Letta 是 2026 年 AI 智能体工程领域的一个主流智能体框架（23.6k★）。它的核心定位是“有状态记忆的智能体”，源自 MemGPT 研究脉络，强调智能体能够自我编辑记忆。
用途 Letta 用于构建具备持久记忆、可自我改进的智能体。其架构模式为：智能体 = 模型 + 记忆块 + 工具，并持久化在服务端；记忆由智能体自身通过记忆工具进行编辑。它适用于需要长期记忆、状态保持和持续学习的智能体应用场景。
主要能力
- 有状态智能体与自我编辑记忆（MemGPT 研究脉络）。
- 记忆块（例如 human/persona），智能体可通过记忆工具重写这些记忆块。
- Letta Code CLI：本地终端智能体，支持技能、子智能体与持续学习。
- Letta API/服务器：提供 REST 接口以及 Python/TS SDK，用于应用集成。
- 与模型无关，并发布了模型排行榜（leaderboard.letta.com）。
- Agent File（.af）可移植智能体格式。
- sleep-time compute，用于后台记忆维护。
- ADE（Agent Development Environment）用于检查智能体状态。
使用方式 安装：
- CLI：npm install -g @letta-ai/letta-code
- 服务端 SDK：pip install letta-client 或 npm i @letta-ai/letta-client
核心 API 示例（TypeScript）： import Letta from "@letta-ai/letta-client"; const client = new Letta({ apiKey: process.env.LETTA_API_KEY }); const agentState = await client.agents.create({ model: "openai/gpt-5.2", memory_blocks: [{ label: "human", value: "Name: Timber..." }], tools: ["web_search", "fetch_webpage"], });
使用步骤：
- 初始化环境：确认已正确安装 Python，并按安装说明使用正确的包管理器（pip、npm、pnpm、uv）。
- 建立智能体流程：采用“模型 + 记忆块 + 工具”的服务端持久化架构，记忆由智能体自身编辑，并通过 ADE 进行检查。
- 实现工具集成与策略：根据架构需要集成工具、环境密钥与安全门控。
最佳实践：
- 遵循 Letta 的主要安装命令，确保依赖正确解析。
- 在启动运行时之前，安全地配置模型提供商与 API 密钥。
- 如果执行 AI 生成的代码，使用适当的沙箱或权限隔离。
适用场景
- 需要长期记忆与状态保持的智能体。
- 需要智能体自我编辑记忆、持续学习的应用。
- 通过 REST API 或 Python/TS SDK 将智能体集成到应用中。
- 在本地终端使用带技能与子智能体的智能体。
生态定位与限制 Letta 处于“有状态记忆智能体”这一赛道。替代方案包括 mem0/graphiti（仅记忆层，不含智能体运行时）和 deepagents（不含自我编辑记忆的框架）。本仓库中的 agent-memory-architecture 覆盖记忆设计概念并已将 Letta 作为后端引用，而 letta 技能则具体介绍如何操作它。
关于收费、价格、平台支持范围、具体效果等事实，资料中暂未提供。