如何给你的 AI 加上长期记忆MemGPT 新手完整指南【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和 AI 聊了几十轮之后它又开始问你刚才说过自己的名字吗——每次换会话都得把自己的偏好重复一遍这是很多人用大模型时的真实痛点。MemGPT现名 Letta就是为了解决这个问题它是一个开源的有状态智能体平台给大模型装上可持久化、可自我更新的长期记忆让智能体在多次对话中越用越懂你。 MemGPT 快速上手两步跑起本地记忆智能体环境上你需要 Python 3.11 以上以及一个大模型的 API Key。先克隆代码再安装依赖git clone https://gitcode.com/GitHub_Trending/me/MemGPTpip install -e .装好依赖后按 README 启动内置的 API 服务器就能创建一个带记忆的智能体。第一个能感知到的效果关掉终端、隔几天再打开问它上次聊过什么它会从存下来的记忆里直接回答而不是失忆重来。MemGPT 的开发环境界面可直接在界面上与带长期记忆的智能体对话 MemGPT 核心功能拆解记忆分层长对话不失忆记忆分成核心记忆和归档记忆两层前者存放用户偏好等关键事实常驻上下文后者存海量历史记录需要时再检索调出。智能体通过工具调用自己决定写什么、更新什么不需要人工管理。有状态智能体重启后偏好不丢会话和记忆存在数据库里服务重启或换台机器智能体依然知道你、记得进度这是做长期陪伴类、客服类助手的底座。工具集成让 AI 真正动手内置函数调用、MCP 协议和沙箱代码执行智能体可以边查资料边操作文件每执行一次相关经验都会沉淀进记忆。MemGPT 的多智能体管理界面可为不同角色配置各自的记忆与工具 MemGPT 代码结构速览路径作用letta/agents/智能体运行循环消息如何被处理并生成回复letta/orm/数据模型智能体、记忆块、消息的存储结构letta/services/管理服务层记忆读写、文件解析、工具执行letta/server/REST API 服务器外部调用的入口tests/managers/各管理器的测试用例即现成的功能演示⚖️ MemGPT 适合与不适合的场景适合多轮长对话、需要持久化用户画像的产品、多智能体协作、带工具调用的复杂任务流。不适合上下文很短的单轮问答——记忆机制反而增加延迟只想检索文档库的纯 RAG 场景以及不想部署数据库和向量库的轻量单机应用。MemGPT 的记忆体系依赖服务端存储把它当完整平台而非单文件脚本使用才能发挥价值。 MemGPT 下一步学习资源清单README.md项目入口服务器启动与 SDK 使用方式examples/notebooks/示例笔记本演示记忆管理的完整流程tests/managers/各功能的管理器测试能从中得到每种 API 的调用姿势alembic/数据库迁移脚本能从中得到记忆与消息的表结构设计CONTRIBUTING.md贡献流程想深入源码或提交修改从这里入手读完这份指南后建议从 examples 里的示例跑通一个完整对话再对照 orm 目录看记忆是怎么落库的理解会更具体。【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