agentdb memory patterns

用途

AgentDB Memory Patterns 是一个面向 AI 智能体的记忆管理技能，基于 AgentDB 的持久化存储与 ReasoningBank 集成，为智能体提供记忆能力：记住对话内容、从交互中学习，并在不同会话之间维持上下文。

资料显示其性能相比传统方案快 150 倍至 12500 倍，并保持 100% 向后兼容。

前提条件

Node.js 18+
AgentDB v1.0.7+（通过 agentic-flow 或独立安装）
理解智能体架构

主要能力

记忆模式

会话记忆（Session Memory）：按 sessionId 存储消息，并可查询会话历史（支持排序与条数限制）。
长期记忆（Long-Term Memory）：存储重要事实（如用户偏好），带类别、键值、置信度与来源，并可按时取回。
模式学习（Pattern Learning）：存储成功交互的触发与响应模式，并可在当前上下文中匹配已学习模式。

高级模式

分层记忆（Hierarchical Memory）：将记忆组织为即时（最近消息）、短期（当前会话）、长期（持久事实）、语义（向量检索知识）等层级。
记忆整合（Memory Consolidation）：按重要性策略定期整合记忆，可设置最大容量与相关性阈值。

推理代理与学习插件

推理代理包含 4 个模块：PatternMatcher（HNSW 索引相似模式查找）、ContextSynthesizer（多来源富上下文生成）、MemoryOptimizer（合并相似模式、裁剪低质量内容）、ExperienceCurator（基于质量的经验筛选）。

学习插件提供 9 种算法：Decision Transformer（推荐）、Q-Learning、SARSA、Actor-Critic、Active Learning、Adversarial Training、Curriculum Learning、Federated Learning、Multi-task Learning。

使用方式

命令行快速开始

# Initialize vector database
npx agentdb@latest init ./agents.db

# Or with custom dimensions
npx agentdb@latest init ./agents.db --dimension 768

# Use preset configurations
npx agentdb@latest init ./agents.db --preset large

# In-memory database for testing
npx agentdb@latest init ./memory.db --in-memory

启动 MCP 服务并接入 Claude Code：

# Start MCP server (integrates with Claude Code)
npx agentdb@latest mcp

# Add to Claude Code (one-time setup)
claude mcp add agentdb npx agentdb@latest mcp

创建学习插件：

# Interactive plugin wizard
npx agentdb@latest create-plugin

# Use template directly
npx agentdb@latest create-plugin -t decision-transformer -n my-agent

API 使用

通过 agentic-flow/reasoningbank 的 createAgentDBAdapter 初始化适配器，可配置数据库路径、是否启用学习与推理、量化类型（binary、scalar、product、none）以及缓存大小：

import { createAgentDBAdapter } from 'agentic-flow/reasoningbank';

const adapter = await createAgentDBAdapter({
  dbPath: '.agentdb/reasoningbank.db',
  enableLearning: true,
  enableReasoning: true,
  quantizationType: 'scalar',
  cacheSize: 1000,
});

const patternId = await adapter.insertPattern({
  id: '',
  type: 'pattern',
  domain: 'conversation',
  pattern_data: JSON.stringify({
    embedding: await computeEmbedding('What is the capital of France?'),
    pattern: {
      user: 'What is the capital of France?',
      assistant: 'The capital of France is Paris.',
      timestamp: Date.now()
    }
  }),
  confidence: 0.95,
  usage_count: 1,
  success_count: 1,
  created_at: Date.now(),
  last_used: Date.now(),
});

const context = await adapter.retrieveWithReasoning(queryEmbedding, {
  domain: 'conversation',
  k: 10,
  useMMR: true,
  synthesizeContext: true,
});

命令行操作

# Query with vector embedding
npx agentdb@latest query ./agents.db "[0.1,0.2,0.3,...]"

# Top-k results
npx agentdb@latest query ./agents.db "[0.1,0.2,0.3]" -k 10

# With similarity threshold
npx agentdb@latest query ./agents.db "0.1 0.2 0.3" -t 0.75

# JSON output
npx agentdb@latest query ./agents.db "[...]" -f json

导入导出与统计：

# Export vectors to file
npx agentdb@latest export ./agents.db ./backup.json

# Import vectors from file
npx agentdb@latest import ./backup.json

# Get database statistics
npx agentdb@latest stats ./agents.db

与 ReasoningBank 集成

可将旧版 ReasoningBank 数据迁移到 AgentDB：

import { createAgentDBAdapter, migrateToAgentDB } from 'agentic-flow/reasoningbank';

const result = await migrateToAgentDB(
  '.swarm/memory.db',
  '.agentdb/reasoningbank.db'
);

console.log(`✅ Migrated ${result.patternsMigrated} patterns`);

也可训练学习模型（如 50 个 epoch、批量 32），并通过 retrieveWithReasoning 获取优化后的推理结果。

插件管理

# List available plugins
npx agentdb@latest list-plugins

# List plugin templates
npx agentdb@latest list-templates

# Get plugin info
npx agentdb@latest plugin-info <name>

适用场景

需要跨会话保持用户偏好、重要事实等长期记忆的对话式智能体。
希望从历史成功交互中学习模式、持续改进响应的智能体系统。
需要利用向量检索与上下文合成进行任务规划的场景。
从旧版 ReasoningBank 迁移到 AgentDB 并保持兼容的现有项目。
通过 MCP 将记忆能力接入 Claude Code 的开发流程。

最佳实践与限制

资料给出的最佳实践包括：启用标量或二值量化以将内存缩减 4–32 倍；使用 1000 条模式缓存实现低于 1ms 的检索；采用批量操作（比单条插入快 500 倍）；定期用新经验训练学习模型；启用推理以自动合成和优化上下文；使用 stats 命令监控指标。

性能特征：向量检索低于 100µs（HNSW 索引）、模式检索低于 1ms（带缓存）、批量插入 100 条模式约 2ms、量化后内存减少 4–32 倍、与 ReasoningBank API 100% 兼容。

限制方面，资料未提供收费、价格、许可协议或具体平台支持范围等信息，相关事实暂未提供。