mimo code 的 memory agent 通过工程化方式实现结构化记忆管理：由独立 subagent 自动生成 checkpoint.md、notes.md 和 memory.md 文件，支持自动优化、验证与压缩，并分层应对项目记忆、会话检查点和任务进度追踪三类场景。

☞☞☞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 Memory Agent 不是把提示词写得更巧，而是让 AI 真正“记住项目”——它用工程化方式接管记忆这件事，把原本靠模型临时拼凑的上下文，变成可存储、可验证、可压缩的结构化状态。

记忆不再依赖模型“自觉记笔记”

传统工具如 Cursor 或 Claude Code 会把历史对话一股脑塞进上下文窗口，等快满了就靠模型自己总结或丢弃。MiMo Code 换了思路：主 Agent 只管干活，记录全交给独立的 checkpoint-writer subagent。

• 当会话接近上限时，subagent 自动提取关键信息，生成一份干净简报（clean summary），存为 checkpoint.md
• 同时把项目决策、架构逻辑写入 notes.md，把任务进度同步到 MEMORY.md
• 这些文件都保留在本地项目目录下，重启后主 Agent 能直接读取，不是靠缓存或云端同步

记忆会自动整理和进化

光存下来不够，还要让它越用越准。MiMo Code 内置 /dream 命令，每 7 天触发一次后台记忆优化流程：

One API key for 70+ AI models. Route to GPT, Claude, Gemini, Qwen, Deepseek, Grok and more

统一LLM网关 - 一个API对接70+AI模型，使用单一API密钥即可调用GPT、Claude、Gemini、Qwen、Deepseek、Grok等主流模型。

下载

• 读取全部历史会话 + 当前 memory 文件，合并重复内容
• 验证代码路径是否仍有效（比如某文件是否还存在、函数签名是否变更）
• 压缩冗余描述，保留决策依据和关键约束，输出精简版当前状态快照
• 这个过程不依赖人工干预，也不需要你手动清理聊天记录

三重机制对应三类真实开发场景

它的记忆不是笼统的“记住对话”，而是按用途分层设计：

• 项目记忆：适合跨天协作，比如你昨天定下的组件接口规范，今天它还能主动提醒“上次约定 props 必须支持 onDragEnd 回调”
• 会话检查点：适合中断续写，比如调试中途关机，再打开时它能从上一个测试失败节点继续，不用重跑整个流程
• 任务进度追踪：适合多步骤交付，比如“实现登录页 → 加暗色模式 → 补 E2E 测试”，每步完成自动标记，避免遗漏

和“提示词工程”的本质区别

提示词工程是在每次请求里反复塞背景；Memory Agent 是让系统自己建档案、做索引、定期归档：

• 提示词工程：每次问“请加暗色模式”，你得重说一遍组件名、框架版本、CSS 方案
• Memory Agent：你只说“加暗色模式”，它自动查 notes.md 知道该改哪些文件、用什么主题变量、哪些测试要更新
• 前者靠人补全上下文，后者靠机器维护上下文