Artykuł przedstawia dziesięć otwartych platform no-code, które eliminują potrzebę ręcznego pisania kodu orkiestracyjnego do budowania aplikacji opartych na modelach językowych. Zamiast tego narzędzia ekspozują funkcjonalności retrieval, agentów i workflow poprzez interfejsy wizualne, interfejsy webowe i proste polecenia w języku naturalnym.
Na szczególną uwagę zasługuje AutoAgent - framework zero-code opracowany w Research Lab Data Intelligence na Uniwersytecie Hongkongu. Narzędzie pozwala na opisanie celu w naturalnym języku, a system automatycznie konstruuje narzędzia, agentów i workflow wieloagentowe bez ręcznego kodowania. AutoAgent dysponuje edytorem agentów, edytorem workflow i gotowym trybem asystenta do badań. Projekt jest wspierany naukowo - jego artykuł naukowy dostępny na arXiv:2502.05957 wykazuje mocne wyniki na benchmarku GAIA i argumentuje, że istniejące frameworki agentów wykluczają osoby bez umiejętności programowania. AutoAgent funkcjonuje jako otwarta alternatywa dla komercyjnych produktów Deep Research i współpracuje z głównymi modelami LLM takimi jak DeepSeek, Grok i Gemini, działając poprzez CLI oparty na Dockerze.
To ułatwienie demokratyzuje dostęp do zaawansowanych technologii AI, pozwalając badaczom i praktykom na szybkie tworzenie asystentów opartych na głębokich badaniach bez konieczności posiadania zaawansowanej wiedzy programistycznej. Narzędzia tego typu zmniejszają barierę wejścia do ekosystemu AI, jednocześnie oferując self-hosting dla organizacji wymagających pełnej kontroli nad swoimi danymi.