经验池与学习
Experience Pool & Learning
跨会话积累和复用 Agent 执行经验，提升任务成功率
子问题
1.经验存储与检索
2.质量评估
3.上下文构建
4.经验序列化与不可序列化对象处理
5.完美经验判定策略
6.离线经验批量导入
各项目的解法1 solutions
Signals
横向对比
| 维度 | MetaGPT |
|---|---|
| 经验模型 | Pydantic Experience 含 req/resp/metric/traj/tag，支持 SUCCESS/FAILURE/INSIGHT 三类型 |
| 缓存策略 | @exp_cache 装饰器零侵入拦截，满分精确匹配才复用 |
| 检索方式 | BM25 关键词 + ChromaDB 向量双后端，可选 LLM Ranker 二次排序 |
| 评分机制 | LLM-as-Judge 1-10 分评分，SimpleScorer prompt 驱动 |
| 上下文注入 | 3 种 ContextBuilder 策略：Simple 拼接 / ActionNode 追加 / RoleZero 占位符替换 |
| 序列化策略 | 3 种 Serializer：Simple str / ActionNode JSON / RoleZero 消息过滤 |
| 读写控制 | enable_read + enable_write 独立开关，支持生产只读模式 |
| 离线积累 | 日志回放工具从结构化日志批量提取经验 |
最佳实践
1.装饰器模式自动缓存执行结果
2.LLM-as-Judge 评分 + 满分门控防止低质量经验污染
3.策略模式四大可插拔组件实现场景适配
4.读写分离开关支持生产只读模式