能，支持 LangChain 和 LlamaIndex 生态。

Ouroboros 是一个规范驱动的多智能体开发框架，从传统的提示词工程转向规范驱动开发模式，支持多 Agent 协作、MCP 工具集成和自动化工作流编排，适用于高质量 Agent 系统构建。