用途：通过 AgentDB 插件系统访问 9 种强化学习算法，创建、训练和部署学习插件，让自主智能体通过经验改进。算法涵盖离线强化学习（Decision Transformer）、基于价值的学习（Q-Learning、SARSA）、带基线的策略梯度（Actor-Critic）及高级技术（主动学习、对抗训练、课程学习、联邦学习、多任务学习）。
主要能力：用 CLI 创建插件与管理模板，如 npx agentdb@latest create-plugin -t decision-transformer -n my-agent、npx agentdb@latest list-templates、npx agentdb@latest list-plugins、npx agentdb@latest plugin-info my-agent；通过 API 初始化适配器（enableLearning、enableReasoning、cacheSize），用 insertPattern 存储经验，用 adapter.train 训练（epochs、batchSize 等），用 retrieveWithReasoning 检索并推理；支持经验回放、优先经验回放、多智能体训练、增量学习，以及与推理智能体结合。官方称借助 WASM 加速神经推理，训练可快 10-100 倍。
使用方式：需 Node.js 18+、AgentDB v1.0.7+（通过 agentic-flow）；建议具备强化学习基础。可用交互式向导或指定模板创建插件，也可通过 import { createAgentDBAdapter } from 'agentic-flow/reasoningbank' 用 API 集成。MCP 集成为 npx agentdb@latest mcp。
适用场景：从历史日志学习、模仿学习、离散决策、安全敏感任务、连续控制、多智能体协作、隐私敏感分布式训练、相关任务迁移等。
限制：需满足前置依赖；部分性能与加速说法来自官方描述，实际效果依赖具体任务与配置；资料未提供收费、价格与平台支持细节。