afrom letta import Client, Agent, Tool
client = Client(api_key=os.environ.
## Brug af Letta ADE (No-Code/Low-Code vej)
Hvis du foretrækker visuel prototyping, kan ADE lade dig sammensætte agenter, hukommelse og værktøjer uden at skrive kode.
- Start et nyt agentprojekt i ADE.
- Definér agentens rolle (systemprompt), tone og grænser.
- Konfigurer hukommelsespersistens og hentningsstrategier.
- Tilføj værktøjer ved at vælge fra connectorer eller definere egne handlinger.
- Test samtaler direkte, observer hukommelsesskrivelser, justér tærskler.
- Eksportér eller overdrag til udviklere når din prototype fungerer korrekt.
Se ADE-opslaget og vejledningen for en gennemgang og en hurtig introduktionsvideo.
## Design af gode Letta-agenter: Anbefalede bedste praksis
1) Start med jobben der skal udføres
- Definér et snævert scope (f.eks. “triager supportbilletter for webfejl”), ikke en vag generalist.
2) Kode driftsprocedurer ind
- Put dine SOP’er i systemprompten. Eksempel: “Når triage antyder produktionspåvirkning, eskalér og sæt prioritet= høj. Medtag altid reproduktionstrin, hvis tilgængeligt.”
3) Lav strenge skemaer for værktøjer
- Håndhæv enum-værdier og obligatoriske felter. Det reducerer hallucinerede parametre.
4) Behandl hukommelse som et produktflade
- Beslut hvad der skal huskes (kontakter, præferencer, tidligere løsninger) og hvad der er flygtigt (engangsberegninger). Inspektér hukommelsesspor jævnligt.
5) Test med rigtige data
- Fyld agenten med anonymiserede billetter, dokumenter og eksempler. Observer fejltilstande (manglende kontekst, forkert prioritet) og forbedr prompts/værktøjer.
6) Forebyggende værn er bedre end opfølgende rydning
- Tilføj validering i værktøjer. Hvis agenten foreslår ugyldige input, skal din håndtering fange og give vejledning.
7) Instrumentér alt
- Log værktøjskald, hukommelsesskrivelser og besked-telemetri. Lav dashboards med nøgletal (success rate, time-to-resolution).
8) Versionér dine agenter
- Spor ændringer til prompts, værktøjer og hukommelsespolitikker. Fastfølg kendte gode versioner til produktion og iterér i staging.
## Almindelige workflows du kan sætte i produktion med Letta
- Kundesupport
- Opsummér tråde, foreslå løsning, opret billetter, underret interessenter.
- Forskningsassistent
- Planlæg forespørgsler, søg kilder, syntetisér, gem kilde-noter i hukommelsen.
- Salgs- og CS-opgaver
- Udpak opkaldsnotater, udtræk næste skridt, opdater CRM via værktøjer, følg op med skabelon-e-mails.
- Intern automatisering
- Overvåg køer, trig løsningsbøger, gem statusopdateringer og bevare kontekst på tværs af vagter.
## Fejlfinding: Når tingene ikke opfører sig som forventet
- Agenten glemmer ting
- Tjek at hukommelse er slået til og at hentningsterskler er passende. Se om dine data faktisk bliver gemt.
- Værktøjskald er fejlformaterede
- Stram skemaerne, tilføj enum-værdier og returnér strukturerede fejl med rettelsesforslag.
- Agenten er for ordrig eller for kortfattet
- Justér systempromptens stilguide og tilføj 2-3 indlejrede eksempler.
- Modstridende instruktioner
- Saml dine driftsregler. Brug eksplicitte prioriteter: “Gør altid X før Y.”
- Driv efter opdateringer
- Lås version i produktion. Udrul ændringer med kanarier.
## Hurtige noter om sikkerhed og compliance
- Behandl værktøjer som betroede kodeveje — autentificér og begræns adgang.
- Anonymisér følsomme data inden hukommelseslogs.
- Overvej PII i hukommelse: lagringspolitikker, adgangskontrol, kryptering.
## Fra prototype til produktion: En kort tjekliste
- Klare OKR’er for agenten (hvad er succes?).
- Snævert scope og SOP-drevet systemprompt.
- Strenge skemaer for værktøjer med validering og tests.
- Dokumenteret hukommelsesstrategi valideret med rigtige opgaver.
- Observabilitet (logs, metrics, alerts) sat op.
- Versionering og rollback-plan.
- Separate staging- og produktionsmiljøer.
## Ekstra læringsressourcer
- Introvideo: opret din første vedvarende agent.
- Quickstart (Python/TS) med kodeeksempler.
- Agentarkitektur og bedste praksis.
- ADE-opslag og vejledning.
- Noter om pakenavneskift og kompatibilitet.
- Open-source repo og baggrundsinfo.
## For resten: Hurtigere iteration med [Sider.AI](https://sider.ai)
Hvis du dokumenterer prompts, tester eksempler eller sammenligner output på tværs af agentversioner, er det nyttigt at holde artefakter side om side og iterere hurtigt. Bemærk, at [Sider.AI](https://sider.ai) (https://sider.ai/) kan hjælpe teams med at fange prompts, noter og forskelle mens I bygger og tester agenter – nyttigt når flere arbejder på at forfine en SOP eller evaluere værktøjsskemaer.
## Vigtigste pointer
- Letta hjælper dig med at bygge stateful agenter med hukommelse, værktøjer og vedvarende tilstand.
- Start med et snævert job og strenge skemaer for stabilitet.
- Brug SDK til kodebaserede workflows eller ADE til visuel prototyping.
- Instrumentér, versionér og test med rigtige data inden produktion.
- Brug de officielle quickstarts og agentguides for at følge bedste praksis.
### FAQ
Q1: Hvad er Letta, og hvordan adskiller det sig fra en almindelig chatbot?
Letta er en platform til at bygge stateful AI-agenter med vedvarende hukommelse og værktøjsstyring, ikke bare en stateless chat-wrapper. Det gemmer agenttilstand, håndhæver værktøjsskemaer og lader dig styre hukommelse og workflows på tværs af sessioner.
Q2: Hvordan kommer jeg hurtigt i gang med Letta?
Følg udvikler-quickstarten for Python eller TypeScript for at oprette din første agent og tilføje værktøjer. Hvis du foretrækker visuelt, brug ADE til at konfigurere hukommelse, prompts og værktøjer, før du eksporterer opsætningen.
Q3: Kan Letta huske brugerpræferencer og tidligere opgaver?
Ja. Letta understøtter vedvarende hukommelse, så agenter kan gemme præferencer, beslutninger og resultater og hente dem kontekstuelt ved fremtidige interaktioner. Konfigurer hukommelsespolitikker og valider med rigtige opgaver.
Q4: Hvordan fungerer værktøjer i Letta-agenter?
Du registrerer funktioner med strenge inputskemaer, så agenten kan kalde dem pålideligt. Tilføj validering, brug enum-værdier og returner strukturerede fejl for at styre korrektion, når input er forkerte.
Q5: Er Letta det samme som MemGPT?
Letta bygger videre på MemGPT-forskningen og økosystemet, men er den aktuelle platform og pakke, du bør bruge. Pakkeomdøbningsnoterne og det åbne repo forklarer overgangen og opdaterede API’er.