afrom letta import Client, Agent, Tool
client = Client(api_key=os.environ.
## Paggamit ng Letta ADE (No-Code/Low-Code Path)
Kung mas gusto mo ang visual na prototyping, pinapayagan ka ng ADE na bumuo ng agent, memory, at tools nang hindi sumusulat ng code.
- Magsimula ng bagong agent project sa ADE.
- Tukuyin ang role ng agent (system prompt), tono, at mga hangganan.
- I-configure ang memory persistence at mga retrieval strategies.
- Magdagdag ng tools sa pamamagitan ng pagpili mula sa mga connectors o pagtukoy ng mga custom na aksyon.
- Subukan ang mga pag-uusap nang direkta, obserbahan ang mga pagsusulat ng memorya, ayusin ang mga threshold.
- I-export o ipasa sa mga developer kapag maayos na ang prototype mo.
Tingnan ang anunsyo ng ADE at tutorial para sa walkthrough at mabilis na intro video.
## Pagdidisenyo ng Magagandang Letta Agents: Opinyon sa Mga Pinakamahusay na Gawain
1) Magsimula sa trabaho na kailangang tapusin
- Magtakda ng makitid na saklaw (hal., "triage support tickets para sa web errors"), hindi malabnaw na generalist.
2) I-encode ang mga operating procedure
- Isama ang iyong SOPs sa system prompt. Halimbawa: "Kapag sinabing may production impact ang triage, i-escalate at itakda ang priority=high. Palaging isama ang reproduction steps kung meron."
3) Gawing mahigpit ang tool schemas
- Ipatupad ang enums at mga kinakailangang fields. Nakakatulong ito upang mabawasan ang mga maling parameter.
4) Ituring ang memory bilang bahagi ng produkto
- Tukuyin kung ano ang dapat maalala (mga kontak, preferences, mga naunang resolusyon) at ano ang pansamantala lamang (mga isang beses lang na kalkulasyon). Regular na suriin ang mga memory trace.
5) Subukan gamit ang totoong datos
- Lagyan ng anonymized na mga ticket, dokumento, at halimbawa ang agent. Obserbahan ang mga pagkukulang (kulang sa konteksto, maling priority) at ayusin ang mga prompt/tools.
6) Mas mabuti ang guardrails kaysa pagkatapos ay cleanup
- Magdagdag ng validation sa mga tools. Kung nagmumungkahi ang agent ng invalid na inputs, dapat itong mahuli ng handler at bigyan ng tamang gabay.
7) Mag-instrument ng lahat
- Mag-log ng mga pagtawag sa tools, pagsusulat sa memorya, at telemetry sa antas ng mga mensahe. Gumawa ng dashboards para sa mga susi na metrics (success rate, time-to-resolution).
8) I-version ang iyong mga agent
- Subaybayan ang pagbabago sa prompts, tools, at memory policies. Itakda ang mga kilalang magandang bersyon para sa produksiyon, at mag-iterate sa staging.
## Mga Karaniwang Workflow na Maaari Mong Ipadala gamit ang Letta
- Customer Support
- I-summarize ang mga thread, magmungkahi ng solusyon, gumawa ng mga ticket, abisuhan ang mga stakeholder.
- Research Assistant
- Magplano ng mga query, maghanap ng mga source, mag-synthesize, mag-imbak ng mga tala tungkol sa source sa memorya.
- Sales/CS Ops
- Basahin ang mga tala sa tawag, tukuyin ang susunod na mga hakbang, i-update ang CRM gamit ang mga tool, sumunod gamit ang mga templated emails.
- Internal Automation
- Subaybayan ang mga queue, magpatakbo ng mga runbook, mag-file ng mga update sa estado, at panatilihin ang konteksto sa iba't ibang shift.
## Pag-aayos ng Problema: Kapag Hindi Tama ang Pag-uugali
- Nakakalimot ang agent
- Siguraduhing naka-enable ang memory at tama ang retrieval thresholds. Suriin kung talagang naitatago ang iyong data.
- Mali ang anyo ng mga pagtawag sa tool
- Higpitan ang schemas, dagdagan ang enums, at magbalik ng mga structured error na may mga corrective hint.
- Masyadong mahaba o maiksi ang sagot ng agent
- Ayusin ang style guide ng system prompt at magbigay ng 2–3 mga inline na halimbawa.
- Magkakasalungat na mga instruction
- Pag-isahin ang mga operating rules. Gamitin ang malinaw na priority: "Laging gawin ang X bago ang Y."
