MemGPT 快速上手3 条命令跑通有记忆的 Agent【免费下载链接】MemGPTPlatform for stateful agents: AI with advanced memory that can learn and self-improve over time.项目地址: https://gitcode.com/GitHub_Trending/me/MemGPTMemGPT现更名为 Letta解决一个问题让 AI 智能体跨会话保留记忆并持续改进。读完本文你能在终端装好它、跑通第一个有状态的智能体并理解它的核心记忆管理机制。不用自建数据库不用写一行代码。 先想清楚想三个场景。你在做一个长期项目每次开新会话助手都忘了你上次定下的约束你得从头解释。 你想让 Agent 长时间运行、边干边记但上下文窗口模型一轮能看到的文本总量有限装满了就得丢内容越聊越糊涂。 你换台设备想让 Agent 还认识你而记忆如果没有持久化就会随会话一起消失。MemGPT 对这三个场景的回答是同一套把读、写、搜索记忆的权利交给智能体自己。 30 秒建立心智模型一句话原理虚拟上下文管理借操作系统的虚拟内存思路只把当下要用的放进上下文其余存在外面。三个关键概念核心记忆一小块始终留在上下文里的记忆块存人设、关于你的关键信息每轮都被看到。归档记忆大容量的长期存储其余信息都放这里需要时再取。记忆编辑工具内置在智能体里的一组工具它自己决定何时把信息写入核心记忆或归档记忆。关系很简单上下文快满了就压缩写入核心记忆长期资料沉到归档记忆下次要用时再检索回来。⚡ 跑通第一个示例先确认本机有 Node.js运行这套 CLI 的前置环境node -v显示 18 以上即可。下面这条命令通过 npmNode 的包管理器安装 Letta 命令行工具npm install -g letta-ai/letta-code安装完用这条命令启动交互式终端进入你的第一个记忆智能体letta成功标准终端进入交互界面你直接输入一句话模型能正常回复。再问它一句刚才聊过的内容它能接上——这说明记忆在工作。 换个场景试试跑一个本地 App Server目的让多个客户端同时接入为程序化集成打底。用这条命令启动本地服务letta server预期效果本地服务启动并输出监听地址桌面应用或浏览器端连上该地址即可创建、管理与 Agent 对话。不碰终端浏览器或桌面端目的纯图形化使用。安装桌面应用支持 macOS、Windows、Linux或打开官方网页端登录同一账号Agent 与记忆和你终端里的是同一份。读旧版 V1 代码仅研究用途目的想研究老服务端的实现时克隆 archive 分支git clone -b archive https://gitcode.com/GitHub_Trending/me/MemGPT注意V1 服务端已退役、不再修复不要用它做新项目边界说明见 AGENTS.md。 问题速查表现象原因解决办法letta: command not foundnpm 全局目录不在 PATH 或安装失败看npm config get prefix重新执行安装命令npm 安装很慢包源距离远换国内镜像源后重装Agent 不回复或报模型错误未配置模型提供商的 API key在 letta 设置中选择提供商并填入 YOUR_API_KEY换设备后记忆丢了账号或持久化没打通用同一账号运行或使用云持久化选项照旧教程写的代码跑不通教程引用的是退役的 V1 包以本文的 letta-code 为准旧包不再维护letta server起不来端口被占用结束占用端口的进程后重试 延伸方向想在 TypeScript 项目里写自己的 Agent 逻辑用 Agent SDK 以代码创建和调用智能体入口见 README.md。想让 Agent 出现在 IM 里接 Slack、Telegram、Discord 等渠道说明在 README 的 channels 部分。想引用这篇工作的论文MemGPT 论文的引用信息在 CITATION.cff。记忆让 Agent 从每轮重置的工具变成能积累经验的资产装完跑通后细节以 README.md 为准。【免费下载链接】MemGPTPlatform for stateful agents: AI with advanced memory that can learn and self-improve over time.项目地址: https://gitcode.com/GitHub_Trending/me/MemGPT创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
