-
Pavo lit le systeme en place, puis envoie une equipe de agents regler le fil et le classement
Une plateforme de amelioration continue pour les systemes IA en production: le code, le entrepot, les tableaux de bord et les tests sont condenses en un manuel avec sources, puis une equipe de agents enquete en parallele et prouve les changements sur une reference, avant de rendre du travail livrable.
-
Muse : Meta confie un ordinateur en nuage a un agent pour quil fasse vraiment les courses
Muse, agent personnel de Meta, tourne sur une machine en nuage separee avec son propre navigateur : il remplit des formulaires, compare les prix, commande, continue apres fermeture et demande accord a Sentinel.
-
Il repond au telephone et paie a votre place : Cue donne une identite propre a chaque agent
Un programme de agents de Manus pour la vie quotidienne : chaque agent recoit sa boite, son numero, son portefeuille et un ordinateur en nuage pour repondre et payer dans la limite fixee.
-
Un collegue qui habite le depot : un seul appel a CodeBuddy NPC et la proposition arrive
Un agent en nuage de Tencent Cloud : appele dans un ticket ou une proposition de changement, il lit le depot et la construction, planifie, modifie le code et ouvre la proposition.
-
Octop : un assistant IA que vous hebergez, donnees comprises
Une plateforme du assistant publiee par Tencent Cloud sous licence MIT : conversations, espaces et cles restent sur votre machine, neuf messageries y arrivent.
-
Firecrawl à l'essai : la couche qui transforme une page en nourriture pour agents
Recherche, extraction et interaction passent par une seule interface, et l'on récupère du markdown propre, du JSON calé sur un modèle ou une capture. Proxys, anti-robots et rendu sont l'affaire du service — c'est-à-dire la partie ingrate.
-
AutoGen en 2026 : un framework multi-agents en couches qui n'ajoute plus de fonctions
Quatre couches selon la profondeur — une interface sans code, une couche conversationnelle, un cœur événementiel et un pack d'extensions. Le framework est en maintenance : la vraie question est donc de démarrer dessus ou seulement de le laisser tourner.
-
CrewAI à l'essai : des agents avec des rôles, et une couche de contrôle au-dessus
Agents, flux et tâches forment le squelette ; une couche de contrôle au-dessus trace chaque appel de modèle et chaque lecture de mémoire, et en calcule le coût. Le framework lui-même est en MIT, les étapes de découverte et d'optimisation vivent de données à l'échelle d'une plateforme.
-
AutoGPT à l'essai : décrire un agent pour le créer, 187 000 étoiles plus tard
Quatre écrans se partagent le travail : décrire un agent en une phrase, assembler un flux par blocs, surveiller exécutions et dépenses, réutiliser les publications d'autrui. Un répertoire plateforme sous licence propre côtoie un répertoire classique en MIT.
-
OpenClaw à l'essai : un assistant personnel open source sur sa propre machine
Un assistant qui vit dans les messageries que vous utilisez déjà et laisse toute sa mémoire sur votre disque. Une fondation à but non lucratif porte le projet, aucun palier payant n'existe, et une seule passerelle relie 29 canaux à un agent de codage.
-
Manus vend un collègue doté d'un ordinateur et facture au crédit
On donne une tâche, il planifie, exécute et rend un fichier terminé, parce qu'il tourne dans un ordinateur virtuel connecté dont le disque survit entre les étapes. Des crédits remplacent les sièges, et chaque offre garde les mêmes limites de tâches simultanées et programmées.
-
Browser Use se divise en deux : un agent et un navigateur loué
Une moitié prend une tâche et rend un résultat, l'autre loue à votre code Playwright un navigateur distant au profil furtif. La bibliothèque ouverte est sous licence MIT, et la facturation se fait à l'heure et à l'usage, sans abonnement.
-
FastGPT part de la base de connaissances avant d'ajouter le flux
Une plateforme où les questions sur base de connaissances, les flux visuels, l'orchestration d'agents et les appels d'outils partagent un même espace. La licence autorise un usage commercial interne mais pas la revente en service, et l'effort s'est concentré sur la recherche.
-
Flowise est archivé : ce que le code offre encore après l'arrêt
Le projet qui a popularisé les flux LLM visuels s'est arrêté : le dépôt a été archivé en août 2026 et l'équipe centrale est partie. Le code reste sous licence Apache, ce qui transforme la question des fonctions en une autre : votre équipe peut-elle le reprendre ?
-
Langflow : dessiner le flux d'abord, discuter des modèles ensuite
Un framework open source écrit en Python : on glisse des composants dans un flux, on échange les modèles pour comparer, puis on livre le résultat en API ou en serveur MCP. L'installation locale tient en une commande sur le port 7860, et le canevas n'empêche pas de modifier le code en dessous.
-
第 1 / 2 页