reasoningbank with agentdb

用途

ReasoningBank with AgentDB 提供基于 AgentDB 高性能后端（资料称 150x-12500x 更快）的 ReasoningBank 自适应学习模式。它使智能体能够从经验中学习、判断结果、蒸馏记忆，并随时间改进决策，同时保持 100% 向后兼容。

据资料描述，其典型应用方向包括：为智能体构建可检索的经验记忆，记录任务执行轨迹，并基于历史成功模式对新轨迹进行成败判断与记忆蒸馏。

主要能力

核心概念（资料列出三项）：

Trajectory Tracking（轨迹追踪）：追踪智能体执行路径与结果。例如记录任务 optimize-api-endpoint 的步骤序列（分析瓶颈、添加预加载、添加缓存）、结果 success 以及指标（延迟从 2500 降到 150），并连同嵌入向量存入数据库。
Verdict Judgment（结果判断）：基于与历史成功模式的相似度判断某条轨迹是否成功，例如筛选结果相同且相似度大于 0.8 的记忆超过 5 条则判定为 likely_success，否则 needs_review。
Memory Distillation（记忆蒸馏）：将相似经验合并为高层模式。资料中的示例蒸馏出模式“For N+1 queries: add eager loading, then cache”，成功率 0.92，样本量为经验数量，置信度 0.95。

推理模块（资料列出四个）：

PatternMatcher：查找相似的成功模式，支持 MMR（最大边际相关性）以获得多样化结果。
ContextSynthesizer：从多条记忆中生成丰富上下文，形成连贯叙述。
MemoryOptimizer：自动合并与裁剪记忆，资料示例输出 { consolidated: 15, pruned: 3, improved_quality: 0.12 }。
ExperienceCurator：按质量与相关性过滤，例如 minConfidence: 0.8 只返回高置信度经验。

性能特征（资料数据）：

模式搜索：快 150 倍（100µs 对比 15ms）
记忆检索：<1ms（含缓存）
批量插入：快 500 倍（100 个模式 2ms 对比 1s）
轨迹判断：<5ms（含检索与分析）
记忆蒸馏：<50ms（合并 100 个模式）

高级模式（资料提及）：

分层记忆：按抽象层级组织（具体实现 concrete、跨案例模式 pattern、通用原则 principle）。
多领域学习：跨领域迁移学习，例如从后端优化经验迁移到前端优化。

前置条件

Node.js 18+
AgentDB v1.0.7+（通过 agentic-flow）
了解强化学习概念（可选）

使用方式

CLI 快速开始：

初始化数据库：

npx agentdb@latest init ./.agentdb/reasoningbank.db --dimension 1536

启动 MCP 服务器并接入 Claude Code：

npx agentdb@latest mcp
claude mcp add agentdb npx agentdb@latest mcp

从旧版迁移：

npx agentdb@latest migrate --source .swarm/memory.db
npx agentdb@latest stats ./.agentdb/reasoningbank.db

API 快速开始：

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

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

随后通过 computeEmbedding 生成嵌入，使用 rb.insertPattern 存入模式，使用 rb.retrieveWithReasoning 检索记忆，可选参数包括 useMMR（多样化结果）、synthesizeContext（上下文合成）、optimizeMemory（自动合并）等。

CLI 数据库管理：

导出：npx agentdb@latest export ./.agentdb/reasoningbank.db ./backup.json
导入：npx agentdb@latest import ./experiences.json
统计：npx agentdb@latest stats ./.agentdb/reasoningbank.db
迁移：npx agentdb@latest migrate --source .swarm/memory.db --target .agentdb/reasoningbank.db

旧版 API 兼容：

资料称 AgentDB 对旧版 ReasoningBank 保持 100% 向后兼容，可直接使用：

import { retrieveMemories, judgeTrajectory, distillMemories } from 'agentic-flow/reasoningbank';

旧版 API 无需修改即可工作，自动使用 AgentDB 后端。

适用场景

据资料内容，适用于需要从历史经验中学习和复用模式的智能体应用，例如调试、API 优化、代码优化、测试、代码生成、数据库优化等领域。相关资料给出的难度为 Intermediate，预计用时 20-30 分钟。

限制与故障排查

资料给出以下故障排查方向：

迁移失败：检查源数据库是否存在（ls -la .swarm/memory.db），或以 DEBUG=agentdb:* 运行查看详细日志。
置信度偏低：启用上下文合成（synthesizeContext: true）和 MMR（useMMR: true）。
记忆增长过大：启用自动优化（optimizeMemory: true）或手动调用 await rb.optimize();。

关于收费、价格、平台支持范围、实际效果等，资料未提供，暂未提供。分类标识由资料标注为 Machine Learning / Reinforcement Learning。

技能介绍

用途