企业官网建设流程全解析

十分钟搭建 MemGPT 记忆智能体：从部署到第一次对话

【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

LLM 的上下文窗口有明确上限，多轮对话一长，早期信息就会丢失。MemGPT（现更名 Letta）让记忆智能体具备长期记忆：它用虚拟上下文管理解决 LLM上下文扩展 问题，把智能体状态持久化到数据库。这篇 MemGPT快速入门 带你完成智能体记忆搭建，十分钟跑起第一个能跨会话记住信息的记忆智能体。

虚拟上下文管理：长期记忆从哪来

把模型的上下文窗口当作内存，把数据库当作磁盘，这就是虚拟上下文管理的思路。智能体在运行时自主决定哪些信息常驻上下文（核心记忆），哪些压缩后移入数据库（归档记忆），需要时再检索回上下文。单个智能体能承载的信息量因此不再受一次请求的 token 数限制，跨会话的长期记忆由此成立。

Docker 一键启动 MemGPT 服务器

本机只需要 Docker 和一个大模型的 API 密钥。先创建数据目录，保证容器重启后智能体状态仍然保留；再启动服务器；最后安装 Python 客户端。命令按执行顺序给出：

mkdir -p ~/.letta/.persist/pgdata

docker run \ -v ~/.letta/.persist/pgdata:/var/lib/postgresql/data \ -p 8283:8283 \ -e OPENAI_API_KEY="你的API密钥" \ letta/letta:latest

服务器在前台阻塞运行，另开一个终端执行curl http://localhost:8283，看到 Letta Server 的提示即表示启动成功；也可以在浏览器打开http://localhost:8283/v1查看接口文档。客户端安装只需要一条命令：

pip install letta-client

创建第一个记忆智能体并发起对话

下面的示例做三件事：连接本地服务器、创建一个带基本人设的智能体、发一条消息。

from letta_client import CreateBlock, Letta, MessageCreate client = Letta(base_url="http://localhost:8283") agent = client.agents.create( memory_blocks=[CreateBlock(label="human", value="姓名：张三")], model="openai/gpt-4o-mini", embedding="openai/text-embedding-3-small", )

其中memory_blocks是智能体的核心记忆，label="human"的块会作为模型始终可见的"人物卡"。

拿到agent.id后就可以发消息了，返回结果的messages里最后一条是智能体的回复：

reply = client.agents.messages.create( agent_id=agent.id, messages=[MessageCreate(role="user", content="你好，请介绍一下你自己")], ) print(reply.messages[-1].content)

更新与检索智能体的长期记忆

智能体的记忆分两层。核心记忆（memory block）常驻上下文，模型可以在对话中自己改写，也可以由你直接更新：

client.agents.memory.update( agent_id=agent.id, blocks=[CreateBlock(label="human", value="姓名：张三\n职业：数据分析师")], )

归档记忆存在数据库里，体量可以很大，用 search 接口按自然语言检索即可：

client.agents.memory.search(agent_id=agent.id, query="职业")

进阶方向：自定义工具与 ADE 图形界面

自定义工具：把一个带 docstring 的普通 Python 函数交给client.tools.upsert_from_function，服务器会解析函数签名和文档字符串生成工具描述，创建智能体时通过tool_ids挂上，智能体就能在对话中调用它。

ADE 图形界面：在浏览器打开 ADE 控制台并选择连接本地服务器（localhost:8283），即可在网页里创建智能体、查看和编辑记忆块、测试工具，适合不想写代码的调试场景。

部署与使用中的常见坑

• 8283 端口没有响应——先执行docker ps确认容器在运行，再确认端口未被其它进程占用；需要改端口时用-p 8284:8283，客户端base_url同步修改。
• 模型调用报 401 或超时——OPENAI_API_KEY没有传对，检查docker run时的-e参数；换用 vLLM、Ollama 等其它 provider 时，需要在服务端单独配置对应端点。
• 智能体或记忆"消失"——所有状态都在容器的 PostgreSQL 里（挂载到~/.letta/.persist/pgdata）。容器删了、目录还在，数据就还在；目录被删则全部丢失，建议定期备份该目录。
• 分不清 MemGPT 和 Letta——两者是同一系统：MemGPT 是原名，指智能体的记忆技术；Letta 是服务器与运行时的名称，当前 API 与文档以 Letta 为准。

完整的 API 参考、多智能体与工具配置的细节，Letta 官方文档里有专门章节，遇到具体报错先查那里。下一步可以试多智能体协作、领域专用工具，或把记忆智能体嵌入现有应用。

【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