Letta：给 AI Agent 装上长期记忆

Letta 在 GitHub 上拿到了 23.5K Star。

这个项目原来叫 MemGPT，做的事情很明确：让 AI Agent 拥有长期记忆，能在持续交互中自我改进。

大多数 Agent 框架解决的是"怎么调用工具"“怎么编排流程”，Letta 解决的是另一个问题：对话结束后，Agent 记住了什么。

1、 它要解决什么问题

用过 ChatGPT 或 Claude 的人都知道，上下文窗口有限。你跟一个 Agent 聊了二十轮，前面的内容就被挤掉了。换个新对话，它又从零开始。

这不是模型不够聪明，是架构层面就没有"记忆"这个机制。

Letta 在 Agent 内部维护了一套持久化的记忆系统。Agent 在对话过程中会自动整理信息，把重要的内容写入记忆块，下次对话时读取回来。整个过程不需要用户手动管理上下文。

2、 两种使用方式

Letta 提供了两条路径。

第一条是命令行工具。装一个 npm 包，终端里直接跑：

npm install -g @letta-ai/letta-code
letta

Agent 会在本地运行，帮你写代码、处理文件，记忆自动保存。它还支持 Skills 和 Subagents 扩展。

第二条是 API。Python 和 TypeScript 都有 SDK：

npm install @letta-ai/letta-client
pip install letta-client

创建一个带记忆的 Agent，发消息给它，它会记住你告诉它的内容。下次再问，它还能接上。

from letta_client import Letta

client = Letta(api_key=os.getenv("LETTA_API_KEY"))

agent_state = client.agents.create(
    model="openai/gpt-5.2",
    memory_blocks=[
        {"label": "human", "value": "Name: Timber. Status: dog."},
        {"label": "persona", "value": "I am a self-improving superintelligence."}
    ],
    tools=["web_search", "fetch_webpage"]
)

response = client.agents.messages.create(
    agent_id=agent_state.id,
    input="What do you know about me?"
)

3、 记忆机制怎么运作

Letta 的记忆不是简单地把历史对话存下来。它把记忆分成不同的块：一个存用户信息，一个存 Agent 自身的人格设定，还可以自定义更多。

Agent 在对话过程中会判断哪些信息值得记住，然后写入对应的记忆块。下次对话启动时，这些记忆块会被加载进上下文。

这意味着 Agent 能做到：记住你的名字、记住你的偏好、记住上次聊到哪了。不需要你反复交代背景。

4、 模型兼容性

Letta 不绑定特定模型。你可以用 OpenAI 的 GPT-5.2，也可以用 Anthropic 的 Claude Opus 4.5。官方给了一个模型排行榜，方便选择。

5、 适合什么场景

做客服机器人，需要记住用户历史的；做个人助手，需要了解用户习惯的；做长期运行的 Agent，需要跨会话保持状态的。这些场景下，Letta 的记忆机制是刚需。

开源社区有一百多人参与贡献，Discord 和论坛都比较活跃。

长期运行的 Agent，需要跨会话保持状态的。这些场景下，Letta 的记忆机制是刚需。

开源社区有一百多人参与贡献，Discord 和论坛都比较活跃。