面向强化学习编码智能体的反馈归一化开发者记忆：一种安全加盖的 MCP 架构

大型语言模型（LLM）编码智能体日益越过仓库、终端、测试和执行痕迹，在持续的软件工程情节中运行。持久记忆有用，但静态向量存储或通用检索增强生成（RAG）对于强化学习（RL）代码开发不够，因为细微差异会改变 Bellman 目标、终端掩码、梯度流动或验证主张。本文提出了 RL 开发者记忆，这是一种本地优先、模型上下文协议（MCP）原生的开发者记忆架构，专为 RL 编码智能体设计。它将记忆选择作为已记录的上下文决策过程来处理：issue_match 对候选对象进行排序并记录遥测数据，issue_feedback 将原始标签映射到有界奖励，issue_record_resolution 将已验证的解决方案链接到早期检索事件。一种确定性排序器继续部署，而一种情境性 bandit 残差策略在影子模式下运行，只能通过保守的离策略评估（OPE）闸门影响 canary 行为。RL/控制记忆需要理论到代码的元数据和审查加盖的治理。该系统在一个确定性的 200 案例基准上进行评估，包括 RL 算法错误、硬负例、审查加盖的 RL/控制案例以及低风险失败。在相同的提交比较中，确定性控制和完整影子/OPE 都实现了 80.0% 的预期决策准确率和 100.0% 的硬负例抑制；完整配置添加了学习遥测数据而非准确率提升。静态验证通过了 11/11 项检查；动态集成通过了 10/10 项案例。该证据报告了限制：主动部署已学习的策略和官方客户 MCP 互操作性不受支持，完整配置的延迟回归，以及 40 项残余非 RL 失败。该工作的贡献是具备明确主张边界的可审计记忆控制架构，而非通用的编码智能体改进主张。