自我改进:智能体改写自己的上下文
官方把它与普通工具型智能体的差别概括为「有记忆、身份与随时间积累的经验」:智能体会以编程方式改写自己的上下文,从而持续适应与改进,其中的机制包括通过记忆块进行的系统提示学习与技能学习。官方还提供几条与之配套的斜杠命令:定期「做梦」(睡眠时间计算)用于离线整理记忆,诊断命令用于针对具体症状排查智能体行为,另有命令用于查看记忆结构。对使用者而言,这意味着智能体的行为会随时间漂移,需要建立观察与回退机制。
深度介绍
官方把它与普通工具型智能体的差别概括为「有记忆、身份与随时间积累的经验」:智能体会以编程方式改写自己的上下文,从而持续适应与改进,其中的机制包括通过记忆块进行的系统提示学习与技能学习。官方还提供几条与之配套的斜杠命令:定期「做梦」(睡眠时间计算)用于离线整理记忆,诊断命令用于针对具体症状排查智能体行为,另有命令用于查看记忆结构。对使用者而言,这意味着智能体的行为会随时间漂移,需要建立观察与回退机制。
官方提供了一个颇有特色的机制——所有上下文(包括记忆块)都通过 git 追踪,也可以把上下文同步到自己的 GitHub 仓库。这条设计的意义在于:智能体的「记忆」变成可版本化、可审阅、可回滚的文本,而不是散落在数据库里的黑盒状态。对团队来说,这既方便排查「它为什么这么回答」,也便于把记忆纳入代码评审流程;需要注意的是记忆同样可能包含敏感信息,同步到远端仓库前应确认访问范围与脱敏要求。
官方把技能分成三个作用域:全局技能放在用户目录下,项目级技能放在项目的约定目录里,代理级技能则存放在 MemFS 中。官方提供查看与管理技能的命令,以及用于创建技能的辅助命令,并在文档中给出「让智能体自己配置自己」的建议——想改行为、钩子或权限,可以直接让智能体去做。这种分层让同一台机器上的不同项目、不同智能体各自拥有独立的能力集,避免全局配置互相污染。
官方内置了几类子代理(通用型、分叉型、回忆型与历史分析型),可让主智能体在后台派发任务;更关键的是,任何智能体都可以作为子代理被其他智能体调用,包括调用自己。这让「先分工再汇总」的流程变得自然,也支持把历史分析、记忆检索这类专门工作交给独立上下文执行。多代理带来的复杂度也真实存在:调用链越长越难追踪,建议配合权限、钩子与消息搜索来保证可观测与可控。
官方提供多条与智能体交互的路径:本地命令行、覆盖三大平台的桌面应用、浏览器(含手机端)以及 Slack、Telegram、Discord 与自定义渠道。命令行创建的智能体可以在桌面应用里继续使用,反之亦然。对做长期助理类产品的团队,这意味着用户可以在不同场景触达同一个「有记忆的个体」,而不必为每个渠道重建上下文;代价是渠道之间的消息格式与权限模型需要统一设计。
Letta Cloud 负责保存智能体的记忆、身份与会话,而执行智能体的运行时可以跑在任何已连接的机器上——自己的笔记本、持续集成环境、托管沙箱、远程虚拟机甚至一台常开的迷你主机。官方提供命令把任意机器接入为「远程计算机」,并可按机器路由请求,或用云端沙箱启动目标智能体。这种划分的好处是状态与算力解耦:换设备不必搬家,重活可以放到云端跑;代价是引入云服务依赖,数据存放位置需要按合规要求确认。
面向工程可控性,官方提供三块配套:权限模式用于集中定义哪些动作自动批准或自动拒绝;钩子允许在智能体执行的关键节点运行自定义脚本,把既有流程接进智能体;密钥管理则把敏感值作为环境变量在跨机器环境里提供,同时对上下文做混淆处理,避免密钥直接出现在模型可见的文本中。对准备把智能体放进真实系统的团队,这三项比功能列表更值得优先配置。
Letta 的前身是 MemGPT,原先那个同名仓库如今只保留说明与历史:旧版 API 服务已归档到归档分支,**当前源码位于 letta-code 仓库**,包含智能体运行时、终端界面、应用服务器与渠道实现,并改为通过 npm 分发。两个仓库均以 Apache-2.0 许可开源;原仓库约有 2.5 万 star,当前仓库约 3400 star。发布节奏非常快,核验时最新记录为 v0.32.15(2026 年 9 月 20 日),此前一周内还有 v0.32.13、v0.32.11、v0.32.9 与 v0.32.7。
产品特点
官方称智能体会以编程方式改写上下文以持续改进,机制包括通过记忆块进行的系统提示学习与技能学习,并提供定期「做梦」、行为诊断与记忆查看等配套命令。
所有上下文(含记忆块)由 git 管理,并可同步到自建 GitHub 仓库,使智能体记忆成为可版本化、可审阅与可回滚的文本,而不是黑盒状态。
