from letta import Client, Agent, Tool
client = Client(api_key=os.environ.
## Использование Letta ADE ( путь без/с минимальным кодом)
Если вы предпочитаете визуальное прототипирование, ADE позволяет создавать агентов, память и инструменты без написания кода.
- Создайте новый проект агента в ADE.
- Определите роль агента (системный промпт), тон и границы.
- Настройте сохранение и извлечение памяти.
- Добавьте инструменты, выбирая из коннекторов или создавая кастомные действия.
- Тестируйте диалоги в интерфейсе, следите за записями памяти, корректируйте пороги.
- Экспортируйте или передавайте разработчикам, когда прототип будет работать корректно.
См. анонс и учебник по ADE с вводным видео.
## Советы по созданию отличных агентов Letta: проверенные практики
1) Начните с задачи, которую нужно решить
- Определите узкую специализацию (например, «триаж тикетов по веб-ошибкам»), а не расплывчатого универсала.
2) Закодируйте процедуры работы
- Заложите SOP в системный промпт. Пример: «Если триаж указывает на влияние на прод, эскалируйте и ставьте priority=high. Всегда добавляйте шаги воспроизведения при наличии.»
3) Сделайте схемы инструментов строгими
- Применяйте enum-значения и обязательные поля. Это снизит количество галлюцинаций параметров.
4) Относитесь к памяти как к продуктовой поверхности
- Решите, что важно запомнить (контакты, предпочтения, прошлые решения), а что — временно (разовые расчёты). Регулярно проверяйте следы памяти.
5) Тестируйте на реальных данных
- Заполните агента анонимизированными тикетами, документами и примерами. Наблюдайте ошибки (отсутствие контекста, неправильный приоритет) и улучшайте промпты/инструменты.
6) Предупреждающие меры лучше, чем исправления задним числом
- Добавьте в инструменты валидацию. Если агент предлагает неверный ввод, обработчик должен ловить ошибку и подсказывать правильные действия.
7) Инструментируйте всё
- Логируйте вызовы инструментов, записи памяти и телеметрию сообщений. Создавайте дашборды с ключевыми метриками (уровень успеха, время решения).
8) Версионируйте агентов
- Отслеживайте изменения промптов, инструментов и правил памяти. Зафиксируйте проверенные версии для продакшена, экспериментируйте в стейджинге.
## Распространённые сценарии, которые можно реализовать с Letta
- Поддержка клиентов
- Резюмирование переписок, предложение решения, создание тикетов, уведомление заинтересованных.
- Исследовательский ассистент
- Планирование запросов, поиск источников, синтез, сохранение заметок в памяти.
- Продажи/CS операции
- Анализ заметок с звонков, выделение следующих шагов, обновление CRM через инструменты, отправка шаблонных писем.
- Внутренняя автоматизация
- Мониторинг очередей, триггеры runbook-ов, отчёты о статусе и поддержание контекста между сменами.
## Устранение неполадок: если что-то идёт не так
- Агент забывает данные
- Убедитесь, что память включена и пороги извлечения настроены правильно. Проверьте, действительно ли данные сохраняются.
- Ошибки в вызовах инструментов
- Усильте строгие схемы, добавьте enum-значения и возвращайте структурированные ошибки с подсказками для исправления.
- Агент слишком многословен или слишком краток
- Настройте стиль системного промпта и добавьте 2–3 встроенных примера.
- Конфликтующие инструкции
- Объедините операционные правила. Используйте явные приоритеты: «Всегда делать X перед Y.»
- Дрейф после обновлений
- Фиксируйте версии в продакшене. Внедряйте изменения с помощью канареек.
## Краткие заметки по безопасности и соответствию
- Рассматривайте инструменты как доверенные пути кода — аутентифицируйте и ограничивайте их область применения.
- Маскируйте чувствительные данные перед логированием памяти.
- Учтите PII в памяти: политики хранения, контроль доступа, шифрование.
## От прототипа к продакшену: краткий чеклист
- Чёткие OKR для агента (что значит успех?).
- Узкая специализация и SOP-ориентированный системный промпт.
- Строгие схемы инструментов с валидацией и тестами.
- Документированная стратегия памяти, проверенная на реальных задачах.
- Подключена наблюдаемость (логи, метрики, оповещения).
- План версионирования и отката.
- Раздельные окружения для стейджинга и продакшена.
## Дополнительные ресурсы для обучения
- Вводное видео: создание первого постоянного агента.
- Быстрый старт (Python/TS) с примерами кода.
- Архитектура агента и лучшие практики.
- Анонс ADE и учебное пособие.
- Пояснения по переименованию пакета и совместимости.
- Открытый репозиторий и базовая информация.
## Кстати: Быстрая итерация с помощью [Sider.AI](https://sider.ai)
Если вы документируете промпты, тестируете примеры или сравниваете результаты разных версий агентов, удобно хранить артефакты рядом и быстро итеративно их улучшать. [Sider.AI](https://sider.ai) (https://sider.ai/) помогает командам сохранять промпты, заметки и различия при создании и тестировании агентов — особенно полезно, когда несколько человек работают над SOP или оценивают схемы инструментов.
## Главные выводы
- Letta помогает создавать состоянных агентов с памятью, инструментами и сохранением состояния.
- Начинайте с узкой задачи и строгих схем для стабильности.
- Используйте SDK для кода или ADE для визуального прототипирования.
- Инструментируйте, версионируйте и тестируйте на реальных данных до запуска.
- Пользуйтесь официальными быстрыми стартами и руководствами по агентам для соблюдения лучших практик.
### FAQ
Q1: Что такое Letta и чем она отличается от обычного чатбота?
Letta — это платформа для создания состоянных AI-агентов с постоянной памятью и управлением инструментами, а не просто stateless-чат-обёртка. Она хранит состояние агента, обеспечивает строгие схемы инструментов и позволяет управлять памятью и рабочими процессами между сессиями.
Q2: Как быстро начать использовать Letta?
Следуйте быстрому старту для разработчиков на Python или TypeScript, чтобы создать первого агента и добавить инструменты. Если предпочитаете визуальный путь, используйте ADE для настройки памяти, промптов и инструментов перед экспортом.
Q3: Может ли Letta запоминать предпочтения пользователей и предыдущие задачи?
Да. Letta поддерживает постоянную память, благодаря которой агенты могут хранить предпочтения, решения и результаты, а затем разбирать их контекстуально в будущих взаимодействиях. Настраивайте политики памяти и проверяйте на реальных задачах.
Q4: Как работают инструменты в агентах Letta?
Вы регистрируете функции с чёткими схемами ввода, чтобы агент мог надёжно их вызывать. Добавляйте валидацию, используйте enum-значения и возвращайте структурированные ошибки с подсказками для исправления при неверном вводе.
Q5: Letta — это то же самое, что MemGPT?
<a119>Letta развилась из исследований и экосистемы MemGPT, но является актуальной платформой и пакетом для использования. Заметки о переименовании пакетов и открытый репозиторий объясняют переход и обновлённые API.