Letta 是什么?2.4万星的记忆优先 Agent 平台,养一个越用越懂你的 AI(基础篇)

Letta 是什么?2.4万星的记忆优先 Agent 平台,养一个越用越懂你的 AI(基础篇)

别的 Agent 是金鱼,7 秒记忆;Letta 想做的,是给你一个越用越懂你的“数字人”——记忆不是插件,是本体。

项目介绍:从 MemGPT 到 Letta

Letta 的前身叫 MemGPT,2023 年由加州伯克利的 Charles Packer 等人搞出来,一篇论文讲“让 LLM 自己管理内存”——像操作系统管虚拟内存那样,热数据放上下文窗口,冷数据沉到外部存储,Agent 自己决定换入换出。这篇工作一出来就火了,GitHub 狂揽星。

2024 年团队拿了融资,把项目改名 Letta(letta-ai/letta),在旧金山成立 AI lab,口号很直接:Machines that learn(会学习的机器)。截至 2026 年 9 月,主仓库约 2.4 万 star,Apache-2.0 协议,Python 为主。

2026 年 Letta 做了个大转向:老 V1 Server 端 API 归档进 archive 分支,主力换成 Letta Code(新仓库 letta-ai/letta-code,约 3K star 起步猛涨)——一个模型无关(model-agnostic)的记忆优先 agent harness,带终端 UI、App Server、桌面 App 和浏览器版 chat.letta.com,还能接 Slack、Telegram、Discord。官方号称它是 Terminal-Bench 上第一的模型无关开源 harness,表现能对标各家原厂 CLI(Claude Code、Gemini CLI、Codex CLI)。

一句话定位:横向 Agent 平台里专治“没记性”的那个——stateful agents,有状态、带长期记忆、能自我改进的 Agent。

它跟 Mem0 这类“记忆层”是什么关系?可以对照看我之前写的 mem0 简介:mem0 是给任意 Agent 外挂一个记忆服务;Letta 则是从 harness 层面把记忆做进运行时,Agent 自己改写记忆、学技能(skills)、调子 Agent,甚至通过 Mods 改 harness 本身。理念不同,Letta 更“重”、也更彻底。

上手:装一个会记住你的 coding agent

Letta Code 的思路是“长寿 Agent”:每次会话都挂到同一个持久化 Agent 身上,越用越好使。

# 装 Letta Code(需 Python 3.10+,详情以官网 docs.letta.com 为准)
pip install letta-code
letta-code
# 进去先跑 /init,让它深度学习你的项目
# 干一半觉得它学到了东西:/remember 让它反思沉淀
# 重复性任务调教一次后:让它把经验存成 skill,下次自动复用

几个核心概念,提前记住不迷路:

  • 记忆块(memory blocks):Agent 的系统提示词可被自己改写,经验沉淀在这里。
  • Skills:从一次成功调教里提炼出的可复用技能,别的 Agent 也能用。
  • Subagents:活儿大了就分包,动态调子 Agent 并行干。
  • Context Repositories:2026 年 2 月推的新记忆机制,git 版本化的上下文管理,记忆变更可回滚。
  • Dreaming(前身 sleep-time compute):闲时让 Agent 自己复盘上下文,不占用推理时间。

想快速验证效果:拿一个你常改的仓库跑 /init,让它学一遍;过几天回来看它还记不记得你的偏好(比如你坚持的代码风格、数据库迁移流程)。如果它真记住了,Letta 的价值你就摸到了。

实话:谁适合上车,谁先等等

先说好的:记忆这个切入点是真痛点。用过 LangChain 这类编排框架的都知道(参考 LangChain 简介),Agent 失忆是日常——换个会话全忘光。Letta 把记忆做进 harness,理念领先;模型无关意味着你不用被某一家绑定,今天用 Claude、明天换 GPT,记忆还在自己手里;开源 Apache-2.0,自托管友好,数据不用交出去。

再说丑话:

  1. 正处大重构期:V1 老 API 已归档停更,现在文档、教程新老混杂,网上很多 MemGPT 时代的文章已经过时,照着跑大概率踩坑。认准 letta-code 新仓库和官网最新文档。
  2. 记忆不是银子弹:官方论文式宣传很性感,但实际效果强依赖底座模型,官方自己都推荐 Opus 4.5、GPT-5.2 级别。拿弱模型跑,记了一堆垃圾等于没记。
  3. 生态比 Dify、Langflow 薄:人家是拖拽开箱即用,Letta 是开发者向的 harness,得写代码、调模型、养记忆,运维成本高一级。小团队只想“快速上线一个客服机器人”,别来这儿受罪。

一句话总结:你是开发者、想养一个长期陪伴的个人 Agent 或编码助手,且愿意折腾——Letta 值得一试;你是业务方要快速交付,先去 Dify 那边排队。


by 数码罗记·godsun.pro

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注