on-policy
★ 2.0k
vs
AgentRunKit
★ 24
on-policy vs AgentRunKit
on-policy：该存储库实现了MAPPO，一种PPO的多智能体变体，广泛应用于合作多智能体游戏和研究。它为星际争霸II、花火和谷歌足球等多种多智能体环境提供了健壮的实现，并附有详细的训练脚本和超参数指南。；AgentRunKit：AgentRunKit 是一个轻量级的 Swift 6 框架，用于构建具有类型安全工具调用的 LLM 驱动代理。它拥有零依赖、完全 Sendable 支持、async/await 并发，并通过 MCP 兼容云端和本地模型。
01
简评
选 on-policy 如果…合作多智能体强化学习的研究与实验
选 AgentRunKit 如果…构建集成工具的人工智能聊天机器人
02
并排对比
03
功能特性
on-policy01MAPPO（多智能体PPO）的实现
02支持多样化的多智能体环境（如星际争霸II、花火）
03提供各种场景的即用型训练脚本
04详细的超参数指导和最新结果
05默认支持智能体间的共享策略
AgentRunKit01具有可配置迭代限制和令牌预算的代理循环
02使用 AsyncThrowingStream 和 @Observable SwiftUI 包装器的流式传输
03带有编译时 JSON 模式验证的类型安全工具
04具有深度控制和流传播的子代理组合
05多模态输入：图像、音频、视频、PDF
04
使用场景
on-policy↳合作多智能体强化学习的研究与实验
↳评估PPO在多智能体强化学习场景中的有效性
↳为星际争霸II和花火等流行多智能体游戏训练AI智能体
AgentRunKit↳构建集成工具的人工智能聊天机器人
↳使用 LLM 代理自动化复杂工作流
↳创建用于本地或云端推理的智能助手
05
适合场景
on-policy时下流行强化学习多智能体AI
AgentRunKit时下流行大模型基础设施
FAQ
常见问题
on-policy 和 AgentRunKit 有什么区别？
on-policy 和 AgentRunKit 都属于 LLM Infra 类别。on-policy 有 2.0k Stars，AgentRunKit 有 24 Stars。
on-policy 和 AgentRunKit 哪个更好？
最佳选择取决于你的具体需求。合作多智能体强化学习的研究与实验 时选 on-policy，构建集成工具的人工智能聊天机器人 时选 AgentRunKit。
on-policy 是免费的吗？
是的，on-policy 在 GitHub 开源（MIT）。
AgentRunKit 是免费的吗？
是的，AgentRunKit 在 GitHub 开源（MIT）。
→