लेट्टा कसा वापरावा: स्टेटफुल AI एजंट तयार करण्यासाठी एक प्रॅक्टिकल मार्गदर्शक
तुम्हाला कधी वाटलं आहे का की तुमचा AI एजंट सत्रांदरम्यान संदर्भ आठवू शकेल, टूल्स विश्वसनीयपणे चालवू शकेल आणि तडक-भडक स्क्रिप्ट्स शिवाय विकसित होऊ शकेल? तर लेट्टा त्यासाठीच तयार केले आहे. खाली एक प्रॅक्टिकल, स्टेप-बाय-स्टेप मार्गदर्शक असेल ज्यामुळे तुम्ही लेट्टा सेटअप करू शकता, आपला पहिला सतत चालणारा एजंट तयार करू शकता आणि अशा वर्कफ्लोज सहजपणे राबवू शकता जे टिकून राहतात.
नोंदीस पात्र: लेट्टा पूर्वी MemGPT प्रोजेक्टशी संबंधित होता आणि नंतर SDKs आणि व्हिज्युअल Agent Development Environment (ADE) सह पूर्ण प्लॅटफॉर्ममध्ये विकसित झाला आहे. तुम्हाला वेगवान सुरूवातीचे आणि अधिकृत डॉक्युमेंट्स येथे मिळतील, एक लहान परिचय व्हिडिओ जो तुम्हाला सतत एजंट तयार करायचे दाखवतो, आणि ADE साठी घोषणा पोस्ट जर तुम्हाला कमी-कोड UI पसंत असेल तर. स्टेटफुल एजंटवरील सखोल तात्त्विक पार्श्वभूमीसाठी एजंट आढावा पाहा. MemGPT ते Letta नाव बदल आणि पॅकेज बदलांविषयी उत्सुक असल्यास Python पॅकेज नोट्स आणि ओपन-सोर्स रेपो आर्किटेक्चर संदर्भ यांची मदत होईल.
हा मार्गदर्शक एक प्रॅक्टिकल व सोल्यूशन-ओरिएंटेड शैलीत आहे: कमी फालतू गोष्टी, बरेच कॉपी-पेस्ट करायला सोपे स्टेप्स, आणि प्रत्येक टप्प्यावर स्पष्ट निर्णय.
लेट्टा म्हणजे काय (आणि का महत्त्वाचे आहे)?
लेट्टा आहे एक प्लॅटफॉर्म ज्यावर स्टेटफुल AI एजंट तयार करता येतात — असे एजंट जे दीर्घकालीन मेमरी ठेवतात, टूल्स व्यवस्थापित करतात, आणि संभाषणांमधील स्थिती कायम ठेवतात. स्टेटलेस चॅट रॅपरऐवजी, तुम्हाला एक संरचित रनटाइम मिळतो जिथे एजंट करू शकतो:
- मेमरी स्टोअर राखणे आणि स्वयंचलितपणे संदर्भ प्राप्त करणे.
- सखोल इनपुट्ससह टूल्स (फंक्शन्स, APIs, वेबहुक्स) कॉल करणे.
- त्याची कॉन्फिगरेशन जतन करणे व त्याचं संस्करण व्यवस्थापित करणे.
- SDKs (Python/TypeScript) किंवा कमी-कोड व्हिज्युअल एन्व्हायर्नमेंट (ADE) द्वारे क्लाऊड अथवा लोकलवर चालवणे.
याचा अर्थ तुम्ही ग्राहक समर्थन, संशोधन सहाय्यक, डेटा ऑप्स, उत्पादन ऑप्स किंवा अंतर्गत आटोमेशनसाठी असे एजंट तयार करू शकता जे प्रकल्पाच्या मधोमध विसरू शकत नाहीत.
जलद निर्णय झाड: तुम्हाला कुठून सुरुवात करायची आहे?
- मी कोड प्राधान्य देणारा डेव्हलपर आहे → SDK जलद सुरूवात वापरा (Python किंवा TypeScript).
- मी व्हिज्युअली प्रोटोटायप करू इच्छितो, नंतर कोडमध्ये एक्सपोर्ट करेन → ADE आणि एजंट आढावा वापरा.
- ## उत्कृष्ट Letta एजंट डिझाइन: सल्लागार सर्वोत्तम पद्धती
- मला लहान, मार्गदर्शित व्हिडिओ हवा आहे → परिचय पहा.
सेटअप: झिरोपासून पहिले एजंट (कोड मार्ग)
SDK वापरून गतीने जाण्याचा मार्ग (Python दाखवले आहे; TypeScript देखील डॉक्युमेंट्समध्ये सारखेच).
- इंस्टॉल करा आणि प्रमाणित करा
letta पॅकेज डॉक्युमेंट्सप्रमाणे इंस्टॉल करा. तुमचा API की किंवा लोकल सर्व्हर क्रेडेन्शियल्स पर्यावरण चलांत (उदा., LETTA_API_KEY) कॉन्फिगर करा.
- एजंटचा सिस्टम प्रम्प्ट (भूमिका), मेमरी स्ट्रॅटेजी आणि टूल सूची परिभाषित करा. क्विकस्टार्ट एक लहान कार्यरत उदाहरण दाखवतो.
- सतत चालणारी मेमरी चालू करा आणि एजंट कशी मेमरी स्टोअरमध्ये लिहतात/वाचतात ते कॉन्फिगर करा. एजंट आढाव्यामध्ये लेट्टा स्टेट कसा साठवतो आणि एजंट्स सर्व्हरवर कसे टिकवले जातात हे स्पष्ट केले आहे.
- टूल्स जोडा (फंक्शन कॉलिंग)
- कठोर स्कीमांसह फंक्शन्स नोंदणी करा. सुलभ टूल्सपासून सुरू करा जसे की
search_docs(query) किंवा create_ticket(data) आणि आवश्यकतेनुसार विस्तार करा.
- चाचणी करा आणि परिष्कृत करा
- लहान कामे चालवा (उदा., “हा ग्राहक धागा सारांश करा आणि निराकरण तिकीट तयार करा”). लॉग्स आणि मेमरी ट्रेसेस तपासून वर्तन पडताळा.
- विकासासाठी लोकल रनटाइम आणि स्टेजिंग/प्रॉडक्शनसाठी होस्टेड सेटअप निवडा. एजंट कॉन्फिग्स आणि टूल्सचे आवृत्त्या नियमित राखा.
उदाहरण: मिनिमल एजंट ब्लूप्रिंट (स्यूडो-पायथन)
## लेट्टासोबत तुम्ही वितरित करू शकता अशी सामान्य वर्कफ्लोज
