Token导航 LogoToken导航

Agent Skill · 开发

letta-configuration(莱塔配置)

letta-configuration 用于处理 GitHub 仓库、Issue、Pull Request 和代码协作信息,适合在 Codex、Claude、Cursor、Gemini CLI 中需要围绕仓库状态、代码变更或协作事项进行整理时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

letta-configuration 是开发类 Agent Skill,可用宿主为 Codex、Claude、Cursor、Gemini CLI,通过GitHub 仓库获取,权限为接触敏感数据;许可证信息还不明确,第三方扫描有未通过项,按安装量在开发类的 21,746 个 Skill 里排第 13,573。

总安装 870周安装 37GitHub Stars 93下载 305核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
unknown

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:letta-configuration(莱塔配置)
来源仓库:https://github.com/letta-ai/skills
仓库路径:skills/letta-configuration
安装命令:
npx skills add https://github.com/letta-ai/skills --skill letta-configuration
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 npx skills 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

skills.shnpx skills
npx skills add https://github.com/letta-ai/skills --skill letta-configuration

这个 Skill 是做什么的

开发类 Skill 面向写代码、改代码和排查问题,一般会读写仓库文件,部分还会执行构建或测试命令。

letta-configuration 用于处理 GitHub 仓库、Issue、Pull Request 和代码协作信息。适合在 Codex、Claude、Cursor、Gemini CLI 中围绕仓库状态、代码变更或协作事项进行整理。通过 npx skills add 命令从 GitHub 仓库安装并使用。

安装前需确认权限范围、维护状态,以及是否触发联网或文件操作。建议结合原始 README 和仓库内容核验具体用法和功能边界。

来源仓库内路径:skills/letta-configuration

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 Codex、Claude、Cursor、Gemini CLI;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 npx skills add https://github.com/letta-ai/skills --skill letta-configuration;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    它需要接触敏感数据,先在测试目录或测试账号里跑,确认没问题再放到正式项目。

常见问题

6 条

letta-configuration 怎么安装?

在终端执行 npx skills add https://github.com/letta-ai/skills --skill letta-configuration。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

letta-configuration 支持哪些 AI 工具?

公开资料标注支持 Codex、Claude、Cursor、Gemini CLI。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

letta-configuration 需要什么权限?

权限级别是接触敏感数据。该 Skill 可能接触密钥、Token、环境变量或敏感配置,应进入高风险复核队列,默认不自动发布。

letta-configuration 是免费的吗?

公开资料没有标注明确许可证,收费和商用限制都无法确认。正式使用前请到来源仓库核对授权说明。

letta-configuration 用的人多吗?

公开数据是累计安装 870 次,近一周安装 37 次,下载 305 次,GitHub 93 星。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

letta-configuration 安全吗?

第三方扫描有未通过项,风险较高。除非你确认过源码,否则不建议直接安装到常用环境。

值得选的地方和要先想清楚的地方

值得选的地方

  • 同时适配 4 种工具,换客户端不用重新找替代品。

先想清楚的地方

  • 需要接触敏感数据,装到常用环境前要先评估影响面。
  • 许可证没有明确标注,能不能商用、能不能再分发都不确定。
  • 第三方扫描存在提醒项或未通过项,需要人工逐条确认。
  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 Codex,想直接扩展它能力的人。
  • 需要处理开发类任务、又不想每次都手写提示词的人。

不太适合

  • 环境里有大量密钥、凭证,不方便给第三方 Skill 读取的人。
  • 需要明确授权才能用到公司项目里的场景。
  • 需要厂商级技术支持和 SLA 的生产系统。

开发类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
skill-vetter

技能审查员 · OpenClaw

8,779,018986操作浏览器MIT-0通过
ontology

本体论 · OpenClaw

6,636,960576只读MIT-0通过
entra-app-registration

内部应用程序注册 · Codex、Claude

6,631,872764接触敏感数据未明确通过
entra-app-registration

内部应用程序注册 · Codex、Claude

3,757,680201接触敏感数据未明确通过
nano-banana-pro

纳米香蕉专业版 · OpenClaw

3,526,898364接触敏感数据MIT-0有提醒
letta-configuration

莱塔配置 · 本页

87093接触敏感数据未明确未通过

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

Letta Configuration

Complete guide for configuring models on agents and providers on servers.

When to Use This Skill

Agent-level (model configuration):

  • Creating agents with specific model configurations
  • Adjusting model settings (temperature, max tokens, context window)
  • Configuring provider-specific features (OpenAI reasoning, Anthropic thinking)
  • Changing models on existing agents

Server-level (provider configuration):

  • Setting up BYOK (bring your own key) providers
  • Configuring self-hosted deployments with environment variables
  • Validating provider credentials
  • Setting up custom OpenAI-compatible endpoints

Not covered here: Model selection advice (which model to choose) - see agent-development skill.


