mimo code 不直接自动修复 bug，而是通过构建可感知、可推理、可执行的智能体闭环实现 ai 自主协同修复。它具备持久记忆系统、compose 模式、语音+上下文感知能力及遥测联动能力，全面提升修复效率与准确性。
☞☞☞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 本身不直接“自动修复 Bug”，它通过构建一个可感知、可推理、可执行的智能体闭环，让修复过程从“人主导+AI辅助”转向“AI自主协同+人确认决策”。真正的自动化修补，发生在它把上下文理解、根因定位、补丁生成、验证执行全部串起来之后。
持久记忆系统：让 AI 记住你的项目逻辑
传统工具每次提问都像第一次见面，而 MiMo Code 的 Subagent 会持续归档三类关键信息：
- 项目记忆：自动提取并结构化存储模块职责、核心类关系、常见异常模式（比如某个 service 层方法常因未判空引发 NPE）
- 会话检查点：在你中断调试时保存当前堆栈、日志片段、已尝试的修复路径
- 任务进度追踪：区分“已定位问题”“待验证补丁”“需人工审核变更”，避免重复劳动
这意味着，当你第二次遇到类似空指针异常，它能立刻关联到上次修复中你认可的 guard clause 模式，并复用到新位置。
Compose 模式：一键触发完整修复流程
输入一句“修复用户登录后 token 刷新失败的问题”，MiMo Code 不是只生成几行代码，而是自动完成：
- 拉取最近 3 小时 CI 失败日志 + 对应 commit diff
- 定位到 JwtTokenService.refreshToken() 中 refreshTokenCache.get() 返回 null 的调用链
- 生成带 null-check 和 fallback 逻辑的补丁，并附上单元测试用例
- 调用本地 mvn test 验证该补丁是否通过所有相关测试
整个过程无需切换窗口、复制粘贴、手动运行命令——它在终端内闭环执行，只在关键节点（如合并前）提示你确认。
语音+上下文感知：让诊断更贴近真实开发场景
你边看日志边说“这个 timeout 异常，是不是跟上周改的线程池配置有关？”，MiMo Code 会：
- 调取 /dream 更新后的全局记忆，找到上周修改 application.yml 的 commit 和评审意见
- 比对当前线程池活跃数监控曲线，确认超时发生时段与线程耗尽时间吻合
- 建议将 corePoolSize 从 4 改为 8，并自动生成配置变更 diff 和压测脚本
它不是靠关键词匹配，而是把日志、配置、提交历史、监控数据当成同一份上下文来推理。
与遥测系统联动：让 AI 能查自己的“病历”
如果接入 Monocle 这类遥测插桩工具，MiMo Code 可以通过 MCP 协议直接读取自身或目标服务的历史 trace：
- 调用 get_traces 筛出过去 24 小时内所有抛出 TimeoutException 的请求
- 用 get_trace_details 提取其中一次失败 span 的完整输入参数、模型调用耗时、下游响应码
- 发现 90% 的超时都发生在调用第三方地址解析 API 时，且重试策略未生效 → 直接定位到 RetryTemplate 配置缺失
这种基于真实运行数据的归因，比仅靠静态代码分析更可靠。
