AI 工具雷達
GitHub 與進階 AI 工具新手難度：中Docker：通常不用來源：GitHub5 分鐘閱讀

Letta 是什麼？做一個會自己記住、會成長的 AI agent

編輯：BJ最後檢查：2026-06-09主要來源：GitHub

Letta 前身是知名研究專案 MemGPT，它把記憶做成 AI agent 的核心零件，讓 agent 能自己讀寫記憶、跨天累積經驗。這篇用新手角度說明 Letta 能幹嘛、跟 mem0 那種記憶外掛差在哪、要不要錢、怎麼開始，以及什麼情境才真的需要它。

Letta 三層記憶架構示意圖：核心記憶像 RAM、回想記憶像硬碟、封存記憶像冷儲存
自製示意圖：Letta 把記憶分三層，agent 可以自己決定什麼要放進眼前、什麼放進冷儲存。

Letta 想解決什麼問題

大部分 AI 記憶工具是「外掛」——你有一個 AI 應用，接一個記憶層上去，讓它記住使用者。Letta 想的是另一件事：做一個本身就有記憶、會自己成長的 agent。

它的前身是很有名的研究專案 MemGPT（UC Berkeley 出的）。核心想法是：不要把記憶當成外部倉庫，而是當成 agent 的一部分，讓 agent 像人一樣，自己決定什麼該記、什麼該忘、什麼要一直放在眼前。

所以 Letta 不是「幫你的機器人加記憶」的工具，而是「用來做一個有記憶的機器人」的框架。這個差別很重要，先記著。

它最特別的地方：三層記憶

Letta 模仿電腦的記憶體架構，把 agent 的記憶分成三層：

  • 核心記憶（Core）：一小塊一直放在 AI 眼前的資訊，像電腦的 RAM。例如「使用者叫小明、是素食者、講話喜歡直接」。agent 可以自己讀、自己改這塊。
  • 回想記憶（Recall）：存在外面、可以搜尋的對話歷史，像硬碟快取。需要時去翻。
  • 封存記憶（Archival）：長期冷儲存，放大量不常用的資料，agent 要用時才去查。

最特別的是：agent 會自己改寫自己的記憶。它聊到一半覺得「這件事很重要」，會主動把它寫進核心記憶；覺得某件事過時了，也可以更新掉。這讓它比較像一個會累積經驗的角色，而不是一個每次都從零開始的查詢工具。

它適合誰

適合「要做一個長期存在、會記得你的 AI 角色」的人：

  • 做長期運作、跨很多天任務的 agent（研究助理、專案管家）。
  • 想做有「身分、個性、會學習」的產品：陪伴型 AI、家教、長期助理。
  • 想直接用一個把記憶內建好的框架，不想自己從零拼記憶邏輯。

如果你只是想幫現有的聊天機器人加一點記憶，Letta 會太重——那種需求用 mem0 這種外掛式記憶層更快。

跟 mem0 那種記憶層差在哪

這是最多人搞混的地方，簡單分：

  • [mem0](/articles/github-tools/mem0)：記憶外掛。你已經有 AI 應用，接上去讓它記住使用者。你自己控制 agent 的邏輯。
  • Letta：記憶內建的 agent 框架。你採用的是一整套 agent 架構，記憶是它的核心零件，agent 會自己管理記憶。

用蓋房子比喻：mem0 是「幫現有房子裝一個櫃子」，Letta 是「一套已經含收納系統的預製屋」。需求小就裝櫃子，要蓋一棟會自己整理的房子才用預製屋。

左邊是 mem0：一間現有房子外掛一個記憶櫃子；右邊是 Letta：一整棟內建收納系統的預製屋，代表記憶是 agent 內建的核心

要不要錢？

分三種：

  • 自架開源版：核心框架 Apache 2.0 授權，免費、可以自己架，通常搭一個 PostgreSQL（加 pgvector）當儲存。
  • 本機免費用：可以在本機跑，免登入、自帶金鑰（用你自己的 OpenAI/其他 API key），免費層可管理約 3 個 agent。
  • 雲端版：官方 Letta Cloud 有免費額度，Pro 方案約每月 20 美元、可管理更多 agent，另有團隊與企業方案。

這裡要先講清楚：不管哪種，agent 每次讀寫記憶、思考，都要呼叫 LLM，這部分的 API 費用是另外算的。「框架免費」不等於「跑起來免費」。

新手好不好上手？

概念（三層記憶、agent 自己改寫記憶）要花點時間理解，但官方 2026 年 4 月推出了跨平台桌面 App，讓你不用先碰終端機也能在本機建 agent、看它的記憶怎麼變，對想先搞懂概念的人友善很多。

