mimo code 是能理解项目上下文、拆解工程目标并协同执行多阶段任务的终端编码代理，擅长高并发缓存等系统级任务，具备上下文感知、compose模式驱动、持久记忆、安全编辑与静态分析能力。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
MiMo Code 不是简单补几行代码的助手，而是能理解项目上下文、拆解工程目标、协同执行多阶段任务的终端编码代理。构建高并发缓存逻辑这类典型系统级任务，恰恰是它最擅长的场景——因为它不只生成代码，还主动管理状态、验证路径、保障一致性。
理解项目上下文，避免“凭空造轮子”
MiMo Code 启动时会自动扫描当前代码仓库结构，识别已有缓存组件（如 Redis 客户端封装、连接池配置、序列化策略），并结合 Git 历史和 README 推断技术选型偏好。它不会默认用 LRUMap 写本地缓存，也不会硬塞一个未适配的 RedisTemplate。
- 例如你输入 “给用户服务加一级缓存，支持穿透防护和自动刷新”，它先读取 spring-boot-starter-data-redis 版本、现有 @Cacheable 注解用法、是否启用 Caffeine，再决定采用「Caffeine + Redis 双层」还是「Redis + Lua 原子锁」方案
- 它会检查 application.yml 中 redis.host 是否为 sentinel 或 cluster 模式，据此生成对应的连接初始化逻辑，而非套用单机模板
用 Compose 模式驱动完整闭环流程
高并发缓存不是写个 @Cacheable 就完事，涉及预热、降级、监控、失效策略多个环节。MiMo Code 的 Compose 模式会把整件事拆成可验证的子任务流：
- Plan 阶段：输出缓存键设计规范（含业务前缀、版本号、分片逻辑）、热点 key 识别机制（基于 Micrometer 指标采样）、失效触发条件（DB 更新事件 or TTL 自动过期）
- Build 阶段：生成带 tryLock + double-check 的加载逻辑、异步刷新线程池配置、失败降级到 DB 的 fallback 实现
- Verify 阶段：自动生成 JMeter 脚本模拟 5000 QPS 下缓存命中率与 P99 延迟，并插入断言校验降级开关是否生效
持久记忆让每次迭代都“记得上次怎么干的”
缓存逻辑常需多次调优：第一次加缓存，第二次加布隆过滤器防穿透，第三次加监控埋点。传统 AI 工具每次对话都是新开始，而 MiMo Code 的持久记忆系统会持续积累：
- 项目记忆：记录你曾拒绝过 “用 Guava Cache 替代 Caffeine” 的决策，后续不再推荐同类方案
- 会话检查点：上次压测发现 refreshAfterWrite 导致大量线程阻塞，下次生成配置时自动改用 scheduleWithFixedDelay 异步刷新
- /dream 命令定期压缩：合并分散在不同会话中的缓存指标名（如 cache.hit、user_cache_hit、hit_count），统一为 prometheus 标准格式 cache_hits_total
安全编辑与变更审查，守住生产底线
它不直接覆盖源码，而是通过内置 diff 工具生成 patch，并标注每处修改的影响范围：
- 修改 UserServiceImpl 的 findById 方法时，自动识别该方法被 3 个 Controller 调用、2 个单元测试覆盖，提醒你同步更新 Mock 数据
- 新增 RedisLockUtil 类时，检查是否已存在同名工具类，避免冲突；若检测到项目使用 Resilience4j，会建议用 Bulkhead + Cache 组合替代手写锁
- 所有生成代码默认开启 static analysis 扫描（SpotBugs + ErrorProne），对 volatile 修饰符缺失、锁粒度太粗等并发隐患给出修复建议
它不替代架构设计，但能把设计意图稳稳落地——从第一行代码到上线验证，全程带着上下文、守着约束、记着历史。
