RuView ReasoningBank Learner 详解：RETRIEVE–JUDGE–DISTILL–CONSOLIDATE 四阶段经验学习管线实战指南

RuView ReasoningBank Learner 详解：RETRIEVE–JUDGE–DISTILL–CONSOLIDATE 四阶段经验学习管线实战指南

【免费下载链接】RuViewπ RuView turns commodity WiFi signals into real-time spatial intelligence, vital sign monitoring, and presence detection — all without a single pixel of video.项目地址: https://gitcode.com/GitHub_Trending/wi/RuView

本文基于仓库中的 reasoningbank-learner.md 展开，系统讲解 RuView 项目 V3 智能体体系中的 ReasoningBank Learner（推理库学习者）：它如何通过轨迹跟踪、成败裁决、模式蒸馏与 EWC++ 记忆巩固四个阶段，让 Agent 从历史经验中持续学习。读完后你将掌握claude-flow@v3alpha智能钩子命令的完整用法、reasoningbank命名空间下模式存储的 JSON 结构、以及配套的 HNSW 检索与 MCP 工具集成方式。

一、Agent 定位与元数据定义

ReasoningBank Learner 是.claude/agents/v3/目录下 V3 智能体群（swarm）中的专职角色，其完整定义位于 reasoningbank-learner.md。文件以 YAML front matter 声明了该 Agent 的身份与职责边界：

name: reasoningbank-learner type: specialist color: "#9C27B0" version: "3.0.0" description: V3 ReasoningBank integration specialist for trajectory tracking, verdict judgment, pattern distillation, and experience replay using HNSW-indexed memory capabilities: - trajectory_tracking - verdict_judgment - pattern_distillation - experience_replay - hnsw_pattern_search - ewc_consolidation - lora_adaptation - attention_optimization priority: high adr_references: - ADR-008: Neural Learning Integration

几个关键字段的含义：

• type: specialist：表明它不是协调者或编排器，而是可被上层调度器按需派发的专项能力单元；
• capabilities：列出八项能力，恰好覆盖"轨迹跟踪 → 裁决 → 蒸馏 → 巩固"管线的每一环，外加 HNSW 检索、EWC++ 巩固、LoRA 适配与注意力优化；
• priority: high：高优先级，意味着在学习回路触发时优先于低优先级 Agent 获得调度；
• adr_references: ADR-008：从源码结构看，该 Agent 的神经网络学习集成设计对应仓库 ADR 体系中的神经学习集成决策（注意此编号是 claude-flow V3 体系内部的 ADR 引用，与仓库 docs/adr/ 下 RuView 自身产品架构 ADR 分属不同文档体系）。

前后置钩子（pre/post hooks）

front matter 中hooks字段声明了该 Agent 被激活前与执行后自动运行的 Shell 脚本，这是整个学习闭环自动化的入口：

hooks: pre: | echo "🧠 ReasoningBank Learner initializing intelligence system" # Initialize trajectory tracking SESSION_ID="rb-$(date +%s)" npx claude-flow@v3alpha hooks intelligence trajectory-start --session-id "$SESSION_ID" --agent-type "reasoningbank-learner" --task "$TASK" # Search for similar patterns mcp__claude-flow__memory_search --pattern="pattern:*" --namespace="reasoningbank" --limit=10 post: | echo "✅ Learning cycle complete" # End trajectory with verdict npx claude-flow@v3alpha hooks intelligence trajectory-end --session-id "$SESSION_ID" --verdict "${VERDICT:-success}" # Store learned pattern mcp__claude-flow__memory_usage --action="store" --namespace="reasoningbank" --key="pattern:$(date +%s)" --value="$PATTERN_SUMMARY"

从这段钩子可以读出自动闭环的三个要点：

1. 会话标识：SESSION_ID以rb-前缀加 Unix 时间戳生成（如rb-1756987654），贯穿整个生命周期，后续trajectory-step/trajectory-end都靠它定位轨迹；
2. 激活即检索：pre 钩子在任务开始前就调用memory_search查询reasoningbank命名空间中所有pattern:*键，取 10 条最相似历史模式作为先验上下文——"先检索，再执行"；
3. 退出即沉淀：post 钩子用${VERDICT:-success}（未显式给出裁决时默认 success）结束轨迹，并把PATTERN_SUMMARY以pattern:<时间戳>键存回记忆库。

