agentdb-learning-plugins
Entraîner des plugins d’apprentissage AgentDB
Les équipes ont besoin de conseils pratiques pour les agents d’apprentissage par renforcement dans AgentDB. Cette compétence fournit des modèles, des workflows d’entraînement et des modèles d’évaluation pour les plugins d’apprentissage.
Installer avec mon Agent
Copiez cette demande dans votre Agent. Elle contient la page Skill de référence et le manifeste.
Review the Skillstore skill "agentdb-learning-plugins" from https://skillstore.io/skills/dnyoussef-agentdb-learning-plugins.md and its manifest at https://skillstore.io/api/skills/dnyoussef-agentdb-learning-plugins/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.Votre Agent doit toujours présenter son plan et demander toute confirmation exigée par la politique de sécurité.
Ressources lisibles par les agents
Utilisez ces liens lorsqu’un Agent IA, un crawler ou un script a besoin d’un contexte propre au lieu de lire toute la page.
Tester
Utilisation de « agentdb-learning-plugins ». J’ai besoin d’un plugin d’apprentissage pour des décisions de navigation discrètes.
Résultat attendu:
La compétence recommande Q-Learning pour un apprentissage efficace des valeurs, ou SARSA lorsque l’exploration plus sûre est plus importante.
Utilisation de « agentdb-learning-plugins ». J’ai enregistré des trajectoires d’experts et je ne peux pas tester dans l’environnement réel.
Résultat attendu:
La compétence oriente vers Decision Transformer, car il prend en charge l’apprentissage hors ligne à partir de séquences historiques.
Utilisation de « agentdb-learning-plugins ». L’entraînement est lent après avoir collecté de nombreuses expériences.
Résultat attendu:
La compétence suggère l’entraînement par lots, l’échantillonnage par rejeu et moins d’époques incrémentales avant un travail d’optimisation plus approfondi.
Audit de sécurité
SûrStatic analysis flagged Markdown backticks, documentation links, a relative SQLite example path, and one ordinary use-case bullet. Review found no prompt injection, hidden execution, credential access, or data exfiltration intent in SKILL.md.
Facteurs de risque
⚙️ Commandes externes (50)
🌐 Accès réseau (2)
Partager et citer ce rapport
Partagez le rapport d’évaluation versionné, le badge neutre, la carte intégrable et les citations. Skillstore présente les preuves sans décider si ce Skill est sûr.
Copier le lien du rapport
https://skillstore.io/skills/dnyoussef-agentdb-learning-plugins/audits/10?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_reportBadge Markdown
[](https://skillstore.io/skills/dnyoussef-agentdb-learning-plugins?utm_source=security_passport_badge)Badge HTML
<a href="https://skillstore.io/skills/dnyoussef-agentdb-learning-plugins?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/dnyoussef-agentdb-learning-plugins/security.svg" alt="Skillstore security assessment" loading="lazy"></a>Carte intégrable
<iframe src="https://skillstore.io/embed/skills/dnyoussef-agentdb-learning-plugins.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>Citations académiques (APA · BibTeX · CFF)
Citation APA
DNYoussef. (2026). agentdb-learning-plugins security audit report (audit version 10) [Author version unspecified]. Skillstore. https://skillstore.io/skills/dnyoussef-agentdb-learning-plugins/audits/10Citation BibTeX
@techreport{dnyoussef-dnyoussef-agentdb-learning-plugins-2026,
author = {DNYoussef},
title = {agentdb-learning-plugins security audit report (audit version 10)},
institution = {Skillstore},
year = {2026},
number = {10},
url = {https://skillstore.io/skills/dnyoussef-agentdb-learning-plugins/audits/10},
note = {Author version unspecified}
}CITATION.cff
cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "agentdb-learning-plugins security audit report (audit version 10)"
version: "unspecified"
type: report
authors:
- name: "DNYoussef"
date-released: "2026-07-09"
url: "https://skillstore.io/skills/dnyoussef-agentdb-learning-plugins/audits/10"
identifiers:
- type: other
value: "skillstore:dnyoussef-agentdb-learning-plugins:audit:10"
description: "Skillstore immutable audit report identifier"
Comparer les variantes
2 variantes installablesChaque auteur reste un skill installable distinct. La variante recommandée est classée selon les preuves Skillstore.
Pourquoi cette variante est première
dnyoussef-agentdb-learning-plugins
2026-09-09
ruvnet-agentdb-learning-plugins
2026-09-09
Score Skillstore
Pourquoi ce score Niveau de confiance des preuves: ÉlevéCe que vous pouvez créer
Choisir un modèle d’apprentissage
Comparer les modèles AgentDB et sélectionner un algorithme pour un nouveau plugin d’apprentissage.
Construire un pipeline d’expérience
Planifier comment un agent stocke les états, les actions, les récompenses et les résultats pour un entraînement ultérieur.
Améliorer les workflows d’entraînement
Utiliser le rejeu, l’entraînement par lots et les conseils d’évaluation pour affiner un plugin existant.
Essayez ces prompts
Utilise cette compétence pour m’aider à choisir un modèle de plugin d’apprentissage AgentDB pour ma tâche. Explique l’algorithme recommandé et les premières étapes CLI.
Aide-moi à concevoir les champs d’expérience pour un plugin d’apprentissage AgentDB. Inclure state, action, reward, next state et completion status.
Utilise cette compétence pour décrire un workflow d’entraînement pour mon plugin AgentDB. Inclure la taille de lot, les époques, la validation et les points de contrôle d’évaluation.
Compare Decision Transformer, Actor-Critic, le rejeu et l’apprentissage incrémental pour mon agent. Recommande une stratégie avec ses compromis et ses risques.
Bonnes pratiques
- Commencer par l’algorithme le plus simple qui correspond à l’espace d’action et aux exigences de sécurité.
- Stocker des enregistrements d’expérience complets afin que l’entraînement et l’évaluation puissent utiliser des signaux cohérents.
- Évaluer les décisions apprises sur des scénarios mis de côté avant de les utiliser dans des agents de production.
Éviter
- Ne choisissez pas d’algorithmes avancés avant d’avoir défini les récompenses et les critères de réussite.
- N’entraînez pas uniquement sur des épisodes réussis si les échecs sont importants pour la sécurité.
- Ne considérez pas les scores de confiance comme des garanties de production sans validation séparée.