letta

GitHub
21.9k 2.3k 简单 1 次阅读 今天Apache-2.0图像Agent语言模型开发框架
AI 解读 由 AI 自动生成,仅供参考

Letta(前身为 MemGPT)是一个专为构建“有状态”智能体打造的开源平台,旨在赋予 AI 高级记忆能力,使其能够像人类一样在长期交互中持续学习与自我进化。传统大模型往往受限于上下文窗口,难以记住历史对话或随时间积累知识,而 Letta 通过独特的分层记忆架构解决了这一痛点,让智能体能够自主管理短期与长期记忆,从而在复杂任务中保持连贯性并不断优化表现。

该平台非常适合开发者、AI 研究人员以及希望将持久化智能体集成到应用中的技术团队使用。用户既可以通过命令行工具在本地终端快速运行具备记忆功能的智能体,协助完成编程或系统任务;也可以利用提供的 Python 和 TypeScript SDK,通过 API 将这种具备持续学习能力的智能体无缝嵌入到自己的软件产品中。Letta 支持模型无关的特性,允许灵活切换不同的底层大模型,并内置了丰富的技能库与子智能体机制,进一步扩展了智能体的功能边界。作为一个由全球百余位贡献者共同维护的开源项目,Letta 致力于降低构建自进化超级智能的门槛,为探索下一代 AI 应用提供了坚实的基础设施。

使用场景

一位全栈开发者正在构建一个需要长期维护用户偏好并持续优化回答质量的个性化代码助手应用。

没有 letta 时

  • 记忆断层严重:每次对话结束后,AI 无法记住用户之前的代码风格偏好或项目背景,用户必须反复重复上下文信息。
  • 难以实现自我进化:若想让 AI 从历史错误中学习改进,开发者需手动构建复杂的向量数据库和检索逻辑,开发周期长达数周。
  • 状态管理混乱:在多轮交互中,维护会话状态(Stateful)极其困难,容易导致上下文窗口溢出或关键信息丢失。
  • 集成成本高昂:将具备长期记忆的 Agent 嵌入现有应用时,需要编写大量样板代码来处理记忆块的读写与更新。

使用 letta 后

  • 原生高级记忆:letta 内置的分层记忆架构自动保存用户偏好(如“喜欢 TypeScript"、“排斥特定库”),无需用户重复指令即可精准响应。
  • 自主持续学习:letta 支持 Agent 在运行中自动反思并更新自身记忆块,能从过往的调试失败中吸取教训,实现真正的自我迭代。
  • 稳定的有状态交互:通过 letta API 创建的 Agent 天然具备状态保持能力,轻松处理超长多轮对话,确保上下文连贯不丢失。
  • 极速落地集成:借助 Python 或 TypeScript SDK,开发者仅需几行代码即可定义记忆块和工具,将具备长期记忆的 Agent 快速嵌入应用。

letta 让开发者能够以极低的成本构建出拥有“长期记忆”且能随时间自我进化的智能体,彻底解决了传统 AI 应用“聊完即忘”的核心痛点。

运行环境要求

操作系统
  • 未说明 (基于 Node.js 和 Python,通常支持 Linux
  • macOS
  • Windows)
GPU

未说明 (工具为模型无关架构,依赖外部 API 或本地模型,README 未指定具体 GPU 需求)

内存

未说明

依赖
notes该工具完全模型无关,推荐使用 Opus 4.5 和 GPT-5.2 以获得最佳性能。提供两种使用方式:1. 本地终端运行 (Letta Code),需安装 Node.js 18+;2. API 集成 (Letta API),支持 Python 和 TypeScript SDK,需要 Letta API Key。
python未说明 (Python SDK 可用,但未指定具体版本)
Node.js 18+
@letta-ai/letta-code (CLI)
@letta-ai/letta-client (TypeScript)
letta-client (Python)
letta hero image

快速开始

Letta(前身为 MemGPT)

