MemGPT 使用教程：接入 Ollama 与自定义记忆配置

MemGPT 适合需要让大模型在多次对话中保留上下文的场景。
它通过分层记忆机制，把重要信息写入外部存储，缓解上下文窗口限制。
本文按 Docker 部署、接入 Ollama、自定义记忆、验证与排错的顺序，讲清本地跑通 MemGPT 的关键操作。

部署前需要准备什么

MemGPT 官方推荐通过 Docker 运行，也可以从源码安装。
零基础用户优先用 Docker，减少 Python 依赖冲突。

• 一台 Linux 服务器或本地电脑，已安装 Docker 和 Docker Compose。
• 可用的 Ollama 服务，并已拉取至少一个模型，例如 ollama pull llama3.1。
• 如果 MemGPT 和 Ollama 不在同一台机器，需要知道 Ollama 所在机器的局域网 IP。
• 预留约 10GB 磁盘空间，用于镜像和模型文件。

先确认 Docker 和 Ollama 都正常：

docker --version
curl http://localhost:11434/api/tags

第二条命令应返回模型列表 JSON。
如果连接被拒绝，说明 Ollama 没启动或端口未监听。

用 Docker 启动 MemGPT

拉取镜像并启动容器。
下面命令把配置目录挂载到宿主机，方便修改：

docker run -d --name memgpt \
  -p 8283:8283 \
  -v ~/.memgpt:/root/.memgpt \
  letta/letta:latest

启动后查看日志，确认没有异常退出：

docker logs -f memgpt

日志出现服务监听信息后，再进入容器执行初始化。
MemGPT 的命令行工具是 letta，首次运行会引导创建配置：

docker exec -it memgpt letta

如果提示选择 LLM 后端，先选 ollama，再填写 Ollama 地址和模型名。

接入 Ollama 的配置要点

MemGPT 和 Ollama 在同一台机器时，地址通常写 http://localhost:11434。
如果 MemGPT 跑在 Docker 里，而 Ollama 在宿主机，localhost 指向容器自身，会连接失败。
此时要改用宿主机局域网 IP，例如 http://192.168.1.100:11434。

配置项一般保存在 ~/.memgpt/config 或 ~/.letta/config 中，关键字段包括：

[llm]
model = llama3.1
model_endpoint_type = ollama
model_endpoint = http://192.168.1.100:11434

修改后重启容器使配置生效：

docker restart memgpt

然后重新进入 CLI，观察是否出现对话提示符。
如果仍然报连接错误，回到上一步检查 Ollama 是否监听 0.0.0.0:11434，而不是只监听 127.0.0.1。

自定义记忆与验证效果

MemGPT 启动后会创建默认 agent，并维护 core memory 和 archival memory。
你可以在对话中直接说“记住我的项目路径是 /data/app”，观察它是否写入记忆。

验证方法有两种：

• 在 CLI 中查看当前 agent 的记忆摘要，确认内容已保存。
• 结束会话后重新进入，问它之前提到的项目路径，看能否复述。

如果记忆没有保留，先检查挂载目录 ~/.memgpt 是否有写权限，再确认容器没有使用临时文件系统。
数据持久化依赖宿主机挂载，删容器前务必确认配置目录已备份。

常见报错与避坑

连接 Ollama 超时：多半是地址写成了 localhost。
Docker 容器内访问宿主机要用局域网 IP，并确认防火墙放行 11434 端口。

模型不存在：配置里的模型名必须和 ollama list 输出完全一致，包括标签，例如 llama3.1:latest。

容器反复重启：查看 docker logs memgpt，常见原因是配置文件格式错误或挂载目录权限不足。
修改配置前先备份原文件。

记忆混乱：不要频繁手动编辑 core memory 文件。
优先通过对话让 agent 自行更新，确需编辑时先停止容器，改完再启动。

跑通之后，建议先用简单问题测试响应，再逐步加入需要记忆的内容。
确认基础对话和记忆读写都正常，再考虑接入更多数据源或调整模型参数。