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、蒸馏记忆并持续改进决策。
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）、推理检索（retrieveWithReasoning 支持 MMR 多样性、上下文合成、记忆优化、置信度过滤）。内置 PatternMatcher、ContextSynthesizer、MemoryOptimizer、ExperienceCurator 四个推理模块。支持分层记忆（具体/模式/原则）与跨域迁移学习。
使用方式：需 Node.js 18+ 与 AgentDB v1.0.7+（经 agentic-flow）。初始化：npx agentdb@latest init ./.agentdb/reasoningbank.db --dimension 1536；启动 MCP：npx agentdb@latest mcp，并可用 claude mcp add agentdb npx agentdb@latest mcp 接入 Claude Code。API 侧通过 createAgentDBAdapter 与 computeEmbedding 创建适配器、insertPattern 写入、retrieveWithReasoning 检索。旧版 API（retrieveMemories、judgeTrajectory、distillMemories）可直接沿用。迁移：npx agentdb@latest migrate --source .swarm/memory.db，并用 stats 校验。
适用场景：需要经验复用与持续改进的智能体任务，如数据库/API 优化、调试、测试、代码生成等。
限制：资料未提供收费、价格与平台支持信息；性能数字为资料宣称值，实际效果暂未提供独立验证；需具备向量维度与嵌入相关配置知识，强化学习概念为可选前置。