Letta Cloud 保存记忆、身份与会话,运行时则可跑在笔记本、持续集成环境、托管沙箱、远程虚拟机或常开主机上,并支持把任意机器接入为可路由的远程计算机。
支持命令行、三大平台桌面应用、浏览器与手机端,以及 Slack、Telegram、Discord 与自定义渠道;命令行创建的智能体可在桌面应用继续使用,反之亦然。
最近动态
当前源码仓库的发布记录显示 v0.32.15 于 2026 年 9 月 20 日发布,是核验时点的最新版本;在此期间项目保持接近每日到每周多次的发版节奏。
9 月 13 日发布 v0.32.7、9 月 14 日发布 v0.32.9 与 v0.32.11、9 月 16 日发布 v0.32.13。版本号推进迅速,说明该阶段以快速迭代为主,生产使用建议固定版本并按自有评测验证升级。
截至核验时,原 letta 仓库只保留说明与历史,旧版 API 服务已归档到归档分支,当前源码在 letta-code 仓库中,包含智能体运行时、终端界面、应用服务器与渠道实现,并改为通过 npm 安装分发。沿用旧文档或旧部署脚本的项目需要按新结构迁移。
官方目前提供覆盖 macOS、Windows 与 Linux 的桌面应用、浏览器与手机端入口、以及用于在持续集成中运行智能体的官方 GitHub Action;Letta Cloud 负责跨机器保留记忆、身份与会话。各入口的功能覆盖与计费方式以官方当期页面为准。
Letta 是 letta-ai 维护的有状态智能体平台,官方把它描述为「具备高级记忆、能随时间学习与自我改进的 AI」,目标是让智能体更像人而不是工具——拥有记忆、身份与随时间积累的经验。项目的前身是 MemGPT,两个仓库均以 Apache-2.0 许可开源:原仓库约有 2.5 万 star,当前源码仓库约有 3400 star。需要特别注意的是项目结构已经变更:原 letta 仓库如今只保留说明与历史,旧版 API 服务归档到归档分支,**当前源码位于 letta-code 仓库**,包含智能体运行时、终端界面、应用服务器与渠道实现,并改为通过 npm 分发(一条全局安装命令后即可启动终端界面)。 它的核心机制是「自我改进」:智能体会以编程方式改写自己的上下文,从而持续适应与改进,其中的手段包括通过记忆块进行的系统提示学习与技能学习;官方还提供定期「做梦」(睡眠时间计算)、针对具体症状的行为诊断、以及记忆查看等配套命令。另一项颇具特色的设计是 MemFS——所有上下文(包括记忆块)都由 git 追踪,并可同步到自建的 GitHub 仓库,使智能体的记忆成为可版本化、可审阅、可回滚的文本。技能则分为全局、项目级与代理级三个作用域,官方还建议直接让智能体自己完成技能、钩子与权限的配置。 交互与部署方面,官方提供命令行、覆盖三大平台的桌面应用、浏览器(含手机端)、Slack/Telegram/Discord 与自定义渠道等多条入口,同一个智能体可以在不同渠道被触达,命令行创建的智能体也能在桌面应用继续使用。状态与算力是解耦的:Letta Cloud 保存记忆、身份与会话,而运行时可以跑在自己的笔记本、持续集成环境、托管沙箱、远程虚拟机或常开主机上,并支持把任意机器接入为可路由的远程计算机。工程可控性方面提供权限模式、执行钩子与密钥管理(跨机器以环境变量提供并对上下文做混淆),另有内置的多类子代理,且任何智能体都可以被其他智能体调用。 使用前需要注意:项目近期发版非常快(核验时最新为 v0.32.15,2026 年 9 月 20 日,一周内还有多个补丁版本),生产环境应固定版本并保留回退路径;源码结构与分发方式已从旧仓库迁移到 letta-code,沿用旧文档或旧脚本的项目需要迁移;记忆以文本形式可被 git 追踪意味着它同样可能包含敏感信息,同步到远端仓库前应确认访问范围与脱敏策略;状态放在云端会引入服务依赖,数据存放位置需按合规要求确认。
核验信息
本页事实来自 Letta 官方渠道:letta-code 仓库 README(有状态智能体定位、自我改进与记忆块与技能学习、MemFS 的 git 追踪、技能三作用域、内置子代理与多代理调用、多渠道入口、Letta Cloud 与远程计算机机制、权限/钩子/密钥三项配套、npm 安装与启动命令)与原 letta 仓库 README(前身 MemGPT、当前源码位置与旧 API 归档说明)及两个仓库的许可文件(Apache-2.0)、发布页版本与日期,以及官方站点(分享卡与定位文案)、官方文档与官方博客记忆块说明页。star 数、版本与结构变更核验于 2026 年 9 月 22 日,项目迭代很快,请以官方文档与发布说明为准。
Letta介绍页面对您是否有帮助?