用途：为智能体引入自适应学习能力，使其能记录执行经验、判断结果成败、蒸馏出高层模式，并随时间改进决策。后端使用 AgentDB 高性能向量数据库，资料称模式检索快 150 倍、批量操作快 500 倍、记忆访问低于 1 毫秒，并保持 100% 向后兼容旧版 ReasoningBank。
主要能力：轨迹追踪（记录任务步骤、结果与指标）；结果判定（依据与成功模式的相似度给出判定）；记忆蒸馏（把相似经验归纳为高成功率模式）；四个推理模块包括 PatternMatcher（找相似成功模式）、ContextSynthesizer（合成上下文叙述）、MemoryOptimizer（自动整合与剪枝）、ExperienceCurator（按置信度与相关性筛选）。还支持分层记忆与跨领域迁移学习。
使用方式：需 Node.js 18+、AgentDB v1.0.7+（经 agentic-flow）。初始化数据库：npx agentdb@latest init ./.agentdb$reasoningbank.db --dimension 1536；启动 MCP 服务并接入 Claude Code：npx agentdb@latest mcp 与 claude mcp add agentdb npx agentdb@latest mcp；从旧库迁移：npx agentdb@latest migrate --source .swarm$memory.db；查看统计：npx agentdb@latest stats ./.agentdb$reasoningbank.db。API 侧通过 createAgentDBAdapter 初始化，配合 insertPattern 与 retrieveWithReasoning 存取与推理。
适用场景：数据库与 API 优化、调试、测试、代码生成等需要经验复用的智能体任务。
限制：需 Node.js 18+ 与 AgentDB 版本要求；理解强化学习概念为可选前置；性能数字为资料声明；收费、价格、平台支持等暂未提供。