MemGPT 快速上手：3 条命令跑通有记忆的 Agent
MemGPT 快速上手3 条命令跑通有记忆的 Agent【免费下载链接】MemGPTPlatform for stateful agents: AI with advanced memory that can learn and self-improve over time.项目地址: https://gitcode.com/GitHub_Trending/me/MemGPTMemGPT现更名为 Letta解决一个问题让 AI 智能体跨会话保留记忆并持续改进。读完本文你能在终端装好它、跑通第一个有状态的智能体并理解它的核心记忆管理机制。不用自建数据库不用写一行代码。 先想清楚想三个场景。你在做一个长期项目每次开新会话助手都忘了你上次定下的约束你得从头解释。 你想让 Agent 长时间运行、边干边记但上下文窗口模型一轮能看到的文本总量有限装满了就得丢内容越聊越糊涂。 你换台设备想让 Agent 还认识你而记忆如果没有持久化就会随会话一起消失。MemGPT 对这三个场景的回答是同一套把读、写、搜索记忆的权利交给智能体自己。 30 秒建立心智模型一句话原理虚拟上下文管理借操作系统的虚拟内存思路只把当下要用的放进上下文其余存在外面。三个关键概念核心记忆一小块始终留在上下文里的记忆块存人设、关于你的关键信息每轮都被看到。归档记忆大容量的长期存储其余信息都放这里需要时再取。记忆编辑工具内置在智能体里的一组工具它自己决定何时把信息写入核心记忆或归档记忆。关系很简单上下文快满了就压缩写入核心记忆长期资料沉到归档记忆下次要用时再检索回来。⚡ 跑通第一个示例先确认本机有 Node.js运行这套 CLI 的前置环境node -v显示 18 以上即可。下面这条命令通过 npmNode 的包管理器安装 Letta 命令行工具npm install -g letta-ai/letta-code安装完用这条命令启动交互式终端进入你的第一个记忆智能体letta成功标准终端进入交互界面你直接输入一句话模型能正常回复。再问它一句刚才聊过的内容它能接上——这说明记忆在工作。 换个场景试试跑一个本地 App Server目的让多个客户端同时接入为程序化集成打底。用这条命令启动本地服务letta server预期效果本地服务启动并输出监听地址桌面应用或浏览器端连上该地址即可创建、管理与 Agent 对话。不碰终端浏览器或桌面端目的纯图形化使用。安装桌面应用支持 macOS、Windows、Linux或打开官方网页端登录同一账号Agent 与记忆和你终端里的是同一份。读旧版 V1 代码仅研究用途目的想研究老服务端的实现时克隆 archive 分支git clone -b archive https://gitcode.com/GitHub_Trending/me/MemGPT注意V1 服务端已退役、不再修复不要用它做新项目边界说明见 AGENTS.md。 问题速查表现象原因解决办法letta: command not foundnpm 全局目录不在 PATH 或安装失败看npm config get prefix重新执行安装命令npm 安装很慢包源距离远换国内镜像源后重装Agent 不回复或报模型错误未配置模型提供商的 API key在 letta 设置中选择提供商并填入 YOUR_API_KEY换设备后记忆丢了账号或持久化没打通用同一账号运行或使用云持久化选项照旧教程写的代码跑不通教程引用的是退役的 V1 包以本文的 letta-code 为准旧包不再维护letta server起不来端口被占用结束占用端口的进程后重试 延伸方向想在 TypeScript 项目里写自己的 Agent 逻辑用 Agent SDK 以代码创建和调用智能体入口见 README.md。想让 Agent 出现在 IM 里接 Slack、Telegram、Discord 等渠道说明在 README 的 channels 部分。想引用这篇工作的论文MemGPT 论文的引用信息在 CITATION.cff。记忆让 Agent 从每轮重置的工具变成能积累经验的资产装完跑通后细节以 README.md 为准。【免费下载链接】MemGPTPlatform for stateful agents: AI with advanced memory that can learn and self-improve over time.项目地址: https://gitcode.com/GitHub_Trending/me/MemGPT创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
