Letta
Letta（前身为MemGPT）是一个用于构建和部署有状态AI Agent的开源框架。它以持久化内存管理为核心特性，支持将对话历史、项目信息等写入结构化知识库，并通过检索机制在多轮会话中实现上下文的跨Session共享，从而使Agent具备长期记忆能力。Letta提供服务端API接口，适用于多Agent协作、客服、编程助手等需要持久状态管理的应用场景。
核心事实
时间轴 (近 90 天)
该实验室构建了名为WasTrue的基准测试，目标是在操作化环境中、在事实变化的条件下运行生产记忆系统，测试范围包括Mem0、Zep、Letta、Anthropic的记忆工具以及dreamd。
Letta把记忆写入决策交给Agent本身，其反思提示包含已捕获检查：如果记忆或技能已充分包含此信息则跳过，这是对模型的指令而非代码中的阈值。
类似 Devin 的记忆分层思路在 MemGPT、Letta 等系统中也有体现。
Letta 不只是记忆方案，而是一个内置记忆的完整智能体设置
经验复用机制在概念上接近RAG加少样本提示的结合体，刻意绕开了模型微调，思路与MemGPT（现Letta）等外部记忆方案同源
在StuLife基准测试侧重回忆的部分，JAZ的invoke比Letta（MemGPT）高出8%，成本只有后者的一半
CrewAI与Letta是Agent编排与记忆管理平台
MemGPT现已更名为Letta，它模拟操作系统的虚拟内存机制，让智能体在有限上下文窗口中管理超出窗口容量的信息
MemGPT现已更名为Letta
MemGPT已更名为Letta，与Mem0同属专用记忆层系统，通过LLM自动提炼交互摘要构建持久记忆，但大多以对话为归档单元
全部知识事实 (12)
MemGPT已更名为Letta，与Mem0同属专用记忆层系统，通过LLM自动提炼交互摘要构建持久记忆，但大多以对话为归档单元
75%已验证MemGPT现已更名为Letta，它模拟操作系统的虚拟内存机制，让智能体在有限上下文窗口中管理超出窗口容量的信息
65%待验证斯坦福大学的生成式智能体（Generative Agents）研究和Letta（原MemGPT）等项目也在探索跨会话持久记忆和系统级学习方向
85%待验证MemGPT 已更名为 Letta，提出了分层记忆架构的概念，将记忆分为工作记忆、短期记忆和长期记忆三个层次
60%待验证Letta把记忆写入决策交给Agent本身，其反思提示包含已捕获检查：如果记忆或技能已充分包含此信息则跳过，这是对模型的指令而非代码中的阈值。
50%待验证类似 Devin 的记忆分层思路在 MemGPT、Letta 等系统中也有体现。
50%待验证Letta 不只是记忆方案，而是一个内置记忆的完整智能体设置
50%待验证经验复用机制在概念上接近RAG加少样本提示的结合体，刻意绕开了模型微调，思路与MemGPT（现Letta）等外部记忆方案同源
50%待验证在StuLife基准测试侧重回忆的部分，JAZ的invoke比Letta（MemGPT）高出8%，成本只有后者的一半
50%待验证CrewAI与Letta是Agent编排与记忆管理平台
50%待验证MemGPT现已更名为Letta
50%待验证该实验室构建了名为WasTrue的基准测试，目标是在操作化环境中、在事实变化的条件下运行生产记忆系统，测试范围包括Mem0、Zep、Letta、Anthropic的记忆工具以及dreamd。
50%