Part 1: Model Configuration (Agent-Level)

Model Handles

Models use a provider/model-name format:

ProviderHandle PrefixExample
OpenAIopenai/openai/gpt-4o, openai/gpt-4o-mini
Anthropicanthropic/anthropic/claude-sonnet-4-5-20250929
Google AIgoogle_ai/google_ai/gemini-2.0-flash
Azure OpenAIazure/azure/gpt-4o
AWS Bedrockbedrock/bedrock/anthropic.claude-3-5-sonnet
Groqgroq/groq/llama-3.3-70b-versatile
Togethertogether/together/meta-llama/Llama-3-70b
OpenRouteropenrouter/openrouter/anthropic/claude-3.5-sonnet
Ollama (local)ollama/ollama/llama3.2

Basic Model Configuration

from letta_client import Letta

client = Letta(api_key="your-api-key")

agent = client.agents.create(
    model="openai/gpt-4o",
    model_settings={
        "provider_type": "openai",  # Required - must match model provider
        "temperature": 0.7,
        "max_output_tokens": 4096,
    },
    context_window_limit=128000
)

Common Settings

SettingTypeDescription
provider_typestringRequired. Must match model provider (openai, anthropic, google_ai, etc.)
temperaturefloatControls randomness (0.0-2.0). Lower = more deterministic.
max_output_tokensintMaximum tokens in the response.

Changing an Agent's Model

client.agents.update(
    agent_id=agent.id,
    model="anthropic/claude-sonnet-4-5-20250929",
    model_settings={"provider_type": "anthropic", "temperature": 0.5},
    context_window_limit=64000
)

Note: Agents retain memory and tools when changing models.

Provider-Specific Settings

For OpenAI reasoning models and Anthropic extended thinking, see references/provider-settings.md.


Part 2: Provider Configuration (Server-Level)

Quick Start

# Add provider via API
python scripts/setup_provider.py --type openai --api-key sk-...

# Generate .env for Docker
python scripts/generate_env.py --providers openai,anthropic,ollama

# Validate credentials
python scripts/validate_provider.py --provider-id provider-xxx

Add BYOK Provider

# Via REST API
curl -X POST http://localhost:8283/v1/providers \
  -H "Content-Type: application/json" \
  -d '{
    "name": "My OpenAI",
    "provider_type": "openai",
    "api_key": "sk-your-key-here"
  }'

Supported Provider Types

openai, anthropic, azure, google_ai, google_vertex, ollama, groq, deepseek, xai, together, mistral, cerebras, bedrock, vllm, sglang, hugging_face, lmstudio_openai

For detailed configuration of each provider, see:

  • references/common_providers.md - OpenAI, Anthropic, Azure, Google
  • references/self_hosted_providers.md - Ollama, vLLM, LM Studio
  • references/all_providers.md - Complete reference
  • references/environment_variables.md - Docker/self-hosted setup

Anti-Hallucination Checklist

Before configuring:

  • Model handle uses correct provider/model-name format
  • model_settings includes required provider_type field
  • context_window_limit is set at agent level, not in model_settings
  • Provider-specific settings use correct nested structure
  • For self-hosted: embedding model is specified
  • Temperature is within valid range (0.0-2.0)

Scripts

Model configuration:

  • scripts/basic_config.py - Basic model configuration
  • scripts/basic_config.ts - TypeScript equivalent
  • scripts/change_model.py - Changing models on existing agents
  • scripts/provider_specific.py - OpenAI reasoning, Anthropic thinking

Provider configuration:

  • scripts/setup_provider.py - Add providers via REST API
  • scripts/validate_provider.py - Check provider credentials
  • scripts/generate_env.py - Generate.env for Docker

适合场景

01

调用多模型

02

代码和文本生成

03

Agent 推理流程

04

OpenRouter 模型接入

能力概览

能力 1

统一调用多种 LLM

能力 2

支持 Claude、Gemini、Kimi 等模型

能力 3

适合聊天、代码和推理任务

能力 4

可作为 Agent 模型调用入口

平台分布

Codex

33.79%
按下载量换算103

Claude

29.07%
按下载量换算89

Cursor

17.56%
按下载量换算54

Gemini CLI

9.88%
按下载量换算30

安全审计

Gen Agent Trust Hub

通过

Socket

通过

Snyk

未通过

权限和风险

接触敏感数据

该 Skill 可能接触密钥、Token、环境变量或敏感配置,应进入高风险复核队列,默认不自动发布。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。来源安全扫描存在提醒或未通过项,安装前请自行复核。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills