用途：为自主智能体创建、训练和部署学习插件，使智能体通过经验改进。通过 AgentDB 插件系统访问 9 种强化学习算法，包含离线 RL（Decision Transformer）、基于价值学习（Q-Learning）、策略梯度（Actor-Critic）及高级方法。
主要能力：覆盖 Decision Transformer（推荐，离线 RL，适合从日志经验学习与模仿学习）、Q-Learning（离策略、离散动作）、SARSA（在策略、偏保守、风险敏感）、Actor-Critic（连续动作、降低方差）等算法模板；另含主动学习、对抗训练、课程学习、联邦学习、多任务学习。提供经验存储、模型训练、评估与推理检索流程，可结合推理智能体。资料称借助 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+（经 agentic-flow），建议具备强化学习基础。CLI 命令：npx agentdb@latest create-plugin（交互式）、create-plugin -t decision-transformer -n my-agent、create-plugin -t q-learning --dry-run、list-templates、list-plugins、plugin-info my-agent。API 侧使用 createAgentDBAdapter（来自 agentic-flow/reasoningbank），开启 enableLearning，经 insertPattern 存经验、adapter.train 训练、retrieveWithReasoning 评估推理。MCP 集成命令：npx agentdb@latest mcp。
适用场景：游戏与导航、资源分配、连续控制、多智能体协作、隐私敏感与分布式数据、迁移学习等。
限制：官方未在资料中提供收费或价格信息；性能提升数据来自资料描述；具体效果取决于配置与环境，未提供量化效果保证。