Letta 最容易踩的坑不是“记忆没有生效”，而是装错了产品面。当前上游 README 明确写着：这个仓库包含 legacy Letta server，活跃开发已经转移到 `letta-ai/letta-code`；新的 CLI、Agent SDK 和旧的 Python server 不能用同一个安装命令、同一份版本号来解释。

Doramagic 项目页给出的 CLI 入口是：

npm install -g @letta-ai/letta-code

上游 README 同时要求 Node.js 22.19+，然后使用 `letta` 启动本机带记忆的 agent。Python 仓库的 `pyproject.toml` 则是另一条证据线：快照版本为 `0.16.8`，Python 要求 `>=3.11,<3.14`。这两个数字不能拼成“Letta 当前版本”，它们分别对应不同 surface。

我会先在临时目录检查入口：

mkdir -p /tmp/letta-trial

cd /tmp/letta-trial

node --version

npm install -g @letta-ai/letta-code

letta --help

然后只用测试数据做一轮最小对话，记录 agent 标识、provider/model、记忆写入位置、工具或 sandbox 权限和退出后的残留状态。不要把工作目录、真实 API key、私人文件和主配置目录作为第一条上下文。

为什么要这么谨慎？Doramagic 手册把层次拆成 provider compatibility、hierarchical memory/data、agents/tools/sandbox 和 server/REST API。一个 agent 能记住上一轮，只证明某种持久化路径工作了；它没有证明记忆隔离、跨 session 数据边界、工具权限和回滚都正确。

社区证据也不能只看标题。项目页列出了加密 Bedrock/VLLM 凭证、跨 session memory poisoning、MCP refresh/schema、context compaction 和 provider error handling 等 issue。它们是下一轮复现和回归测试的输入，不是我可以直接升级成“项目不安全”的结论。

我的验收包至少包括：安装命令和 Node 版本、确切仓库/CLI 版本、provider/model、测试数据目录、首轮输出、记忆存储边界、失败日志和回滚动作。只看到“agent 记住了我”不够，先确认它记住的内容是否应该被记住。

项目页：https://doramagic.ai/zh/projects/letta/ ；手册：https://doramagic.ai/en/projects/letta/manual/ ；上游：https://g人工智能人工智能

ithub.com/letta-ai/letta