mimo code 的多 agent 架构将缓存与上下文记忆设计为动态联动闭环：缓存是记忆的“快照出口”，记忆是缓存的“语义源头”；通过检查点缓存、简报重建、/dream 周期校准及 compose 模式下的实时感知，实现高效状态锚定与语义连贯。
☞☞☞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 协作架构里，缓存和上下文记忆不是两个独立模块，而是被设计成动态联动的闭环系统——缓存是记忆的“快照出口”，记忆是缓存的“语义源头”。这种联动不靠模型自觉维持，而是由工程机制主动驱动。
项目记忆 → 检查点缓存 → 简报重建
当用户开启一个新项目，MiMo Code 会自动建立项目记忆：记录关键决策（如“选用 Gin 而非 Echo”）、目录结构、接口约定等。这些信息不会堆进对话上下文，而是写入本地持久化存储，并生成轻量级检查点缓存（checkpoint cache）。
- 每次任务推进到关键节点（如完成 API 设计、跑通首个测试），子 Agent 自动触发缓存更新；
- 缓存内容含结构化元数据（时间戳、依赖文件哈希、变更摘要），而非原始对话文本；
- 当主 Agent 需要续写时，它不加载全部历史，而是读取最新检查点缓存，再结合当前会话生成“简报”作为上下文输入。
会话检查点与动态简报压缩
传统长上下文方案常因 token 膨胀导致响应变慢或截断。MiMo Code 的解法是把缓存作为上下文调控阀：
- 会话窗口接近上限前（默认 128K token），子 Agent 启动简报压缩流程；
- 它不简单做 LLM 摘要，而是基于项目记忆索引 + 检查点缓存，提取“可执行线索”（如：“已实现 /auth/login POST 接口，返回 JWT，需补刷新逻辑”）；
- 生成的简报仅保留影响后续编码的决策链和状态标记，丢弃讨论过程、试错片段、重复确认——这是缓存参与上下文裁剪的核心动作。
/dream 命令：缓存与记忆的周期性对齐
每 7 天自动触发的 /dream 不是清理垃圾，而是做一次缓存-记忆双向校准：
- 读取所有检查点缓存，合并重叠决策（例如多次提到“支持暗色模式”，统一为一条架构约束）；
- 验证缓存中记录的文件路径是否仍有效（如某 config.ts 已被重命名，缓存条目同步更新或标记失效）；
- 将收敛后的结果写回项目记忆，并生成新的全局缓存快照，供下一轮 Compose 模式调用。
Compose 模式下的实时缓存感知
切换到 Compose 模式后，整个工作流会主动查询缓存状态：
- 规划阶段：优先从项目记忆中拉取已有组件能力，避免重复造轮子；
- 编码阶段：若检测到某函数已在缓存中存在相似实现（通过 AST 结构比对），会提示复用建议而非新建；
- 测试阶段：自动关联检查点中记录的测试覆盖率目标，补全缺失场景。
这种联动让 MiMo Code 在上百轮交互中不靠“塞更多上下文”来保记忆，而是靠缓存做状态锚点、靠记忆做语义底座——既控 token 成本，又稳理解连贯性。
