Letta Code
让长期运行的智能体保留记忆、身份并持续演化。
这个 Agent 能做什么，适合哪些场景？
Letta Code 是用于创建有状态智能体的命令行与桌面端运行框架，强调记忆、身份及随时间积累的经验。它可通过本地 CLI、macOS/Windows/Linux 桌面应用、chat.letta.com 浏览器界面，以及 Telegram、Slack、Discord 和自定义渠道与同一智能体交互。智能体可重写记忆、技能、提示词和通过 mods 扩展的运行框架，并可使用子智能体、钩子、计划任务和消息搜索。登录 Letta 后，智能体状态可存于 Letta Cloud，运行则可路由到笔记本、云端 VM、Mac Mini、托管沙箱或远程环境。
用户在项目目录运行 letta 后，可用 /connect 配置 OpenAI、ChatGPT、Anthropic 或 Z.ai coding plan 的 API 密钥，并通过 /model 切换模型。智能体将上下文（含 memory blocks）由 MemFS 以 Git 形式跟踪；可用 /memory-repository set [email protected]:... 同步到自定义 GitHub 仓库。它提供 /search 搜索消息与智能体、/skills 查看技能、/sleeptime 配置周期性 dreaming、/doctor 审计记忆质量，以及 /palace 查看记忆。借助 letta server --env-name "..."，可注册远程执行环境，再用 letta -p --agent <agent-id> --environment "..." "..." 向指定环境中的智能体发送无界面消息。
- 需要让项目助手跨多次对话保存工作上下文，并能逐步调整记忆和技能的开发者。
- 希望在终端、本地桌面应用、浏览器和 Slack 之间切换，但持续与同一智能体协作的个人或团队。
- 需要用 heartbeats 或 crons 让智能体持续处理主动任务的自动化使用者。
- 拥有笔记本、云端 VM 或 Mac Mini，想把同一智能体路由到不同执行机器的工程团队。
- 希望把智能体上下文以 Git 跟踪并同步到自定义 GitHub 仓库的开发者。
这个 Agent 有哪些优点和局限？
- 将记忆块、技能、提示词和 mods 纳入可重写的长期状态，适合需要持续演化而非一次性会话的智能体。
- 同一智能体可通过 CLI、桌面端、浏览器、移动浏览器及多种消息渠道访问。
- MemFS 以 Git 跟踪全部上下文，并支持同步到自定义 GitHub 仓库。
- 提供子智能体、异步或同步调用、钩子、消息搜索及自管理计划任务等可组合机制。
- 需自行配置 OpenAI、ChatGPT、Anthropic 或 Z.ai coding plan 等 LLM API 密钥，README 未说明各提供商的费用或额度。
- 远程多环境、Letta Cloud 和 secrets 功能要求登录 Letta；这些能力不属于纯本地离线流程。
- 运行环境、权限规则、钩子和技能都需要配置，长期自主运行的行为边界需由使用者自行治理。
- README 未给出 Windows、Linux 或 macOS 的 CLI 运行时前置条件、资源消耗或生产级故障恢复细节。
如何安装或部署这个 Agent？
安装：npm install -g @letta-ai/letta-code。进入项目目录后运行 letta；也可用 letta --new-agent --personality tutorial 启动教程智能体。首次使用时运行 /connect 配置自己的 LLM API 密钥，然后用 /model 选择模型。需要使用 Letta Cloud、跨机器环境或 secrets 时，在 CLI 执行 /login 或在桌面应用中登录 Letta 账户。
如何使用这个 Agent？
在项目目录启动 letta 后直接与智能体交互。使用 /skills 检查已加载的全局、项目或智能体技能；使用 letta skills install <skill> 安装外部技能，并以 letta skills list --agent <agent-id> 查看指定智能体的技能。若需远程运行，在目标机器执行 letta server --env-name "work-laptop"，以 letta environments list --online-only 查找在线环境，再使用 --environment "work-laptop" 路由消息。