ReasoningBank 让 AI Agent 从经验中学习推理策略

Google Research 提出 ReasoningBank，一种让 AI Agent 在执行任务过程中积累并复用推理经验的框架。Agent 将每次成功或失败的推理路径存入结构化记忆库，后续遇到相似问题时可直接检索并适配历史策略。

核心设计包括经验提取器、记忆索引和策略适配器三部分。经验以「问题-推理链-结果」三元组存储，通过语义相似度检索匹配，并利用 LLM 对历史策略进行上下文适配，避免从头推理。

该方法在代码生成、工具调用等任务上显著提升了 Agent 的首次成功率，减少了重复推理开销。对构建可积累经验的 Agent 系统有工程参考价值。