用途：该技能通过 AgentDB 的插件系统提供 9 种强化学习算法，用于为自主智能体创建、训练和部署可通过经验改进的学习插件，涵盖离线 RL（Decision Transformer）、基于价值的学习（Q-Learning）、策略梯度（Actor-Critic）等。
主要能力：提供 9 种算法，包括 Decision Transformer、Q-Learning、SARSA、Actor-Critic、Active Learning、Adversarial Training、Curriculum Learning、Federated Learning、Multi-Task Learning。支持经验存储、模型训练、评估与推理检索，并可与推理智能体结合使用（useMMR、synthesizeContext、optimizeMemory）。官方称借助 WASM 加速神经推理，训练速度可提升 10-100 倍。
使用方式：需 Node.js 18+、AgentDB v1.0.7+（通过 agentic-flow），建议了解强化学习基础。CLI 命令包括 npx agentdb@latest create-plugin（可加 -t 模板 -n 名称 -o 输出目录 --dry-run）、list-templates、list-plugins、plugin-info；API 侧通过 createAgentDBAdapter 初始化（enableLearning、enableReasoning 等），用 insertPattern 写入经验，adapter.train 训练（epochs、batchSize、learningRate、validationSplit），retrieveWithReasoning 评估与推理。还提供经验回放、优先经验回放、多智能体训练、批量训练与增量学习等技巧。
适用场景：游戏、导航、资源分配、连续控制（机器人、仿真）、多智能体协作、隐私敏感分布式训练、迁移学习与元学习等。
限制：需预先安装依赖版本；训练收敛、过拟合、速度等问题资料给出调参建议（降低学习率、validationSplit、内存优化、量化）。具体收费、平台支持范围及效果数据暂未提供。