mimo code 通过分层职责隔离与状态归档下沉降低agent间通信开销：主agent专注执行，子agent专职记忆管理，仅关键节点交换轻量快照；采用按需加载+增量重建策略，摘要长度控于2–5k tokens；compose模式封装全流程为单次响应；缓存机制复用静态上下文，显著减少通信频次与成本。
☞☞☞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 并不主打“降低 Agent 间通信开销”这一技术指标，而是通过架构设计绕开高开销通信问题——它用分层职责隔离 + 状态归档下沉的方式，让通信变得稀疏、可控、可压缩。
主 Agent 专注执行，子 Agent 承担状态管理
传统多 Agent 系统常因频繁同步上下文、共享中间结果而产生大量 token 传输和模型调用。MiMo Code 的解法是明确分工：
- 主 Agent 只负责当前任务的推理与代码生成，不保存历史、不维护项目状态
- 独立子 Agent（Memory Subagent）专职处理记忆归档：自动捕获项目结构、关键决策、会话检查点和任务进度
- 两者之间不实时同步，仅在关键节点（如任务切换、窗口将满、/dream 触发时）做轻量状态快照交换
会话状态按需重建，而非持续广播
避免每个 Agent 都持有完整上下文，MiMo Code 采用“按需加载 + 增量重建”策略：
- 当主 Agent 需要回顾某段历史（例如修复 bug），子 Agent 不发送原始对话流，而是输出一份精简摘要（含变更路径、依赖影响、测试覆盖情况）
- 摘要由子 Agent 基于持久记忆库生成，长度控制在 2–5k tokens 内，远低于原始会话可能达数十万 token 的体量
- 该机制使 Agent 间数据交换频次下降约 70%，单次通信量减少 85% 以上（实测基于 SWE-Bench Pro V2 场景）
Compose 模式压缩交互轮次，从源头减少通信需求
常规 Coding Agent 往往需要人-模型反复对齐需求、补全逻辑、修正错误，导致多次 Agent 调用与状态传递。MiMo Code 的 Compose 模式把整个流程封装为单次指令响应：
- 用户输入一个想法（如“加个暗色主题开关，支持 localStorage 持久化”）
- 系统内部完成需求拆解、API 设计、文件修改、测试用例生成、审查反馈，全程由同一主 Agent 流水线执行
- 仅在必要环节（如测试失败后重规划）才触发子 Agent 更新记忆，不引入额外协调层
缓存驱动的上下文复用，降低重复通信成本
对于工程级开发，项目结构、配置文件、依赖关系等信息高度复用。MiMo Code 利用 MiMo V2.5 Pro 的缓存机制，让这些静态上下文“只传一次，多次命中”：
- 首次加载项目目录或 package.json 时，输入 token 按标准价计费（如 0.435 美元 / 百万 token）
- 后续所有任务中复用该上下文片段，均走缓存路径（低至 0.036 美元 / 百万 token）
- 缓存命中由子 Agent 统一维护索引，主 Agent 仅需引用 key，无需传输原始内容
