用途：通过 AgentDB 插件系统接入 9 种强化学习算法，为自主智能体创建、训练并部署可随经验改进的学习插件，覆盖离线强化学习（Decision Transformer）、基于价值的学习（Q-Learning、SARSA）、策略梯度（Actor-Critic）以及主动学习、对抗训练、课程学习、联邦学习、多任务学习等。
主要能力：提供插件模板创建、训练、评估与推理结合；CLI 支持创建插件、列出插件、查看插件信息、列出模板；API 通过 agentic-flow/reasoningbank 的 createAgentDBAdapter 初始化学习与推理，insertPattern 存储经验，train 训练模型，retrieveWithReasoning 检索并合成上下文；支持经验回放、优先经验回放、多智能体训练、批量训练、增量学习，并可与推理智能体结合。资料称经 WASM 加速神经推理可提升训练速度。
必要用法：需 Node.js 18+、AgentDB v1.0.7+（经 agentic-flow），建议具备强化学习基础。示例命令：npx agentdb@latest create-plugin、npx agentdb@latest create-plugin -t decision-transformer -n my-agent、npx agentdb@latest list-templates、npx agentdb@latest list-plugins、npx agentdb@latest plugin-info my-agent、npx agentdb@latest mcp。API 初始化关键参数：dbPath、enableLearning、enableReasoning、cacheSize。
适用场景：历史数据学习与模仿学习、离散动作决策、安全敏感探索、连续控制、人机回环标注、鲁棒性与安全测试、复杂多阶段任务、隐私敏感分布式训练、相关任务迁移等。
限制：官方未提供具体收费标准、价格与效果保证；性能提升幅度等以资料描述为准；需自行准备环境与数据，训练收敛、过拟合与速度问题需按文档调整学习率、验证集划分与量化等。部分内容与细节暂未提供。