Letta 是什麼？做一個會自己記住、會成長的 AI agent

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。

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

• mem0 是什麼：外掛式記憶層，只想加記憶看這個。
• Mem0、Letta、Zep 三個記憶層比較：一次搞懂三種做法怎麼選。
• OpenHands 開源 AI 軟體工程師：另一種 agent，拿來對照「有沒有記憶」的差別。

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