用于强化学习编码智能体的反馈归一化开发者记忆：一种安全门控的 MCP 架构

针对大语言模型编码智能体在长周期软件工程中的持久化记忆需求，本文提出“强化学习开发者记忆”架构。该架构基于模型上下文协议（MCP），将记忆选择视为日志化的上下文决策过程，包含问题匹配排序、反馈映射奖励及决议记录机制。系统采用确定性排序器部署，结合影子模式下的上下文多臂老虎机策略，并通过保守的离策评估门控确保安全。实验表明，该架构在硬负样本抑制和决策准确性上表现优异，提供了一种可审计的记忆控制方案。