Letta：为AI智能体构建真实长期记忆的开源解决方案

开发过AI应用的朋友们可能都深有体会，大语言模型（LLM）虽然聪明，但“记性”往往不太好。一次对话结束后，再次开启新对话时，它可能就把之前聊过的内容忘得一干二净，每次都需要重新介绍背景，用户体验大打折扣。

Letta 这个项目正是为了解决这个痛点而生。该项目在 GitHub 上已经斩获超过 20.8K 的星标，它的目标是赋予AI如同人类般的长期记忆能力，并且能够在交互中持续学习和进化。这绝非简单的对话历史记录，而是一套真正的、结构化的记忆管理系统。

Letta是什么？

这个项目前身名为MemGPT，是一个专门为大型语言模型添加记忆功能的开源项目。它的核心能力是让AI记住并理解你们过往的所有交互，并在持续的聊天过程中不断学习、迭代，从而变得更加智能和个性化。

它提供了两种主要的使用方式：一个是命令行工具 Letta Code，安装后即可在终端运行一个具备长期记忆的AI助手；另一个是完整的API服务，你可以将这套记忆系统集成到你自己的应用程序或服务中。

更重要的是，它支持“技能”(Skills)和“子代理”(Subagents)机制，这意味着AI可以自主调用工具、进行联网搜索、执行代码等。它对模型没有限制，OpenAI、Claude等主流模型都能兼容，官方推荐使用 Opus 4.5 或 GPT-5.2 以获得最佳效果。

它能做什么？

真正的长期记忆系统：区别于简单的历史记录存储，Letta提供了结构化的记忆管理。AI能够记住用户的身份、偏好、过往的对话细节，并能在需要时主动进行回忆和关联。

持续的交互式学习：AI会在使用过程中不断积累关于用户的信息，记住用户的工作方式、常用工具和习惯，在下一次交互中直接应用这些知识。

强大的技能系统：内置了多种预制技能，如网络搜索、文件读写、代码执行等。开发者也可以根据自己的需求编写自定义技能来扩展功能。

子代理协作：允许你创建多个具有专门功能的子代理，并让它们协同工作以完成复杂的任务链。例如，一个子代理负责搜索资料，另一个则负责根据资料编写代码。

完善的API支持：提供了 Python 和 TypeScript 的 SDK，文档齐全，可以非常方便地集成到现有应用或新产品中。

为什么值得关注？

• 记忆真实可靠：它并非“假装记住”，而是构建了一套完整的记忆存储、检索、更新和管理的底层系统。
• 开源与自主可控：代码完全开放，你可以根据需求进行修改，并部署在自己的服务器上，保障数据安全和隐私。
• 模型普适性强：不绑定任何特定厂商的模型，无论是 OpenAI、Anthropic 的商业模型，还是各类开源模型，都能良好支持。
• 活跃的社区生态：超过20.8K星标，157位贡献者，拥有活跃的Discord社区，开发中遇到的问题通常都能得到及时的解答。
• 功能形态完整：同时提供CLI工具和API，既能满足个人开发者的尝鲜与实验需求，也适合企业集成到产品中，体现了很强的开源实战价值。

支持哪些技术栈？

• AI模型：支持OpenAI全系列、Claude、Llama等，主流开源模型基本覆盖。
• 记忆管理：支持结构化的记忆块，包括人设(Persona)、用户背景(Human)、对话历史等多种类型。
• 工具集成：集成网络搜索、网页抓取、文件操作、代码执行等多种工具。
• 数据存储：使用PostgreSQL存储记忆数据，并支持向量检索以高效查找相关记忆。

如何快速开始？

通过命令行体验（最快的方式）：
首先确保你的环境已安装 Node.js 18 或更高版本，然后执行：

# 安装 Letta Code 命令行工具
npm install -g @letta-ai/letta-code

# 安装完成后直接运行
letta

运行后，你就可以在终端与一个具备长期记忆的AI助手进行对话了，它可以协助你编写代码、查询资料甚至执行系统命令。

通过API集成到你的应用：

TypeScript/JavaScript 版本：

npm install @letta-ai/letta-client

import Letta from "@letta-ai/letta-client";

const client = new Letta({ apiKey: process.env.LETTA_API_KEY });

// 创建一个拥有预设记忆的智能体（agent）
const agentState = await client.agents.create({
  model: "openai/gpt-5.2",
  memory_blocks: [
    {
      label: "human",
      value: "姓名:张三。职业:程序员。喜欢用Python开发"
    },
    {
      label: "persona",
      value: "我是一个AI助手,擅长帮助程序员解决技术问题"
    }
  ],
  tools: ["web_search", "fetch_webpage"]
});

// 向该智能体发送消息，它会基于记忆进行回复
const response = await client.agents.messages.create(
  agentState.id,
  { input: "你还记得我是干什么的吗?" }
);

Python 版本：

pip install letta-client

from letta_client import Letta
import os

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

# 创建智能体
agent_state = client.agents.create(
    model="openai/gpt-5.2",
    memory_blocks=[
        {
          "label": "human",
          "value": "姓名:张三。职业:程序员。喜欢用Python开发"
        },
        {
          "label": "persona",
          "value": "我是一个AI助手,擅长帮助程序员解决技术问题"
        }
    ],
    tools=["web_search", "fetch_webpage"]
)

# 发送消息
response = client.agents.messages.create(
    agent_id=agent_state.id,
    input="你还记得我是干什么的吗?"
)

获取API Key只需前往 app.letta.com 注册即可。完整的开发文档可以在 docs.letta.com 找到。

这个项目的设计思路颇具启发性，它没有停留在简单堆砌上下文长度上，而是从架构层面实现了AI的记忆系统。这使得AI与用户的交互次数越多，对用户的了解就越深，使用起来自然也就越来越得心应手。对于正在探索更复杂AI应用场景的开发者而言，这无疑是一个值得深入研究和尝试的工具。如果你对这类前沿的AI智能体技术感兴趣，不妨到云栈社区的开发者广场看看，那里有更多相关的讨论和分享。

项目地址：https://github.com/letta-ai/letta