afrom letta import Client, Agent, Tool
client = Client(api_key=os.environ.
## 使用Letta ADE（无代码/低代码路径）
如果您喜欢可视化原型设计，ADE允许您组合Agent、记忆和工具，而无需编写代码。
- 在ADE中启动一个新的Agent项目。
- 定义Agent的角色（系统提示）、语气、边界。
- 配置记忆持久化和检索策略。
- 通过从连接器中选择或定义自定义操作来添加工具。
- 在行内测试对话，观察记忆写入，调整阈值。
- 一旦您的原型行为正确，就可以导出或交给开发人员。
有关演练和快速入门视频，请参阅ADE公告和教程。
## 设计优秀的Letta Agent：有主见的最佳实践
1) 从待完成的工作开始
- 定义一个狭窄的范围（例如，“对Web错误的支持工单进行分类”），而不是一个模糊的通才。
2) 编码操作程序
- 将您的SOP放入系统提示中。示例：“当分类表明存在生产影响时，升级并设置priority=high。如果可用，始终包括重现步骤。”
3) 使工具模式严格
- 强制执行枚举和必填字段。这减少了幻觉参数。
4) 将内存视为产品界面
- 决定哪些应该是值得记忆的（联系人、偏好、先前的解决方案），哪些应该是短暂的（一次性计算）。定期检查内存跟踪。
5) 使用真实数据进行测试
- 使用匿名化的工单、文档和示例来种子Agent。观察失败模式（缺少上下文、错误的优先级）并优化提示/工具。
6) 防护 > 事后清理
- 在工具中添加验证。如果Agent提出无效的输入，您的处理程序应该捕获并提供指导性响应。
7) 记录一切
- 记录工具调用、内存写入和消息级遥测数据。为关键指标（成功率、解决时间）创建仪表板。
8) 版本化您的Agent
- 跟踪对提示、工具和内存策略的更改。为生产环境锁定已知的良好版本，并在暂存环境中进行迭代。
## 您可以使用Letta发布的常见Workflow
- 客户支持
- 总结线程，提出解决方案，创建工单，通知利益相关者。
- 研究助理
- 计划查询，搜索来源，综合，将来源笔记存储在内存中。
- 销售/客户成功运营
- 解析通话记录，提取后续步骤，通过工具更新CRM，跟进模板化的电子邮件。
- 内部自动化
- 监控队列，触发runbook，提交状态更新，并在轮班之间保持上下文。
## 故障排除：当事情表现不佳时
- Agent忘记事情
- 验证是否启用了内存以及检索阈值是否合适。检查您的项目是否真的被持久化。
- 工具调用格式错误
- 收紧模式，添加枚举，并返回带有纠正提示的结构化错误。
- Agent过于冗长或过于简短
- 调整系统提示风格指南并提供2-3个行内示例。
- 冲突的说明
- 合并您的操作规则。使用明确的优先级：“始终先执行X，然后再执行Y。”
- 更新后漂移
- 在生产环境中进行版本锁定。使用金丝雀发布更改。
## 安全性和合规性快速说明
- 将工具视为受信任的代码路径——进行身份验证并限定范围。
- 在记录内存跟踪之前，删除敏感数据。
- 考虑内存中的PII：保留策略、访问控制、加密。
## 从原型到生产：简短清单
- Agent的明确OKR（什么是成功？）。
- 狭窄的范围和SOP驱动的系统提示。
- 具有验证和测试的严格工具模式。
- 记录在案并经过真实任务验证的内存策略。
- 连接了可观察性（日志、指标、警报）。
- 版本控制和回滚计划。
- 分隔的暂存和生产环境。
## 额外的学习资源
- 介绍视频：创建您的第一个持久化Agent。
- 快速入门（Python/TS），带有代码片段。
- Agent架构和最佳实践。
- ADE公告和演练。
- 包重命名和兼容性说明。
- 开源仓库和背景。
## 顺便说一句：使用[Sider.AI](https://sider.ai)可以更快地迭代
<a95>如果您正在记录提示、测试示例或比较Agent版本之间的输出，那么并排保存工件并快速迭代会很有用。值得注意的是，[Sider.AI](https://sider.ai) (https://sider.ai/) 可以帮助团队在构建和测试Agent时捕获提示、笔记和差异——当多个人员正在改进SOP或评估工具模式时非常有用。