用途：为 AI 智能体提供自适应学习能力，使其能从任务经验中学习、识别模式并随时间优化策略，实现元认知与持续改进。
主要能力：模式识别（learnPattern、matchPatterns）；策略优化（compareStrategies、recommendStrategy）；持续学习（enableAutoLearning，可按置信度阈值与更新频率配置）；元学习（metaLearn）；迁移学习（transferKnowledge）；可构建自适应智能体，执行任务后记录经验形成闭环。
使用方式：需 agentic-flow v1.5.11+、AgentDB v1.0.4+（用于持久化）、Node.js 18+。通过 import { ReasoningBank } from 'agentic-flow/reasoningbank' 初始化，可配置 persist、learningRate、adapter: 'agentdb'。用 recordExperience 记录任务结果，用 recommendStrategy 获取最优策略，并可配置 AgentDB 存储与向量搜索，通过 query 查询已学模式，getMetrics 查看学习指标。
适用场景：代码审查、缺陷修复等需要策略选择与经验积累的智能体任务，以及批量处理、数据转换等可迁移场景。
限制与注意：推荐质量依赖足够训练数据（每类任务约 100+ 经验）；模式匹配慢时可启用 AgentDB 向量索引；内存增长可设置 TTL 或启用剪枝。资料未提供收费、价格与平台信息。