用途：为 AgentDB 向量数据库提供性能优化方案，通过量化、HNSW 索引、缓存和批量操作提升检索与写入速度，并降低内存占用。
主要能力：提供四种量化策略：binary（约 32 倍内存缩减，精度约为原来的 95-98%）、scalar（约 4 倍缩减，98-99%）、product（8-16 倍缩减，93-97%）与 none（全精度）。HNSW 索引可按 hnswM、hnswEfConstruction、hnswEfSearch 调参。支持内存缓存（cacheSize 与 LRU 淘汰）、批量插入与并行检索、模式合并与剪枝（optimize、prune），以及通过 getStats 或 npx agentdb@latest stats 查看指标。
用法：需 Node.js 18+ 与 AgentDB v1.0.7+（经 agentic-flow）。基准测试命令：npx agentdb@latest benchmark；统计命令：npx agentdb@latest stats .agentdb/vectors.db。创建适配器时传入 dbPath、quantizationType、cacheSize、hnswM 等参数，检索使用 retrieveWithReasoning。
适用与限制：适合大规模向量存储、内存受限环境。binary 量化有精度损失；提高 efSearch 或 M 会提升召回但降低速度并增加内存。文档给出的性能数据来自特定测试环境（AMD Ryzen 9 5950X、64GB RAM），实际效果可能不同；具体收费与部署细节资料暂未提供。