from letta import Client, Agent, Tool
client = Client(api_key=os.environ.
## Korzystanie z Letta ADE (ścieżka bezkodowa/niskokodowa)
Jeśli wolisz wizualne prototypowanie, ADE pozwala komponować agentów, pamięć i narzędzia bez pisania kodu.
- Rozpocznij nowy projekt agenta w ADE.
- Zdefiniuj rolę agenta (prompt systemowy), ton i granice działania.
- Skonfiguruj trwałość pamięci oraz strategie jej pobierania.
- Dodaj narzędzia, wybierając spośród konektorów lub definiując własne akcje.
- Testuj konwersacje bezpośrednio, obserwuj zapisy pamięci, dostosuj progi działania.
- Eksportuj lub przekaż projekt developerom, gdy prototyp działa poprawnie.
Zobacz zapowiedź ADE i tutorial oraz krótki filmik wprowadzający.
## Projektowanie świetnych agentów Letta: sprawdzone praktyki
1) Zacznij od celu działania
- Określ wąski zakres (np. „priorytetyzacja zgłoszeń webowych”), a nie ogólnego generalistę.
2) Zakoduj procedury operacyjne
- Umieść swoje SOPy w prompt systemowym. Przykład: „Gdy triage wskazuje na wpływ na produkcję, eskaluj i ustaw priority=high. Zawsze dołącz kroki reprodukcyjne, jeśli są dostępne.”
3) Ustal ścisłe schematy narzędzi
- Wymuszaj wartości enum i pola obowiązkowe. To ogranicza halucynacje parametrów.
4) Traktuj pamięć jak powierzchnię produktu
- Zdecyduj, co powinno być zapamiętywane (kontakty, preferencje, poprzednie rozwiązania), a co efemeryczne (jednorazowe wyliczenia). Regularnie sprawdzaj ślady pamięci.
5) Testuj z realistycznymi danymi
- Zasil agenta anonimowymi zgłoszeniami, dokumentami i przykładami. Obserwuj błędy (brak kontekstu, błędny priorytet) i udoskonalaj prompt/narzędzia.
6) Zabezpieczenia > sprzątanie po fakcie
- Dodaj walidację w narzędziach. Jeśli agent proponuje błędne dane, Twój handler powinien to wychwycić i przekazać wskazówki.
7) Monitoruj wszystko
- Loguj wywołania narzędzi, zapisy pamięci oraz telemetrykę na poziomie wiadomości. Twórz dashboardy z kluczowymi metrykami (wskaźnik sukcesu, czas rozwiązania). 
8) Wersjonuj agentów
- Śledź zmiany w promptach, narzędziach i politykach pamięci. Stosuj znane i sprawdzone wersje w produkcji, eksperymentuj na stagingu.
## Typowe workflow, które możesz wdrożyć z Lettą
- Obsługa klienta
- Podsumowuj wątki, proponuj rozwiązania, twórz tickety, powiadamiaj zainteresowanych.
- Asystent badawczy
- Planuj zapytania, wyszukuj źródła, syntezuj, zapisuj notatki źródłowe w pamięci.
- Operacje sprzedaży/CS
- Przetwarzaj notatki z rozmów, wyciągaj kolejne kroki, aktualizuj CRM narzędziami, pilnuj follow-upów z szablonowymi mailami.
- Automatyzacja wewnętrzna
- Monitoruj kolejki, uruchamiaj runbooki, aktualizuj statusy, utrzymuj kontekst przez zmiany zmianowe.
## Rozwiązywanie problemów: gdy coś idzie nie tak
- Agent zapomina rzeczy
- Sprawdź, czy pamięć jest włączona i czy progi pobierania są odpowiednie. Zweryfikuj, czy dane są rzeczywiście zapisywane.
- Wywołania narzędzi są niepoprawne
- Zaostrz schematy, dodaj enumy i zwracaj ustrukturyzowane błędy z podpowiedziami korekty.
- Agent jest zbyt rozmowny lub zbyt lakoniczny
- Dostosuj styl promptu systemowego i podaj 2–3 przykłady inline.
- Sprzeczne instrukcje
- Ujednolić reguły operacyjne. Stosuj eksplicytne priorytety: „Zawsze najpierw wykonaj X, potem Y.”
