用途：该技能为智能体引入 ReasoningBank 自适应学习模式，并以后端 AgentDB 的高性能向量数据库作为存储与检索引擎，让智能体能够从过往经验中学习、判断结果优劣、蒸馏记忆并逐步改进决策。
主要能力：包括轨迹追踪（记录任务的动作序列与结果指标）、结果判定（依据与成功模式的相似度判断轨迹是否成功）、记忆蒸馏（把相似经验整合为高层模式）；AgentDB 还提供四个推理模块：PatternMatcher 查找相似成功模式、ContextSynthesizer 由多条记忆合成丰富上下文、MemoryOptimizer 自动整合与裁剪、ExperienceCurator 按置信度与相关性过滤。此外支持分层记忆（具体实现、模式、原则三级）、跨领域迁移学习和旧版 API 完全兼容。
使用方式：需 Node.js 18+ 与 AgentDB v1.0.7+。可先初始化数据库：npx agentdb@latest init ./.agentdb/reasoningbank.db --dimension 1536；启动 MCP 服务：npx agentdb@latest mcp，并执行 claude mcp add agentdb npx agentdb@latest mcp 接入 Claude Code。也可通过 API 使用，从 agentic-flow/reasoningbank 导入 createAgentDBAdapter 与 computeEmbedding，创建适配器时开启 enableLearning 与 enableReasoning，随后用 insertPattern 存入经验、用 retrieveWithReasoning 检索并配合 useMMR、synthesizeContext、optimizeMemory、minConfidence 等参数。旧版可从 .swarm/memory.db 迁移：npx agentdb@latest migrate --source .swarm/memory.db，并用 npx agentdb@latest stats 验证。CLI 还支持 export、import 等操作。
适用场景：适合需要持续积累经验、复用成功解法、对智能体执行轨迹进行质量评估与记忆管理的强化学习类应用，如 API 优化、调试、测试等领域的经验沉淀。
限制：资料未提供价格、许可证及具体支持平台信息；性能数字（150 倍、500 倍、低于 1 毫秒）为资料宣称值，实际效果可能因环境而异。