用途：通过 AgentDB 插件系统访问 9 种强化学习算法，创建、训练并部署可随经验改进的自主智能体学习插件。据资料称，借助 WASM 加速的神经推理，模型训练速度可提升 10-100 倍。
主要能力：覆盖离线 RL（Decision Transformer）、基于价值的学习（Q-Learning、SARSA）、策略梯度（Actor-Critic），以及主动学习、对抗训练、课程学习、联邦学习、多任务学习。支持经验回放、优先经验回放、多智能体训练、批量与增量训练，并可结合推理智能体（useMMR、synthesizeContext、optimizeMemory）。
使用方式：需 Node.js 18+ 与 AgentDB v1.0.7+（经 agentic-flow）。CLI 创建插件：npx agentdb@latest create-plugin；可加 -t 指定模板、-n 命名、--dry-run 预览、-o 指定输出目录。列出模板：npx agentdb@latest list-templates；列出插件：npx agentdb@latest list-plugins；查看信息：npx agentdb@latest plugin-info my-agent。API 侧通过 createAgentDBAdapter 初始化（enableLearning: true），用 insertPattern 存经验，用 train 训练，用 retrieveWithReasoning 评估与决策。
适用场景：从历史数据或专家示范学习、无需在线交互的安全学习、离散动作空间与资源分配、风险敏感与安全关键任务、连续控制与多智能体协同、隐私敏感的分布式训练、相关任务间的迁移与元学习。
限制：资料建议具备强化学习基础；未提供定价、部署平台或效果保证等信息。文中示例中的文件路径与 GitHub 链接在原始资料中显示异常，此处未作改动依据，详细信息请以官方文档为准。