- Dryf po aktualizacjach
- Zamroź wersję w produkcji. Wdrażaj zmiany stopniowo (canaries).
## Szybkie notatki dot. bezpieczeństwa i zgodności
- Traktuj narzędzia jako zaufane ścieżki kodu — uwierzytelniaj i ograniczaj zakres ich działania.
- Redaguj dane wrażliwe przed logowaniem śladów pamięci.
- Przemyśl dane osobowe w pamięci: polityki retencji, kontrolę dostępu, szyfrowanie.
## Od prototypu do produkcji: krótka lista kontrolna
- Jasne OKRy dla agenta (co oznacza sukces?).
- Wąski zakres i SOP-driven prompt systemowy.
- Ścisłe schematy narzędzi z walidacją i testami.
- Strategia pamięci udokumentowana i zweryfikowana na realnych zadaniach.
- Podłączona obserwowalność (logi, metryki, alerty).
- Plan wersjonowania i rollbacku.
- Oddzielne środowiska staging i produkcyjne.
## Dodatkowe źródła nauki
- Wideo wprowadzające: stwórz pierwszego trwałego agenta.
- Quickstart (Python/TS) z fragmentami kodu.
- Architektura agentów i najlepsze praktyki.
- Zapowiedź i tutorial ADE.
- Notatki o zmianie nazwy pakietu i kompatybilności.
- Repozytorium open-source i kontekst.
## Przy okazji: szybsza iteracja z [Sider.AI](https://sider.ai)
Jeśli dokumentujesz prompt'y, testujesz przykłady lub porównujesz wyniki między wersjami agentów, wygodnie jest mieć artefakty obok siebie i szybko iterować. Warto wspomnieć, że [Sider.AI](https://sider.ai) (https://sider.ai/) pomaga zespołom rejestrować prompt'y, notatki i różnice podczas budowy i testowania agentów — przydaje się, gdy wiele osób dopracowuje SOP lub ocenia schematy narzędzi.
## Najważniejsze wnioski
- Letta pomaga tworzyć stanowych agentów z pamięcią, narzędziami i trwałym stanem.
- Zacznij od wąskiego celu działania i ściśle określonych schematów dla stabilności.
- Korzystaj z SDK dla workflow opartych na kodzie lub ADE dla wizualnego prototypowania.
- Monitoruj, wersjonuj i testuj na prawdziwych danych przed wdrożeniem na produkcję.
- Wykorzystaj oficjalne quickstarty i przewodniki agentów, by być na bieżąco z najlepszymi praktykami.
### FAQ
P1:Czym jest Letta i czym różni się od zwykłego chatbota?
Letta to platforma do tworzenia stanowych agentów AI z trwałą pamięcią i orkiestracją narzędzi, a nie tylko chat wrapper bez stanu. Przechowuje stan agenta, wymusza schematy narzędzi i umożliwia zarządzanie pamięcią oraz workflow między sesjami.
P2:Jak szybko zacząć używać Letta?
Postępuj według szybkiego startu dla developerów (Python lub TypeScript), by utworzyć pierwszego agenta i dodać narzędzia. Jeśli wolisz ścieżkę wizualną, skorzystaj z ADE, aby skonfigurować pamięć, prompt i narzędzia przed eksportem setupu.
P3:Czy Letta może pamiętać preferencje użytkowników i wcześniejsze zadania?
Tak. Letta wspiera trwałą pamięć, dzięki czemu agenci mogą przechowywać preferencje, decyzje i wyniki oraz kontekstowo je przywoływać podczas kolejnych interakcji. Skonfiguruj polityki pamięci i zweryfikuj je na praktycznych zadaniach.
P4:Jak działają narzędzia w agentach Letta?
Rejestrujesz funkcje ze ściśle określonymi schematami wejściowymi, dzięki czemu agent może je wywoływać niezawodnie. Dodaj walidację, korzystaj z enumów i zwracaj ustrukturyzowane błędy z sugestiami korekty, gdy wejścia są błędne.
P5:Czy Letta to to samo co MemGPT?
Letta bazuje na badaniach i ekosystemie MemGPT, ale jest aktualną platformą i pakietem do użycia. Notatki o zmianie nazwy pakietu i repo open-source wyjaśniają przejście i zaktualizowane API.