二、四阶段智能管线总览

文档给出的核心架构图（原样继承）如下：

┌─────────────────────────────────────────────────────────────────────┐ │ REASONINGBANK PIPELINE │ ├─────────────────────────────────────────────────────────────────────┤ │ │ │ ┌──────────┐ ┌──────────┐ ┌──────────┐ ┌──────────┐ │ │ │ RETRIEVE │───▶│ JUDGE │───▶│ DISTILL │───▶│CONSOLIDATE│ │ │ │ │ │ │ │ │ │ │ │ │ │ HNSW │ │ Verdicts │ │ LoRA │ │ EWC++ │ │ │ │ 150x │ │ Success/ │ │ Extract │ │ Prevent │ │ │ │ faster │ │ Failure │ │ Learnings│ │ Forget │ │ │ └──────────┘ └──────────┘ └──────────┘ └──────────┘ │ │ │ │ │ │ │ │ ▼ ▼ ▼ ▼ │ │ ┌─────────────────────────────────────────────────────────────┐ │ │ │ PATTERN MEMORY │ │ │ │ AgentDB + HNSW Index + SQLite Persistence │ │ │ └─────────────────────────────────────────────────────────────┘ │ │ │ └─────────────────────────────────────────────────────────────────────┘

管线底层的模式记忆（PATTERN MEMORY）由三层构成：AgentDB 向量库负责语义检索，HNSW 索引提供近邻加速，SQLite 提供结构化持久化。这一"向量 + 图索引 + 关系存储"的混合后端设计，在同目录的 memory-specialist.md 中被进一步展开（见 Hybrid Memory Backend 章节：SQLite 存结构化关系、AgentDB 存向量嵌入、HNSW 存图索引，并给出rrf_k: 60的 RRF 融合权重等实现细节）。

三、阶段一 RETRIEVE：HNSW 模式检索

RETRIEEVE 阶段的目标是在新任务开始前，快速找到语义相近的历史模式。文档给出的目标性能是"150x–12,500x 加速"。对应命令：

# Search patterns via HNSW mcp__claude-flow__memory_search --pattern="$TASK" --namespace="reasoningbank" --limit=10 # Get pattern statistics npx claude-flow@v3alpha hooks intelligence pattern-stats --query "$TASK" --k 10 --namespace reasoningbank

两条命令的分工：

• memory_search是 MCP 工具，走 HNSW 向量近邻搜索，--pattern传入当前任务描述，--limit控制返回的候选数；
• pattern-stats是 CLI 钩子命令，针对查询返回模式统计（如该领域的命中分布、奖励区间），帮助判断"这类任务历史上有多少可参考经验"。

关于 150x 加速的实现依据，仓库中 reasoningbank-agentdb/SKILL.md 给出了量化描述："Pattern Search: 150x faster (100µs vs 15ms)"，即 AgentDB 后端将单次模式检索从 15ms 量级压到 100µs 量级。而 memory-specialist.md 提供了 HNSW 的典型参数配置，可帮助理解检索速度与召回精度的权衡：

this.defaultParams = { M: 16, // 每层最大连接数 efConstruction: 200, // 建图搜索深度 efSearch: 100, // 查询搜索深度（越大越准） maxElements: 1000000, quantization: 'int8' // 4x 内存压缩 };

其中M与efSearch是精度/速度的核心旋钮：高吞吐场景可降为M: 12, efSearch: 50，高精度场景升到M: 32, efSearch: 200。ReasoningBank 的reasoningbank命名空间正是这类配置的作用对象。

四、阶段二 JUDGE：成败裁决

JUDGE 阶段为轨迹（trajectory）打上成功/失败裁决，并把数值奖励（reward）固化下来，作为后续蒸馏的筛选依据：

# Record trajectory step with outcome npx claude-flow@v3alpha hooks intelligence trajectory-step \ --session-id "$SESSION_ID" \ --operation "code-generation" \ --outcome "success" \ --metadata '{"files_changed": 3, "tests_passed": true}' # End trajectory with final verdict npx claude-flow@v3alpha hooks intelligence trajectory-end \ --session-id "$SESSION_ID" \ --verdict "success" \ --reward 0.95

命令语义要点：

• trajectory-step记录轨迹中单步操作：--operation是动作名（如code-generation、write-test），--outcome是success/failure，--metadata传 JSON 附加度量（本例记录改动文件数与测试是否通过）；
• trajectory-end收尾时给出--verdict（success/failure）与--reward（0.0–1.0 区间），reward 越高代表该轨迹越值得被蒸馏复用。0.95 这类高分通常对应"测试全过 + 改动面收敛"的高质量完成。

五、阶段三 DISTILL：模式蒸馏

DISTILL 阶段从裁决过的高分轨迹中提取"可迁移经验"，以键值形式写入记忆库，并可用pattern-search按奖励下限捞取可蒸馏模式：

# Store successful pattern mcp__claude-flow__memory_usage --action="store" \ --namespace="reasoningbank" \ --key="pattern:auth-implementation" \ --value='{"task":"implement auth","approach":"JWT with refresh","outcome":"success","reward":0.95}' # Search for patterns to distill npx claude-flow@v3alpha hooks intelligence pattern-search \ --query "authentication" \ --min-reward 0.8 \ --namespace reasoningbank

两条命令展示了 DISTILL 的两个动作：

1. 写入：memory_usage --action="store"把一条结构化经验存到reasoningbank命名空间，键为pattern:auth-implementation这类"领域:具体策略"语义键，值是包含task/approach/outcome/reward四要素的 JSON——这正是该 Agent 的"模式最小单元"；
2. 捞取：pattern-search --min-reward 0.8只做高奖励过滤，保证进入蒸馏候选集的都是被验证过的高质量模式，低质量经验留在轨迹层不参与泛化。

六、阶段四 CONSOLIDATE：EWC++ 记忆巩固

CONSOLIDATE 阶段防止"灾难性遗忘"（catastrophic forgetting）——新经验挤掉旧经验的经典问题：

# Consolidate patterns (prevents forgetting old learnings) npx claude-flow@v3alpha neural consolidate --namespace reasoningbank # Check consolidation status npx claude-flow@v3alpha hooks intelligence stats --namespace reasoningbank

• neural consolidate对指定命名空间执行巩固：把语义相近的模式聚类合并、给低质量条目降权，而不是简单删除；
• hooks intelligence stats用于核对巩固后的命名空间状态（模式数、质量分布等），构成"巩固 → 验证"的闭环。

EWC++ 的算法思想（Fisher 信息矩阵衡量参数重要性、lambda正则化强度控制遗忘惩罚）在 memory-specialist.md 的 "EWC++ for Preventing Catastrophic Forgetting" 一节有完整伪实现，其中this.lambda = 5000（正则强度）与this.gamma = 0.9（在线 EWC 衰减因子）是核心超参。

仓库中的真实巩固实现：pattern-consolidator.sh

文档描述的是"目标管线"，而仓库.claude/helpers/下存在真实落地的巩固 worker——pattern-consolidator.sh。它对 SQLite 模式库（.claude-flow/learning/patterns.db）执行四类 SQL 维护，可视为 CONSOLIDATE 阶段的参考实现：

# 1. 去重：同一 (strategy, domain) 只保留一行 DELETE FROM short_term_patterns WHERE rowid NOT IN ( SELECT MIN(rowid) FROM short_term_patterns GROUP BY strategy, domain ); # 2. 剪枝：7 天前创建且 quality < 0.3 的模式直接删除 DELETE FROM short_term_patterns WHERE quality < 0.3 AND created_at < datetime('now', '-7 days'); # 3. 晋升：quality > 0.8 的短期模式提升到 long_term_patterns INSERT OR IGNORE INTO long_term_patterns (strategy, domain, quality, source) SELECT strategy, domain, quality, 'consolidated' FROM short_term_patterns WHERE quality > 0.8; # 4. 衰减：1 天未更新的模式 quality 乘以 0.95 UPDATE short_term_patterns SET quality = quality * 0.95 WHERE updated_at < datetime('now', '-1 day');

从这段源码可以看到巩固策略的具体阈值：晋升线quality > 0.8、剪枝线quality < 0.3且龄期超 7 天、未使用衰减系数 0.95/天，以及 worker 自身的 15 分钟节流（should_run()检查.consolidator-last-run时间戳）。短/长期两级模式表（short_term_patterns/long_term_patterns）与文档"经验回放（experience replay）"能力相对应。

辅助佐证：intelligence.cjs

仓库中 intelligence.cjs（约 928 行，文件头注释标明 "Intelligence Layer (ADR-050)"）实现了把记忆接入钩子系统的另一条路径：它维护.claude-flow/data/下的auto-memory-store.json、graph-state.json（含节点、边与 PageRank 分数）、ranked-context.json等数据文件，用三元组分词 + Jaccard 相似度做文本匹配，并用阻尼系数 0.85 的幂迭代 PageRank 对记忆条目排序。可以推断，ReasoningBank 管线的 RETRIEVE 阶段在该运行时环境下，除 HNSW 向量近邻外，还有这条基于词面相似度的图排序检索作为互补路径。

