用途：通过 AgentDB 插件系统创建、训练并部署可由经验改进的自主智能体学习插件，共提供 9 种强化学习算法，并使用 WASM 加速的神经推理提升训练速度。
主要能力：包含 9 种算法——Decision Transformer（离线强化学习，适合从日志经验与专家演示中模仿学习）、Q-Learning（离策略价值学习，适合离散动作空间）、SARSA（在策略价值学习，偏向安全探索）、Actor-Critic（带价值基线的策略梯度，适合连续动作）、Active Learning（基于查询、降低标注成本）、Adversarial Training（提升鲁棒性）、Curriculum Learning（渐进难度训练）、Federated Learning（分布式隐私学习）、Multi-Task Learning（迁移与知识共享）。
使用方式：CLI 可用 npx agentdb@latest create-plugin 创建插件，-t 指定模板（如 decision-transformer、q-learning、sarsa、actor-critic），-n 命名，--dry-run 预览，-o 指定输出目录；npx agentdb@latest list-templates、list-plugins、plugin-info 用于查看模板与插件信息。API 通过 import { createAgentDBAdapter } from 'agentic-flow/reasoningbank' 初始化适配器，启用 enableLearning，使用 insertPattern 存储经验，再调用 adapter.train 训练并获取 loss、duration 等指标；评估用 retrieveWithReasoning 检索相似经验。
适用场景：从历史数据学习、模仿学习、安全关键决策、连续控制、多智能体协作、隐私敏感数据、迁移学习与元学习等。
限制：需 Node.js 18+ 与 AgentDB v1.0.7+（经由 agentic-flow），建议具备强化学习基础；资料未提供收费与价格信息，暂未提供。