据MarkTechPost 2026年10月24日报道，一篇基于Letta的技术教程展示了如何构建有状态工程协同助手，把可检查的核心记忆、跨代理共享状态、语义检索、自定义工具、流式执行和可移植代理工作流整合到同一系统中。教程将这种代理记忆描述为超出传统基于提示词对话的能力。

教程使用Letta的Python客户端创建代理，并设置四个核心记忆块：persona用于限定助手“简洁、具体、不编造事实”的行为；human记录工程师的姓名、角色、技术栈和偏好；project_state保存项目里程碑、阻塞项、决策及理由；lessons以追加方式记录不应重复的错误。这些记忆块分别设有字符上限，persona和human为3000字符，project_state为5000字符，lessons为2000字符，代理可在运行中自主更新。

在状态管理方面，教程演示通过记忆块标签读取指定内容，使核心记忆可用于程序化状态同步，并在多个代理之间共享访问。除核心记忆外，系统还加入归档向量记忆，用于语义检索；加入自定义服务器端工具，用于确定性的风险评估；并通过流式输出观察代理执行过程。服务器端消息历史用于保持对话连续性，.af导出则用于迁移代理工作流。

代码示例先安装letta-client，再根据可用模型句柄选择模型，示例列出openai/gpt-4.1、openai/gpt-4o-mini和anthropic/claude-sonnet-4-20250514等候选，并使用openai/text-embedding-3-small作为嵌入模型。创建代理时，教程为其设置名称、描述、标签和上述记忆块，随后通过消息接口发送用户输入并打印推理、工具调用、工具返回和助手回复等执行消息。

教程将这些组件组合为一套实用记忆架构：持久状态、检索、工具、多代理协作和执行轨迹在同一代理系统中协同工作。报道仅来自MarkTechPost的技术教程，未提供生产环境性能数据或第三方评测结果。