- Nagbabago ang pag-uugali pagkatapos ng update
- Gumamit ng version-lock sa produksiyon. Mag-roll out ng pagbabago gamit ang canaries.
## Mabilisang Tala sa Seguridad at Pagsunod
- Ituring ang mga tools bilang pinagkakatiwalaang code path—i-authenticate at i-scope ang mga ito.
- I-redact ang sensitibong data bago i-log ang memory traces.
- Isaalang-alang ang PII sa memory: mga polisiya sa retention, kontrol sa access, encryption.
## Mula Prototype Hanggang Produksiyon: Isang Maikling Checklist
- Malinaw na OKRs para sa agent (ano ang sukatan ng tagumpay?).
- Makitid na saklaw at SOP-driven na system prompt.
- Mahigpit na tool schemas na may validation at mga pagsubok.
- Dokumentado ang memory strategy at na-validate gamit ang totoong mga gawain.
- Nakakonecta ang observability (logs, metrics, alerts).
- May planong versioning at rollback.
- Hiwa-hiwalay ang staging at production na mga kapaligiran.
## Karagdagang Resources para sa Pag-aaral
- Intro video: gumawa ng iyong unang persistent agent.
- Quickstart (Python/TS) na may mga snippet ng code.
- Agent architecture at mga pinakamahusay na gawain.
- Anunsyo at walkthrough sa ADE.
- Tala sa pagbabago ng package at compatibility.
- Open-source repo at background.
## Paalala: Mas Mabilis na Iteration gamit ang [Sider.AI](https://sider.ai)
Kung nagdodokumento ka ng mga prompt, sumusubok ng mga halimbawa, o naghahambing ng mga output sa iba't ibang bersyon ng agent, kapaki-pakinabang na panatilihin ang mga artifacts nang magkakatabi upang makapag-iterate nang mabilis. Tandaan, makatutulong ang [Sider.AI](https://sider.ai) (https://sider.ai/) na makatulong sa mga team na makuha ang mga prompt, tala, at mga pagkakaiba habang nagtatayo at sumusubok ng agents—napakainam kapag maraming tao ang nagre-review ng SOP o nag-e-evaluate ng tool schemas.
## Pangunahing Punto
- Tinutulungan ka ng Letta na bumuo ng stateful agents na may memorya, tools, at persistent state.
- Magsimula sa makitid na trabaho at mahigpit na schemas para sa katatagan.
- Gamitin ang SDK para sa code-first na workflows o ang ADE para sa visual na prototyping.
- Gumamit ng instrumentation, versioning, at subukan gamit ang totoong data bago i-deploy.
- Samantalahin ang opisyal na quickstart at gabay ng agent para manatiling naka-align sa pinakamahusay na mga gawain.
### FAQ
Q1:Ano ang Letta at paano ito naiiba sa karaniwang chatbot?
Ang Letta ay isang platform para sa pagbuo ng stateful AI agents na may persistent memory at tool orchestration, hindi lamang isang stateless chat wrapper. Iniimbak nito ang estado ng agent, nagpapatupad ng tool schemas, at pinangangasiwaan ang memorya at workflows sa pagitan ng mga sesyon.
Q2:Paano ako makapagsisimula agad gamit ang Letta?
Sundin ang developer quickstart para sa Python o TypeScript upang gumawa ng iyong unang agent at magdagdag ng tools. Kung mas gusto mo ang visual na paraan, gamitin ang ADE para i-configure ang memory, prompts, at tools bago i-export ang iyong setup.
Q3:Maaalala ba ng Letta ang mga preferences at mga nagdaang gawain ng user?
Oo. Sinusuportahan ng Letta ang persistent memory kaya ang mga agent ay maaaring mag-imbak ng preferences, mga desisyon, at mga resulta, at kunin ang mga ito nang ayon sa konteksto sa mga susunod na interaksyon. I-configure ang mga memory policy at i-validate gamit ang mga totoong gawain.
Q4:Paano gumagana ang mga tools sa mga Letta agents?
Magrehistro ka ng mga functions na may mahigpit na input schemas para matiyak na maaaring tawagin ng agent ang mga ito nang maaasahan. Magdagdag ng validation, gamitin ang mga enums, at magbalik ng mga structured error para tulungan ang pagwawasto kung mali ang mga inputs.
Q5:Ang Letta ba ay pareho ng MemGPT?
Ang Letta ay nakabatay sa pananaliksik at ekosistema ng MemGPT ngunit ito ang kasalukuyang platform at package na dapat mong gamitin. Ipinaliwanag ng mga tala sa pagbabago ng package at open repo ang transisyon at mga bagong API.