開發者路線則是 Python 或 TypeScript 的 SDK，先在小專案裡建一個 agent 試。

最小試法：

  1. 先用桌面 App 或雲端免費層，建一個 agent。
  2. 跟它講幾件關於你的事（名字、偏好），關掉再開。
  3. 看它下次是不是還記得——並去看它把什麼寫進了核心記憶。
  4. 確認「它真的會自己記」，再考慮接進產品。

先看到記憶在動，再談架構。

使用上要小心的事

第一，agent 會自己改記憶，也可能記錯。它判斷「這件事重要」有時會出錯，把不重要或錯誤的資訊寫進核心記憶，之後就一直用錯的背景回答。要有辦法檢查、修正它的記憶。

第二，記憶就是資料，要能管理。如果 agent 記住的是個資、健康、財務，就要當敏感資料處理：使用者要求刪除時，你要真的刪得掉，不只是刪對話。

第三，它比外掛式記憶重。你採用的是一整套 agent runtime，要架資料庫、要維運。導入前先確認你的需求真的需要「stateful agent」，而不是只想加個記憶。

想開始用 Letta？

要動手的話，這個順序最穩：

  1. 先用桌面 App 或雲端免費層，建一個 agent，親眼看它三層記憶怎麼變。
  2. 確認「agent 自己管理記憶」這個模式符合你要做的東西。
  3. 要正式做產品，再評估自架（Apache 2.0 + PostgreSQL）或雲端方案。
  4. 上線前一定要先想清楚：記憶怎麼檢查、怎麼刪、出錯怎麼修。

要做「一個會長期記得使用者、會成長的 AI 角色」，Letta 就是為此而生；但如果你只是想幫聊天機器人加點記憶，別繞遠路，先看 mem0。

下一步可以先看什麼

參考來源

  • Letta GitHub：https://github.com/letta-ai/letta
  • Letta 官方網站：https://www.letta.com
  • Letta 文件：https://docs.letta.com

本文最後查證日期：2026-06-09

延伸閱讀

mem0 是什麼？AI 為什麼需要長期記憶？

mem0 是一個給 AI Agent 和 AI 應用使用的記憶層，讓 AI 不只看當下對話，也能記住使用者偏好、歷史互動與任務狀態。本文用白話整理 mem0 可以做什麼、去哪裡用、要不要錢、怎麼開始，以及什麼情境真的需要 AI 長期記憶。

AI 的記憶怎麼做？Mem0、Letta、Zep 三個開源記憶層深入比較

想讓 AI 記住使用者、不用每次重講背景，就要幫它加一層「記憶」。Mem0、Letta、Zep 是 2026 年最常被用的三個開源 AI 記憶方案，架構完全不同。這篇分別深入介紹三個各自擅長什麼、怎麼開始，最後比較該選哪個、能不能搭在一起用。

OpenHands 是什麼？會自己寫 code、跑指令的開源 AI 工程師

OpenHands（前身 OpenDevin）是一個開源的 AI 軟體工程 agent，能自己讀專案、寫程式、跑終端機指令、開瀏覽器、甚至發 pull request。這篇用新手角度說明它能幹嘛、跟 Cursor 和 Cline 差在哪、要不要錢、怎麼低風險試，以及它最該注意的安全問題。

Zep 與 Graphiti 是什麼？讓 AI 記得住「什麼時候變的」

Zep 是專攻「時間軸」的 AI 記憶方案，資訊改變時不刪舊的、只標記失效，讓 AI 能回答『使用者以前偏好 A、四月後改成 B』。它的開源核心是 Graphiti。這篇說明 Zep 與 Graphiti 各是什麼、跟 mem0 差在哪、要不要錢、怎麼開始。

Cognee 是什麼？想全部自己架、不依賴雲端的 AI 記憶引擎

Cognee 是主打「自架、資料不外流」的開源 AI 記憶引擎，預設用內嵌式資料庫，不用架一堆重服務就能跑起知識圖譜。這篇說明 Cognee 能幹嘛、跟 mem0 與 Zep 差在哪、要不要錢、怎麼開始，以及什麼團隊會特別需要它。

Firecrawl 是什麼？把網站抓成 AI 可以使用的資料

Firecrawl 是熱門的開源網頁抓取工具，可以把網站內容整理成 Markdown 或結構化資料，常被放在 AI agent、RAG、知識庫與資料蒐集流程前面。這篇用新手角度說明它能幹嘛、適合誰、跟 MarkItDown 和 browser-use 怎麼分。