用途：为智能体提供 ReasoningBank 自适应学习模式，借助 AgentDB 高性能向量后端，让智能体从经验中学习、判断结果、蒸馏记忆并持续改进决策。
主要能力：轨迹追踪（记录动作序列与结果）、结果判定（依据相似成功模式判断轨迹是否成功）、记忆蒸馏（将相似经验合并为高层模式）。AgentDB 提供四个推理模块：PatternMatcher 查找相似成功模式，ContextSynthesizer 合成上下文，MemoryOptimizer 自动合并与裁剪，ExperienceCurator 按置信度过滤。支持分层记忆与跨领域迁移学习，并保持旧版 API 兼容。
使用方式：需 Node.js 18+ 与 AgentDB v1.0.7+（通过 agentic-flow）。初始化数据库：npx agentdb@latest init ./.agentdb/reasoningbank.db --dimension 1536；启动 MCP 服务：npx agentdb@latest mcp，并可用 claude mcp add agentdb npx agentdb@latest mcp 接入 Claude Code。迁移旧数据：npx agentdb@latest migrate --source .swarm/memory.db。API 侧通过 createAgentDBAdapter 初始化，使用 insertPattern 写入经验，retrieveWithReasoning 检索并启用 useMMR、synthesizeContext、optimizeMemory 等选项。
适用场景：需要让智能体积累经验、复用成功模式、优化数据库查询或 API 端点等任务的持续学习场景。
限制：需先安装依赖并理解向量检索概念；性能数字（150x-12,500x、<1ms 等）来自资料描述，实际效果暂未提供独立验证；具体收费与平台支持暂未提供。