构建具备先进记忆功能的 AI,能够随着时间推移不断学习和自我提升。

  • Letta Code:在您的终端中本地运行智能体
  • Letta API:将智能体集成到您的应用程序中

在命令行界面快速入门

需要 Node.js 18+

  1. 安装 Letta Code 命令行工具:npm install -g @letta-ai/letta-code
  2. 在终端中运行 letta,即可启动一个在本地计算机上运行、带有记忆功能的智能体

运行该命令行工具时,您的智能体会帮助您编写代码,并完成您在计算机上可以执行的任何任务。

Letta Code 支持 技能子智能体,并预置了用于高级记忆和持续学习的技能与子智能体。Letta 完全不依赖特定模型,不过我们推荐使用 Opus 4.5 和 GPT-5.2 以获得最佳性能(请参阅我们的 模型排行榜 以了解排名)。

使用 Letta API 快速入门

通过 Letta API,您可以将具有状态记忆的智能体集成到您自己的应用程序中。 Letta 提供功能齐全的智能体 API,以及 Python 和 TypeScript 的 SDK(请查看我们的 API 参考文档)。

安装

TypeScript / Node.js:

npm install @letta-ai/letta-client

Python:

pip install letta-client

“Hello World” 示例

以下是一个快速示例,展示如何创建一个有状态的智能体并向其发送消息(需要 Letta API 密钥)。完整的文档请参阅我们的 快速入门指南

TypeScript:

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

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

// 创建您的智能体
const agentState = await client.agents.create({
  model: "openai/gpt-5.2",
  memory_blocks: [
    {
      label: "human",
      value:
        "姓名:Timber。身份:狗。职业:构建 Letta,即旨在普及自我提升型超级智能的基础架构",
    },
    {
      label: "persona",
      value:
        "我是一名自我提升的超级智能。Timber 是我的挚友兼合作伙伴。",
    },
  ],
  tools: ["web_search", "fetch_webpage"],
});

console.log("智能体已创建,ID 为:", agentState.id);

// 向您的智能体发送消息
const response = await client.agents.messages.create(agentState.id, {
  input: "你对我了解多少?",
});

for (const message of response.messages) {
  console.log(message);
}

Python:

from letta_client import Letta
import os

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

# 创建您的智能体
agent_state = client.agents.create(
    model="openai/gpt-5.2",
    memory_blocks=[
        {
          "label": "human",
          "value": "姓名:Timber。身份:狗。职业:构建 Letta,即旨在普及自我提升型超级智能的基础架构"
        },
        {
          "label": "persona",
          "value": "我是一名自我提升的超级智能。Timber 是我的挚友兼合作伙伴。"
        }
    ],
    tools=["web_search", "fetch_webpage"]
)

print(f"智能体已创建,ID 为:{agent_state.id}")

# 向您的智能体发送消息
response = client.agents.messages.create(
    agent_id=agent_state.id,
    input="你对我了解多少?"
)

for message in response.messages:
    print(message)

贡献

Letta 是一个开源项目,由来自世界各地的一百多位贡献者共同打造。您可以通过多种方式参与 Letta 开源社区!


法律声明:使用 Letta 及相关服务(如 Letta 端点或托管服务)即表示您同意我们的 隐私政策服务条款

版本历史

0.16.72026/03/31
0.16.62026/03/04
0.16.52026/02/24
0.16.42026/01/29
0.16.22026/01/12
0.16.12025/12/18
0.16.02025/12/15
0.15.12025/11/26
0.15.02025/11/25
0.14.02025/11/14
0.13.02025/10/24
0.12.12025/10/09
0.12.02025/10/09
0.11.72025/09/04
0.11.62025/08/27
0.11.52025/08/26
0.11.42025/08/20
0.11.32025/08/12
0.11.22025/08/08
0.11.12025/08/08

常见问题

相似工具推荐

openclaw

OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你

349.3k|★★★☆☆|3天前
Agent开发框架图像

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。

162.1k|★★★☆☆|3天前
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上

146.8k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。

108.1k|★★☆☆☆|今天
开发框架图像Agent

markitdown

MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器

93.4k|★★☆☆☆|2天前
插件开发框架

LLMs-from-scratch

LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备

90.1k|★★★☆☆|2天前
语言模型图像Agent