如何让AI拥有长期记忆MemGPTLetta构建有状态智能体的完整指南【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做长对话时你是否遇到过这种情况刚把自己的背景和需求解释完对话一长 AI 又“失忆”了只能从头再来MemGPT现名 Letta是一个围绕记忆管理构建的开源有状态智能体平台它用操作系统式的分层内存让 AI 拥有跨会话持久、能随时间学习的长期记忆。 项目定位给 AI 装一套“记忆系统”一句话概括MemGPT 为大语言模型提供长期记忆管理能力。它不是某个聊天应用而是一个“有状态”的 agent 平台——代理的身份、记忆、对话历史都会持久化保存第二天重启后它依然记得你并能在此基础上继续学习和自我改进。MemGPT Letta 界面截图左侧为对话窗口右侧展示核心记忆编辑与智能体管理面板上图是项目的 ADEAgent Development Environment界面左边与智能体对话右边可以直接查看和编辑它的核心记忆这是理解 MemGPT 记忆模型最直观的方式。 为什么大模型需要“长期记忆”上下文窗口相当于模型的“短期记忆”容量有限塞满之后早期信息就会被挤掉。传统做法通常是每次把全部历史硬塞进提示词token 成本爆炸或自己维护一套数据库、手动检索相关片段拼进 prompt——后者本质上是在自己写一套记忆系统检索策略、记忆分区、更新时机全得自己设计。MemGPT 的差异在于把记忆管理做成了系统能力代理自己管理记忆由模型判断哪些对话内容值得转成长期记忆、哪些该压缩、哪些该归档记忆分层常驻上下文的核心记忆与存放在外部的归档记忆分开模拟操作系统的“内存—磁盘”层级状态持久化agent 由真实数据库支撑重启不会“人格清零”。⚙️ 它是怎么工作的一套类似操作系统的内存分层如果熟悉操作系统MemGPT 的设计会很好理解。它借用了 OS 的分层内存思想——支撑它的 2023 年论文标题就叫《MemGPT: Towards LLMs as Operating Systems》核心主张是把 LLM 当操作系统来设计层级操作系统类比存什么何时使用核心记忆物理内存用户画像、代理人设、关键偏好始终在提示词里随时读写召回记忆页面缓存/磁盘完整对话历史需要回溯时按时间或关键词调取归档记忆硬盘大块细节、文档、长期知识搜索后按需拉进上下文MemGPT 多智能体管理截图展示不同角色的智能体配置及其记忆设定每一轮对话的流程大致是模型带着核心记忆应答 → 评估“这段对话是否产生了值得长期记住的信息” → 通过工具调用把信息写进合适的记忆层上下文快满时较早的消息被摘要后移入召回记忆。这些类似操作系统的“换页”动作由 agent 自己完成业务侧不需要写额外的记忆代码。 三步完成上手这个仓库是项目的官方落地页V1 时代源码保留在 archive 分支当前开发已迁移到 Letta Code 生态。最快的体验路径是官方 CLI第一步克隆仓库浏览文档与项目说明了解各组件的使用边界git clone https://gitcode.com/GitHub_Trending/me/MemGPT第二步安装 Letta Code CLI要求 Node.js 22.19 及以上版本这一步把带记忆能力的 agent 运行时装进环境npm install -g letta-ai/letta-code第三步运行letta启动交互式终端 agentletta执行后终端里会出现一个本地持久化记忆的代理直接和它对话它对“你”的记忆会持续沉淀在这套系统里。另外运行letta server可以启动 App Server用于自托管 agent 服务。️ 三种最常见的用法个人助理/知识伙伴让 agent 记录你的偏好、项目进展与决策历史每次打开它都已知道“你是谁、在做什么”无需反复交代背景。带长期记忆的客服客服代理记住用户的历史问题与工单上下文新会话可直接引用之前的结论用户不必复述情况。多智能体协作通过 ADE 或 SDK 创建不同 persona 的多个 agent各自拥有独立记忆分别承担“代码评审”“数据分析”等角色。MemGPT 浅色主题界面截图展示简洁的对话交互与记忆管理布局 最值得看的三处源码letta/agent.py智能体的主循环能看到“对话应答”和“维护记忆的工具调用”是如何交织执行的letta/functions/核心记忆读写、归档记忆搜索等工具的定义也就是模型管理记忆时使用的“手”letta/config.py全局配置是了解服务端存储与部署方式最快的入口。需要说明这些文件属于已归档的 V1 服务端当前实现在 Letta Code 仓库中但 V1 的记忆模型仍是学习这套分层内存设计的完整素材。适合谁、值不值得上手如果你正在做 AI 助理、客服系统或需要长期运行的 agent核心痛点是“模型记不住事”MemGPTLetta值得认真看分层存储、主动更新、跨会话持久化都以系统能力提供你只需要专注业务逻辑。如果目标是理解“LLM 的记忆应该怎么管理”它也是目前最完整的开源范本。从上面三条命令跑通第一个有记忆的终端 agent 开始再按兴趣深入源码即可。【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
