mimo code 通过 compose 模式构建结构化任务图谱，由分工明确的子 agent 协同执行，支持 max mode 多方案自评与 dynamic workflow 可编程编排，提升长程任务稳定性与一次性通过率。
☞☞☞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 不靠单一大模型硬扛复杂任务，而是把开发过程当作可调度、可验证的工程流水线来处理。它用 Agent 编排替代“一问一答”，让多个子角色各司其职，再由 Compose 模式统一协调——这才是它能稳定推进长程任务的关键。
Compose 模式：任务拆解与组装的核心机制
Compose 不是简单分步执行，而是定义了一套结构化任务图谱。用户输入一个完整需求（比如“为电商后台添加商品导出 Excel 功能”），MiMo Code 会自动构建包含依赖识别、API 设计、文件生成、单元测试四个节点的任务树，并标注每个节点的输入/输出契约。
- 每个节点由专用子 Agent 承担：CodeGen Agent 负责写逻辑，TestGen Agent 自动生成断言，SecurityChecker Agent 插入参数校验
- 节点间通过标准化 JSON Schema 传递数据，避免上下文污染
- 失败节点会触发回滚快照，而非中断整个流程
子智能体协同：分工明确，权责清晰
不同于通用模型“什么都干一点”，MiMo Code 的子 Agent 具备固定能力边界和独立运行环境：
- Writer Agent：专管持久记忆，只读主会话、只写 checkpoint 文件，不参与代码生成
- Verifier Agent：独立于主执行流，用轻量模型对 Goal 完成度做二元判断（例如：“是否已生成 test/export.spec.ts？”）
- Tool Agent：封装 Git、npm、curl 等 CLI 工具调用，所有外部操作经它代理并记录审计日志
Max Mode：多方案并行 + 模型自评
针对关键决策点（如架构选型、错误修复路径），MiMo Code 可启用 Max Mode。它不是生成一个答案，而是让同一模型并行产出 5 个候选解，再调用同一个模型作为裁判，依据预设评分维度（可维护性、兼容性、性能开销）打分排序。
- 该模式默认关闭，需手动开启，适合高风险修改场景
- 所有候选方案均保存在本地 .mimo/candidates/ 目录，支持人工复核
- 实测在 SWE-Bench Pro 上将一次性通过率提升 10%–20%，代价是 token 消耗增加约 4.5 倍
Dynamic Workflow：用代码定义工作流
MiMo Code 允许开发者用 YAML 或 TypeScript 编写自定义 workflow，把 Compose 模式进一步外显化。例如定义一个“上线前检查流”，可声明：
- 前置条件：git status 必须 clean
- 顺序执行：lint → build → test → security-scan
- 任一环节失败即终止，并返回对应 Agent 的原始日志片段
这种设计让协作更透明，也便于团队沉淀最佳实践模板。
