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、判定结果、蒸馏记忆并随时间改进决策，同时保持 100% 向后兼容。
主要能力：轨迹追踪（记录动作序列与结果指标）；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）；记忆检索与推理，配合 PatternMatcher、ContextSynthesizer、MemoryOptimizer、ExperienceCurator 四类推理模块，可做多样化检索、上下文合成、自动整合与剪枝、按置信度过滤；支持分层记忆与跨域迁移学习；提供旧版 API 兼容接口 retrieveMemories、judgeTrajectory、distillMemories。
使用方式：需 Node.js 18+ 与 AgentDB v1.0.7+（通过 agentic-flow）；可选了解强化学习概念。可先初始化数据库：
npx agentdb@latest init ./.agentdb/reasoningbank.db --dimension 1536
启动 MCP 服务并接入 Claude Code：
npx agentdb@latest mcp claude mcp add agentdb npx agentdb@latest mcp
从旧版迁移并校验：
npx agentdb@latest migrate --source .swarm/memory.db npx agentdb@latest stats ./.agentdb/reasoningbank.db
也可通过 API 使用 createAgentDBAdapter、computeEmbedding、insertPattern、retrieveWithReasoning 等方法。CLI 还支持 export、import、stats、optimize 等操作。
适用场景：需要智能体积累经验、复用成功模式、持续优化决策的编码、调试、优化、测试等任务；也支持分层记忆与多域知识迁移。
限制：资料未提供收费、价格与平台信息；性能数据为技能文档宣称值；使用前需满足依赖前提，迁移或低置信度等问题按文档给出的排查方式处理；其余细节暂未提供。