用途：为 AI 智能体提供持久化记忆模式，使用 AgentDB 的持久存储与 ReasoningBank 集成，让智能体记住对话、从交互中学习并在会话间维持上下文。
主要能力：支持会话记忆（存储与查询消息历史）、长期记忆（按类别存储与读取事实）、模式学习（记录成功交互并匹配当前上下文），以及层次化记忆与记忆合并策略。提供 9 种学习插件算法（如 decision-transformer、q-learning、sarsa、actor-critic 等）和 4 个推理模块（PatternMatcher、ContextSynthesizer、MemoryOptimizer、ExperienceCurator）。检索支持 MMR、上下文合成与记忆优化，内置缓存与量化（binary/scalar/product/none）以降低内存占用。
使用方式：需 Node.js 18+ 与 AgentDB v1.0.7+。CLI 示例：npx agentdb@latest init ./agents.db（可用 --dimension、--preset、--in-memory）；npx agentdb@latest mcp 启动 MCP 服务，claude mcp add agentdb npx agentdb@latest mcp 接入 Claude Code；npx agentdb@latest create-plugin 创建学习插件。API 侧可通过 agentic-flow/reasoningbank 的 createAgentDBAdapter 初始化适配器，进行 insertPattern、retrieveWithReasoning、storeFact、storePattern、matchPattern 等操作；也提供 query、export、import、stats、benchmark、migrate 等命令，并支持 migrateToAgentDB 从旧版 ReasoningBank 迁移。
适用场景：需要跨会话上下文的对话型智能体、任务规划、经验学习与向量检索类记忆管理。
限制：资料未说明收费、价格与平台支持范围；性能数据（如 150x-12,500x）来自资料自述基准，实际结果可能因环境而异；使用前需具备智能体架构基础与对应运行环境。