用途：为 AI 智能体提供抗量子、自学习的版本控制能力，并支持多智能体协作，主要面向质量工程（qe）场景。
前提条件：该技能依赖 AQE MCP 服务器，需在 .kiro/settings/mcp.json 中完成配置。
主要能力：
- 自学习与 ReasoningBank：跟踪操作、学习模式并给出智能建议。
- 模式发现：自动识别成功的操作序列。
- 学习统计：跟踪随时间的改进情况。
- 抗量子安全 V230：使用抗量子密码学进行快速完整性验证。
- 基于 AgentDB 的操作跟踪：自动跟踪所有操作。
使用方式：通过 @agentic-qe MCP 服务器调用 AQE 工具，包括：@agentic-qe/fleet_init（初始化 QE 集群）、@agentic-qe/test_generate_enhanced（生成测试）、@agentic-qe/coverage_analyze_sublinear（分析覆盖率）、@agentic-qe/quality_assess（评估质量门禁）、@agentic-qe/memory_store（存储学习到的模式）、@agentic-qe/memory_query（查询历史模式）。
适用场景：AI 智能体版本控制、质量工程、多智能体协作与自学习模式管理。
限制：资料未提供具体安装命令、代码示例、收费与价格信息，也未说明支持平台与运行环境，这些内容暂未提供。