MemGovern: Miglioramento degli Agenti di Codice attraverso l'Apprendimento da Esperienze Umane Governate
MemGovern: Enhancing Code Agents through Learning from Governed Human Experiences
January 11, 2026
Autori: 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
Abstract
Mentre gli agenti autonomi di ingegneria del software (SWE) stanno rimodellando i paradigmi di programmazione, attualmente soffrono di una limitazione di "mondo chiuso": tentano di correggere i bug da zero o utilizzando esclusivamente il contesto locale, ignorando l'immensa esperienza umana storica disponibile su piattaforme come GitHub. L'accesso a questa esperienza di mondo aperto è ostacolato dalla natura non strutturata e frammentata dei dati reali di tracciamento dei problemi. In questo articolo, introduciamo MemGovern, un framework progettato per governare e trasformare i dati grezzi di GitHub in una memoria esperienziale utilizzabile dagli agenti. MemGovern impiega una governance dell'esperienza per convertire l'esperienza umana in schede esperienziali compatibili con gli agenti e introduce una strategia di ricerca esperienziale agentica che consente il recupero guidato dalla logica dell'expertise umana. Producendo 135.000 schede esperienziali governate, MemGovern ottiene un significativo miglioramento delle prestazioni, aumentando il tasso di risoluzione sullo SWE-bench Verified del 4,65%. In quanto approccio plug-in, MemGovern fornisce una soluzione per un'infrastruttura di memoria compatibile con gli agenti.
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.