用途：通过 AgentDB 插件系统访问 9 种强化学习算法，创建、训练并部署可随经验改进的自主智能体学习插件。
主要能力：涵盖离线强化学习（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。官方称借助 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 提供）。CLI 可用 npx agentdb@latest create-plugin 创建插件，-t 指定模板、-n 命名、--dry-run 预览、-o 指定输出目录；list-templates、list-plugins、plugin-info 用于查看模板与插件。API 侧通过 createAgentDBAdapter 初始化并开启 enableLearning，用 insertPattern 存储经验，用 train 训练，用 retrieveWithReasoning 评估与推理。
适用场景：游戏与序列建模、导航与资源分配、连续控制与多智能体协调、安全关键决策、隐私敏感分布式训练、迁移与元学习等。
限制：需具备强化学习基础；训练可能不收敛、过拟合或速度慢，资料给出降低学习率、使用验证集、启用内存优化与量化等排查方向。具体收费、价格与平台支持暂未提供。