mimo code 采用定制harness架构实现多agent动态协作，主agent统筹规划、subagent分担后台事务、各agent共享看板但独立上下文；compose模式支持一句话启动五阶段端到端编程；持久记忆系统自动归档优化知识并本地加密运行。
☞☞☞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 的多 Agent 协作不是把几个模型简单堆在一起，而是让不同角色的 AI 程序员真正分工、通信、校验，像人类开发团队一样完成端到端编程任务。
专属Harness架构支撑真实协作
MiMo Code 为 MiMo 系列模型定制了 Harness 系统，把每个 Agent 封装成可调度、可通信、可状态隔离的运行单元。它不依赖预设流程，而是让每个 Agent 基于 ReAct 循环自主判断：思考当前目标 → 调用工具行动 → 观察结果 → 决定下一步。这种机制让协作是动态发生的，而不是按脚本走完流程。
- 主 Agent 负责整体规划与协调，不参与具体编码
- SubAgent 自动接管记忆归档、状态快照、上下文压缩等后台事务
- 所有 Agent 共享统一任务看板，但各自拥有独立上下文空间，避免信息污染
Compose 模式一键启动团队作业
用户只需按 Tab 键进入 Compose 模式，输入一句话需求（如“用 Go 实现一个支持 redis-cli 的轻量 Redis”），系统自动拆解为设计→规划→编码→测试→审查五个阶段，并分派给对应角色的 Agent 并行执行。
统一LLM网关 - 一个API对接70+AI模型，使用单一API密钥即可调用GPT、Claude、Gemini、Qwen、Deepseek、Grok等主流模型。
- 研究员 Agent 负责查文档、读源码、确认协议细节
- 编码 Agent 专注生成结构清晰、符合 Go 风格的实现
- 测试 Agent 自动生成单元测试+集成测试，并验证 redis-cli 连通性
- 审查 Agent 对代码做安全扫描、性能评估和可维护性打分
持久记忆让团队持续成长
传统多 Agent 系统每轮任务都从零开始，而 MiMo Code 的持久记忆系统由独立 SubAgent 全权管理：每次会话结束自动存档关键决策、接口定义、错误路径；每 7 天触发 /dream 命令，合并重复记忆、验证历史方案有效性、压缩冗余信息，生成精简可靠的当前知识快照。
- 下次遇到相似任务时，研究员 Agent 直接复用已验证的协议解析逻辑
- 测试 Agent 记得上次遗漏的边界 case，自动补全测试覆盖
- 整个团队对你的项目风格、偏好、技术栈的理解越来越准
终端本地化 + 多模型兼容保障可控协作
MiMo Code 运行在本地终端，所有 Agent 协作过程不出设备。同时支持接入 DeepSeek、Kimi、GLM 等模型，可按任务类型灵活指定 Agent 所用模型——比如让推理强的模型做架构设计，让代码生成强的模型写实现，让逻辑严谨的模型做审查。
- 无需暴露代码或数据到云端
- 不同 Agent 可绑定不同模型，发挥各自优势
- 所有协作日志、中间产物、记忆文件均加密存储在本地
