mimo code的无限上下文依赖三层记忆结构与主动压缩机制，而非单纯堆token：通过writer子agent触发checkpoint提取11类结构化字段存入sqlite fts5，支持语义检索；接近满载时执行clean rebuild，仅加载强相关片段；/dream命令生成current-state.md并归档冗余信息；compose模式支持@memory、@task等语法定向调用上下文。
☞☞☞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 的无限上下文不是靠堆 token 实现的，而是靠一套可检索、可压缩、可重建的记忆系统。对 AI 程序员来说，高效检索历史上下文的关键不在于“记住全部”，而在于“精准召回关键片段”——这依赖于它的三层记忆结构与主动压缩机制。
持久记忆系统：项目级信息自动沉淀
MiMo Code 在项目根目录下自动生成 MEMORY.md，它不是聊天记录的简单备份，而是由 Writer 子 Agent 主动提取并结构化保存的成果：
- 每次对话达到 20% / 45% / 70% 上下文容量时，自动触发 checkpoint
- Writer 从中识别出 11 类固定字段：如接口约定、命名规范、未完成 TODO、已验证失败方案、模块职责边界等
- 这些字段被写入 SQLite FTS5 数据库，支持全文+语义混合检索（例如搜“支付回调超时处理”会命中相关设计决策和错误日志）
Checkpoint + rebuild：长会话不中断的底层逻辑
当主窗口接近满载时，MiMo Code 不是强行截断或模糊压缩，而是执行一次 clean rebuild：
- 切断当前上下文流，但保留所有 checkpoint 文件（checkpoint.md、task-tree.json、notes.md）
- 用最新状态重建轻量级上下文摘要：只加载与当前任务强相关的记忆片段，而非整段历史
- 重建后继续执行，用户无感知，且不会出现“中间遗忘”问题
/dream 命令：一键整合与状态压缩
这是最实用的主动检索入口。运行 /dream 后，系统会：
- 扫描全部 checkpoint 和 MEMORY.md，合并重复/冲突的设计决策
- 生成一份紧凑的 current-state.md，包含当前项目共识、待办清单、已验证约束
- 把冗余中间过程（如多次尝试的调试命令、废弃分支思路）归档到 archive/ 目录，不影响主上下文
- 后续提问可直接引用 current-state.md 内容，比如：“按 current-state.md 中约定的鉴权方式，补全 login.tsx”
Compose 模式下的上下文定向调用
在 Tab 切换至 Compose 模式后，你可以显式声明要激活哪类记忆：
- @memory:auth —— 只加载与鉴权模块相关的所有历史片段
- @task:2026-06-18-003 —— 精准召回某次完整任务的全部输入、输出与错误
- @git:main —— 结合当前 Git 分支状态，动态过滤记忆范围
这种语法让上下文不再是被动容器，而成为可编排、可寻址的开发资产。
