用途：为智能体实现自适应学习，通过 ReasoningBank 进行模式识别、策略优化与持续改进，适用于构建自学习智能体、优化决策或实现元认知系统。
主要能力：轨迹跟踪记录决策路径与结果；判定评估策略成败；记忆蒸馏从经验中提取模式；模式识别找出成功做法；策略优化将学习到的模式应用到新情境。可选集成 AgentDB，提供向量操作加速、HNSW 相似度检索、量化内存优化与批量操作。
使用方式：分五个阶段。阶段1初始化学习系统，创建 ReasoningBank 实例并注册轨迹 schema、配置判定标准；阶段2捕获模式，跟踪轨迹、评估判定并提取模式；阶段3优化策略，训练决策模型（如 decision-transformer）并生成策略建议；阶段4验证学习，对比基线与优化后性能并验证模式；阶段5部署优化，导出模型、生成集成指南与学习报告。安装命令为 npm install reasoningbank。
适用场景：智能体性能需要提升、重复任务需要优化、需要从经验中识别模式、通过学习精炼策略、构建自我改进系统或需要元认知能力时。
限制：资料未提供具体收费、价格、平台支持范围与效果保证；成功指标（如性能提升超过15%、模式识别准确率超过85%）为技能内设定的验证标准，非承诺结果。部分能力依赖 AgentDB 等可选组件。