MEMCoder：面向私有库代码生成的多维进化记忆

大型语言模型在依赖内部私有库的企业场景中表现不佳，现有检索增强生成（RAG）仅提供静态文档，缺乏对 API 协作模式及参数约束的理解。为此，本文提出 MEMCoder 框架，引入多维进化记忆机制，使模型能从自身解题轨迹中自主积累并演化使用指南。该框架通过双源检索注入静态文档与历史经验，并利用执行反馈构建自动化闭环，动态反思成败、解决冲突及更新记忆。实验表明，该方法显著优于现有 RAG 系统及持续学习方法。