Letta Code 是一款免费开源的编程辅助工具，只需执行 npm install -g @letta-ai/letta-code 命令即可完成安装，并在终端中运行。
它能创建一个智能代理，可跨会话记忆你的代码库、使用偏好及过往工作记录，还能通过 /init、/remember、/skill 等指令持续学习进化 —— 这一点区别于 Claude Code 等仅支持单会话的工具。你还可轻松切换 Claude、GPT 等大模型。
借助这款工具，你能大幅提升编码效率：智能代理就像一位能力不断成长的同事，能在重复任务中持续优化表现，在基准测试中最高可将编码效率提升 37%。
有一段时间，我们以为 AI 写代码这件事已经差不多到头了。
打开编辑器，敲一段提示词，模型吐出一段还算像样的代码，然后你复制、修改、再继续问。循环往复。效率确实提升了，但始终有一种隐约的不对劲——它更像一个反应很快的搜索引擎，而不是一个真正参与项目的人。
直到我看到 letta-code 这个项目，才意识到问题出在哪里。
问题不在模型强不强，而在它“记不记得”。
传统的 AI 编程工具，本质上都是短期记忆系统。你给它上下文，它就表现得聪明；上下文一断，它立刻变成另一个“陌生人”。项目稍微复杂一点，文件多一点，历史改动多一点，它就开始胡编。不是它不够聪明，而是它没有“经历”。
Letta Code 想做的，是把这一点反过来。
它不是让 AI 更会写代码，而是让 AI 变成一个“会记事的程序员”。
你通过一行 npm install -g @letta-ai/letta-code 把它装进终端之后，它做的第一件事，并不是生成代码，而是开始“认识你的项目”。你可以用 /init 去初始化上下文，用 /remember 告诉它一些偏好，甚至把一些经验、规则、习惯写进它的长期记忆里。慢慢地，它不再只是响应你的输入，而是开始带着历史去理解你。
这种感觉有点微妙。
你不是在“调用一个工具”，而是在“培养一个助手”。
更重要的是，这个助手是会成长的。
当你反复让它处理某一类任务，比如整理 API、重构某个模块、或者写某种风格的函数，它不会每次都从零开始。它会记住你上一次是怎么做的，记住你改过它哪里，甚至记住你不喜欢什么写法。下一次，它的输出会悄悄发生变化。这种变化不是 prompt 调出来的，而是“经验”带来的。
这也是它和 Claude Code 这类工具最本质的区别。后者已经很强，但更多时候，它还是一次性的协作关系。你给任务，它给答案，然后结束。Letta Code 则试图把这种关系拉长，让 AI 留在你的项目里，持续参与，而不是来一下就走。
当然，这并不意味着它已经是一个完美的“AI 程序员”。它依然依赖底层模型，比如 Claude 或 GPT，你也依然需要引导它、修正它。但有一点已经变了：它开始拥有“连续性”。而一旦有了连续性，很多事情的性质就会改变。
你会开始把一些重复的工作交给它，因为你知道它会越做越好。你也会更愿意和它“合作”，而不是单纯“使用”。甚至在某些时候，你会发现它的行为有点像团队里的新人——一开始需要带，但带着带着，它就能自己接住事情。
这背后，其实是一个很重要的转向。
过去我们在优化的是“单次生成质量”，也就是让 AI 在一轮对话里尽可能聪明。而 Letta Code 这种思路，开始优化的是“长期行为表现”。不是这一句答得多好，而是这个 agent 在一个项目周期里，会不会越来越像一个可靠的开发者。
所以那种“效率提升 37%”的说法，其实没那么重要。真正有意思的是另一件事：如果一个 AI 能跨会话记住你、理解你、适应你，那它带来的效率提升，很可能不是线性的，而是累积的。
换句话说，这不再是一个工具的问题，而是一个关系的问题。
当 AI 不再只是回答问题，而是开始“参与历史”，编程这件事，就已经在悄悄改变了。
Github：https://github.com/letta-ai/letta-code
油管：https://youtu.be/Xi137yHibR4