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：记录任务结果（recordExperience）；按任务与上下文推荐最优策略（recommendStrategy）；学习与匹配模式（learnPattern、matchPatterns）；比较多种策略（compareStrategies）；开启自动学习（enableAutoLearning，可设置信度阈值与更新频率）；元学习（metaLearn）；跨领域迁移知识（transferKnowledge）；结合 AgentDB 持久化并支持向量检索；查询已学模式与查看学习指标（getMetrics）。
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'。典型流程为：获取推荐策略、按策略执行任务、记录结果形成学习闭环。
适用场景：构建可自我改进的智能体，如代码审查、缺陷修复等任务的策略选择与优化，以及批量处理、数据转换等可复用经验的场景。
限制与注意：资料未提供收费、价格与平台信息。建议持续记录所有任务结果（含失败）、提供丰富上下文、设置置信度阈值过滤低质量学习、定期审查已学模式、启用向量搜索。若推荐效果差，需确保每类任务有 100+ 经验；匹配慢可启用 AgentDB 向量索引；内存增长可设 TTL 或启用剪枝。