Los mejores agentes de IA para Investigación (113)
Las herramientas de esta sección hacen el trabajo de campo: rastrean fuentes públicas, reconstruyen la trayectoria de un competidor, leen documentos extensos, ejecutan simulaciones y devuelven resúmenes o informes con referencias. También hay marcos abiertos, entornos de entrenamiento y pruebas para quien quiera crear y evaluar sus propios agentes de investigación.
113 agentes · Actualizado el 29 de septiembre de 2026
Científicos Virtuales proporciona Agentes IA que simulan investigadores expertos en física, química, biología y más para preguntas y respuestas científicas y exploración.
Una simulación ecológica interactiva basada en agentes utilizando Mesa para modelar la dinámica de poblaciones depredador-presa con visualización y controles de parámetros.
Marco de trabajo de código abierto en PyTorch para sistemas multiagente para aprender y analizar protocolos de comunicación emergentes en tareas cooperativas de aprendizaje por refuerzo.
IRIS es un agente impulsado por IA que ayuda a los investigadores generando preguntas de investigación, indicaciones de ideación, resúmenes de literatura y flujos de trabajo estructurados.
Un marco de código abierto que orquesta múltiples agentes de IA especializados para generar hypotheses de investigación de forma autónoma, realizar experimentos, analizar resultados y redactar artículos.
Biblioteca de Python de código abierto que implementa aprendizaje por refuerzo multiagente de campo medio para entrenamiento escalable en grandes sistemas de agentes.
DALI permite consultas interactivas y análisis de documentos multimodales mediante modelos integrados de visión y lenguaje para extraer información estructurada.
Un entorno RL que simula múltiples mineros agentes cooperativos y competitivos que recopilan recursos en un mundo basado en una cuadrícula para el aprendizaje multiagente.
Un marco de trabajo de aprendizaje por refuerzo multiagente basado en Python para desarrollar y simular entornos de agentes AI cooperativos y competitivos.
Powerful Auto Researcher itera automáticamente las preguntas de investigación, obtiene respuestas generadas por IA y compila y exporta insights estructurados.
Interfaz front-end basada en React para un agente de investigación en IA que automatiza la búsqueda de literatura, resumen de artículos y generación de citas.
El investigador local de RAG Deepseek utiliza indexación Deepseek y LLMs locales para realizar respuestas a preguntas con recuperación complementaria en documentos del usuario.
Un marco de trabajo en PyTorch que permite a los agentes aprender protocolos de comunicación emergentes en tareas de aprendizaje por refuerzo multiagente.
Agente CLI impulsado por IA que rastrea sitios web de competidores, extrae características de productos, precios e insights de mercado para análisis estratégico.
Un marco de trabajo de código abierto de agentes de IA que imitan científicos para automatizar la investigación bibliográfica, resúmenes y generación de hipótesis.
Implementa el intercambio de recompensas basado en predicciones entre múltiples agentes de aprendizaje por refuerzo para facilitar el desarrollo y evaluación de estrategias cooperativas.