七、完整轨迹跟踪示例

文档给出的端到端轨迹跟踪样例（一个"实现用户认证"任务）完整保留如下，它演示了start → step × N → end的标准调用序列：

# Start tracking npx claude-flow@v3alpha hooks intelligence trajectory-start \ --session-id "task-123" \ --agent-type "coder" \ --task "Implement user authentication" # Track each step npx claude-flow@v3alpha hooks intelligence trajectory-step \ --session-id "task-123" \ --operation "write-test" \ --outcome "success" npx claude-flow@v3alpha hooks intelligence trajectory-step \ --session-id "task-123" \ --operation "implement-feature" \ --outcome "success" npx claude-flow@v3alpha hooks intelligence trajectory-step \ --session-id "task-123" \ --operation "run-tests" \ --outcome "success" # End with verdict npx claude-flow@v3alpha hooks intelligence trajectory-end \ --session-id "task-123" \ --verdict "success" \ --reward 0.92

这个例子还说明了多 Agent 共享机制：--agent-type "coder"表明轨迹不限于 reasoningbank-learner 自身，任何被跟踪的 Agent（coder、reviewer 等）产出的轨迹都汇入同一记忆库，由 Learner 统一蒸馏——这就是 front matter 中experience_replay能力的落地形态。

八、Pattern 数据结构

每条蒸馏出的模式遵循如下 TypeScript 接口（原样继承自文档）：

interface Pattern { id: string; task: string; approach: string; steps: TrajectoryStep[]; outcome: 'success' | 'failure'; reward: number; // 0.0 - 1.0 metadata: { agent_type: string; duration_ms: number; files_changed: number; tests_passed: boolean; }; embedding: number[]; // For HNSW search created_at: Date; }

字段与管线的对应关系：

九、MCP 工具集成

文档列出了四个 MCP 工具及其分工：

前两个在 pre/post 钩子中直接出现（memory_search做先验检索、memory_usage --action="store"做经验落库）；后两个属于"训练侧"工具：neural_train用新模式增量训练，neural_patterns分析模式分布以发现偏科或空洞领域。

十、Hooks 集成：把每一步操作变成轨迹点

文档还给出了与 V3 hooks 系统的集成配置，让文件写入类工具调用自动转化为trajectory-step：

{ "PostToolUse": [{ "matcher": "^(Write|Edit|Task)$", "hooks": [{ "type": "command", "command": "npx claude-flow@v3alpha hooks intelligence trajectory-step --operation $TOOL_NAME --outcome $TOOL_SUCCESS" }] }] }

这段配置的语义：工具名匹配Write、Edit、Task的正则在每次使用后触发，把工具名（$TOOL_NAME）与成功标志（$TOOL_SUCCESS）作为单步轨迹上报。从源码结构看，这使"Agent 做了什么"无需各 Agent 自觉记录，而是由钩子层统一采集——轨迹完整性由基础设施保证，而非依赖约定。

十一、性能指标目标

文档最后给出了四阶段的延迟目标：

结合 reasoningbank-agentdb/SKILL.md 的补充数据（批量插入 100 条模式约 2ms、含检索与判定的轨迹裁决 <5ms、100 条模式蒸馏 <50ms），可以推断该管线的整体设计目标是毫秒级在线学习回路：任务执行过程中即可完成"检索 → 记录 → 判定"，巩固（consolidation）作为较轻量的周期性后台任务运行（如 pattern-consolidator.sh 的 15 分钟节流）。

十二、小结

ReasoningBank Learner 把"Agent 从经验中学习"拆解为四个可独立调用的阶段，每一阶段都有对应的claude-flow@v3alpha命令或 MCP 工具，配合 pre/post 钩子形成无人值守的学习闭环：

1. RETRIEVE：HNSW 检索历史模式（memory_search/pattern-stats）；
2. JUDGE：trajectory-step记录单步，trajectory-end打裁决与奖励；
3. DISTILL：高奖励模式以pattern:*键存入reasoningbank命名空间（memory_usage/pattern-search --min-reward）;
4. CONSOLIDATE：neural consolidate执行 EWC++ 式巩固防止遗忘，hooks intelligence stats核对结果。

仓库内的 pattern-consolidator.sh（质量阈值 0.8 晋升 / 0.3 剪枝 / 0.95 日衰减）、intelligence.cjs（PageRank 记忆排序层）以及 reasoningbank-intelligence/SKILL.md（recordExperience/recommendStrategy/transferKnowledge等 API 形态）提供了这套管线的工程佐证，可供进一步深入阅读。

【免费下载链接】RuViewπ RuView turns commodity WiFi signals into real-time spatial intelligence, vital sign monitoring, and presence detection — all without a single pixel of video.项目地址: https://gitcode.com/GitHub_Trending/wi/RuView