用途:为 AI 智能体提供自适应学习能力,使其能从任务经验中学习、识别模式并随时间优化策略,实现元认知与持续改进。
主要能力:记录任务结果(recordExperience);按任务类型与上下文推荐最优策略(recommendStrategy);学习与匹配模式(learnPattern、matchPatterns);比较多种策略(compareStrategies);开启自动学习(enableAutoLearning,可设置信度阈值与更新频率);元学习(metaLearn);跨领域迁移知识(transferKnowledge);构建自适应智能体;通过 AgentDB 持久化并支持向量检索;查询已学模式与查看学习指标(getMetrics)。
使用方式:需 agentic-flow v3.0.0-alpha.1+、AgentDB v3.0.0-alpha.10+(用于持久化)、Node.js 18+。从 'agentic-flow/reasoningbank' 导入 ReasoningBank,初始化时可配置 persist、learningRate、adapter: 'agentdb',随后记录经验、获取策略或启用自动学习。
适用场景:代码审查、缺陷修复等任务的策略选择与优化,批量处理、数据转换等独立任务的并行执行决策,以及需要跨语言或跨领域迁移经验的智能体。
限制与注意:资料未提供收费、价格与平台信息。建议持续记录所有任务结果(不只成功案例)、提供丰富上下文、设置置信度阈值过滤低质量学习、定期审查模式质量并启用向量搜索。若推荐效果差,需保证每种任务类型有 100+ 条经验;模式匹配慢可启用 AgentDB 向量索引;内存增长可设置旧经验 TTL 或启用清理。