MemGovern: Verbesserung von Code-Agenten durch Lernen aus geregelten menschlichen Erfahrungen
MemGovern: Enhancing Code Agents through Learning from Governed Human Experiences
January 11, 2026
papers.authors: Qihao Wang, Ziming Cheng, Shuo Zhang, Fan Liu, Rui Xu, Heng Lian, Kunyi Wang, Xiaoming Yu, Jianghao Yin, Sen Hu, Yue Hu, Shaolei Zhang, Yanbing Liu, Ronghao Chen, Huacan Wang
cs.AI
papers.abstract
Während autonome Softwareentwicklungs-Agenten (SWE-Agenten) die Programmierparadigmen neu gestalten, leiden sie derzeit unter einer "Closed-World"-Beschränkung: Sie versuchen, Fehler von Grund auf oder nur unter Verwendung des lokalen Kontexts zu beheben und ignorieren dabei die immense historische menschliche Erfahrung, die auf Plattformen wie GitHub verfügbar ist. Der Zugang zu dieser "Open-World"-Erfahrung wird durch die unstrukturierte und fragmentierte Natur realer Issue-Tracking-Daten erschwert. In diesem Artikel stellen wir MemGovern vor, einen Framework, der entwickelt wurde, um Rohdaten von GitHub zu verwalten und in handlungsorientiertes Erfahrungsgedächtnis für Agenten umzuwandeln. MemGovern setzt Experience Governance ein, um menschliche Erfahrung in agentenfreundliche Experience Cards umzuwandeln, und führt eine agentische Experience-Suche-Strategie ein, die eine logikgesteuerte Abfrage menschlicher Expertise ermöglicht. Durch die Erstellung von 135.000 verwalteten Experience Cards erzielt MemGovern eine signifikante Leistungssteigerung und verbessert die Lösungsrate im SWE-bench Verified um 4,65%. Als Plug-in-Ansatz bietet MemGovern eine Lösung für eine agentenfreundliche Gedächtnisinfrastruktur.
English
While autonomous software engineering (SWE) agents are reshaping programming paradigms, they currently suffer from a "closed-world" limitation: they attempt to fix bugs from scratch or solely using local context, ignoring the immense historical human experience available on platforms like GitHub. Accessing this open-world experience is hindered by the unstructured and fragmented nature of real-world issue-tracking data. In this paper, we introduce MemGovern, a framework designed to govern and transform raw GitHub data into actionable experiential memory for agents. MemGovern employs experience governance to convert human experience into agent-friendly experience cards and introduces an agentic experience search strategy that enables logic-driven retrieval of human expertise. By producing 135K governed experience cards, MemGovern achieves a significant performance boost, improving resolution rates on the SWE-bench Verified by 4.65%. As a plug-in approach, MemGovern provides a solution for agent-friendly memory infrastructure.