構造化メモリであなたと共に成長するコードエージェント

要約: 「インテント指向プログラミング」（あるいは「Vibe Coding」）はソフトウェア工学を再定義する一方で、既存のコードエージェントは静的なコードスナップショットに縛られたままです。結果として、彼らはプロジェクトの時間的進化に埋め込まれた重要な情報をモデル化するのに苦労し、過去の成功した実践に内在する「推論の軌跡」を活用できていません。この制限は硬直した挙動ロジックと自律的適応性の欠如を招き、最終的には複雑でリポジトリレベルの問題に取り組む能力を妨げます。この静的-動的ミスマッチを埋めるために、継続的な人間とAIの共進化を可能にするフレームワーク MemCoder を提案します。 MemCoder はまず過去のコミットから潜在的な意図-コード対応を抽出するために、歴史的な人間の経験を構造化します。その後、検証フィードバックによって駆動される自己改良メカニズムを用いて、エージェントの挙動をリアルタイムで修正します。 重要なのは、人間が検証した解を長期的な知識へと結晶化する経験の自己内在化メカニズムを導入し、持続的な進化を支援することです。 SWE-bench Verified における実験結果は、MemCoder が最先端（SOTA）性能を達成するだけでなく、一般的な基盤モデル DeepSeek-V3.2 に対して解決率を 9.4% 改善することを示しています。 これらの知見は、プロジェクト履歴とリアルタイムのフィードバックを通じて人間と共進化する能力をエージェントに持たせることが、複雑なソフトウェア工学タスクにおける一般モデルの潜在能力を効果的に引き出すことを示しています。