Letta：会自我进化的有状态Agent平台

Letta（前身 MemGPT）是一套构建「有状态 Agent」的平台——让 AI 拥有长期记忆、能学习并随时间自我改进，而不是每次对话都从零开始。

大多数 Agent 是「无状态」的：一次任务跑完，上下文一丢，什么都不剩。Letta 反其道而行，它的核心理念来自 MemGPT 论文——把大模型当作操作系统，精心管理上下文与外部存储，让 Agent 拥有可持久化的记忆与状态。Agent 能记住历史、更新自己的记忆内容、在多次交互中逐步改进。仓库 letta-ai/letta、Apache-2.0 许可，星标约 2.5 万（以 GitHub 为准），文档 https://docs.letta.com/ 。

信息卡

• 项目名称：Letta（原 MemGPT）
• 编程语言：多语言（前端 TypeScript、Agent 服务端 Python 等）
• 开源许可证：Apache-2.0
• GitHub 地址：https://github.com/letta-ai/letta
• 官网或 Demo：https://docs.letta.com/

核心能力

有状态 Agent 与持久记忆。 Letta 的 Agent 把记忆分成不同类型（如核心记忆、归档记忆、对话历史），并自主决定把什么写进长期记忆、什么留在当前上下文。跨会话、跨运行后，Agent 仍保留状态，真正「记得」过去。这让它适合长期陪伴、持续跟进任务的场景。

上下文的操作系统式管理。 受 MemGPT 启发，Letta 让模型像管理内存一样管理上下文：把重要内容留在「主存」、把长 history 挪到「外部存储」并按需换入。这样既突破上下文窗口限制，又保留对历史信息的访问。对需要长时间运行、积累大量交互的 Agent，这是关键能力。

Agent 自我学习与改进。 Agent 能在交互中更新自己的记忆与对用户的理解，逐步形成更贴合的画像与行为。平台提供对 Agent 记忆与状态的可见、可编辑能力，开发者能检查「它记住了什么」并按需调整，而不是面对一个黑盒。

多模型与工具生态。 Letta 支持多家大模型供应商，并接入工具调用、多 Agent 协作等能力。提供 ADE（Agent Development Environment）可视化界面、REST API 与 SDK，便于构建、调试和部署。开源自托管与 Letta Cloud 托管并行。

使用上手

1. 按官网文档安装（pip 安装 letta 或用 Docker 快速起服务）。
2. 配置模型供应商密钥（如 OpenAI / Anthropic 等，或用兼容接口）。
3. 通过 ADE 界面或 API 创建第一个 Agent，设定其初始人设与核心记忆。
4. 与 Agent 对话，观察它如何把信息写入记忆；在界面里检查与编辑记忆内容。
5. 进阶：加工具、配多 Agent、接 REST API 集成到自有应用；生产部署参考官方 Docker/Cloud 方案。

优点与不足

优势是有状态与持久记忆设计成熟、上下文管理思路先进、记忆可观测可编辑、多模型与工具生态完整、Apache-2.0 许可。局限：概念（记忆分层、上下文管理）有学习曲线；自托管需要维护服务与依赖；长期运行 Agent 的行为与成本需持续监控。星标与版本以 GitHub 为准。

适合谁

适合构建长期陪伴、个人助理、持续跟进类 Agent 的开发者；研究有状态 Agent 与记忆机制的团队；以及需要记忆可观测、可控、不愿用黑盒方案的进阶用户。

下载与访问

仓库 https://github.com/letta-ai/letta （Apache-2.0）；文档 https://docs.letta.com/ 。

许可证与部署

本文属于「项目」分类的 AI 资源专栏，更多评测见分类页。