mimo code 是终端原生单用户ai编程agent，通过子智能体编排与多角色分工实现“类团队协作”，支持持久记忆、max mode并行及goal停止条件，并输出结构化交付物嵌入现有研发流程。
☞☞☞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 本身不是为“多人协作”设计的，它是一个终端原生的单用户 AI 编程 Agent，核心目标是让一位开发者在本地完成长程、复杂、跨文件、带状态的编程任务。但它支持通过 子智能体（SubAgent）编排 和 多角色分工机制，实现单人工作流内的“类团队协作”——也就是把一个大型研发任务拆解成多个专业角色协同推进，而非多人同时在线编辑或共享会话。
子智能体分工：让不同角色各管一摊
MiMo Code 的 Compose 模式和 Writer subagent 架构，天然支持按职责划分子智能体。比如处理一个“重构微服务接口并更新文档”的任务，系统可自动调度：
- Analyzer Agent：负责读取旧代码、识别依赖、提取接口契约
- Refactor Agent：执行代码改写、保持类型安全、注入新日志埋点
- Test Agent：生成单元测试、运行集成验证、反馈失败路径
- Doc Writer Agent：从变更中提取变更点，同步更新 OpenAPI YAML 和 README
这些子智能体不共享内存，但通过四层记忆体系（项目记忆 + 会话检查点 + 任务进度 + 工具调用日志）保持上下文连贯。它们之间不直接通信，而是由主代理（Orchestrator）统一调度、校验、合并结果。
持久记忆支撑跨阶段协作
大规模研发任务常跨越数小时甚至数天，中间可能中断、重启、切换分支。MiMo Code 的 SQLite FTS5 持久记忆模块，能把每个子智能体的推理轨迹、工具调用记录、关键决策依据存入本地数据库。下次启动时，它能准确恢复“Refactor Agent 已完成 v1 接口迁移但 Test Agent 尚未覆盖 error case”这一状态，而不是从头猜测。
这种能力让单个 AI 程序员具备了类似小型开发小组的连续性：前一轮由 Analyzer 完成的接口图谱，下一轮 Refactor 可直接引用；Test 的失败堆栈会被 Doc Writer 主动规避误写。
Max Mode 并行与 Goal 停止条件控制节奏
面对大型任务，MiMo Code 支持 Max Mode —— 在保证因果链正确的前提下，并行触发多个子智能体。例如：一边跑静态分析，一边生成 PR 描述草稿，一边预拉取依赖包。但并行不是无序并发，它受 Goal 停止条件约束：
- 所有子任务必须满足“接口定义一致”才进入下一阶段
- 任意子智能体报告不可修复错误（如类型冲突无法 resolve），则自动降级为人工介入提示
- 当覆盖率提升达 92% 且无 critical lint 报错时，自动终止测试循环
这种机制避免了传统 Agent 在长流程中“自以为完成”的乐观停止问题，也防止子智能体各自为政导致逻辑撕裂。
与真实团队协作的衔接方式
MiMo Code 不替代 Git 协作或 Code Review 流程，但它能输出结构化交付物，无缝嵌入现有研发流水线：
- 自动生成符合团队规范的 commit message 与 PR title/description
- 输出 diff patch + 影响范围分析（哪些测试需重跑、哪些文档需更新）
- 将子智能体的决策日志导出为 REVIEW.md，供人类工程师快速判断可信度
- 支持接入企业内部 LLM 网关，让各子智能体调用不同权限的模型（如 Analyzer 走轻量模型，Refactor 走 MiMo-V2.5-Pro）
换句话说，它不试图模拟“五人开会”，而是成为那个始终在线、记得所有细节、能分身多职又不抢人活的资深协作者。
