ai程序员团队依靠结构化协作而非堆模型，通过spec-manager分层定义l1-l3规格、max mode并行子任务、sqlite持久记忆实现全栈闭环与跨会话接力。
☞☞☞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☜☜☜
AI 程序员团队不是靠堆模型，而是靠结构化协作把 MiMo Code 变成可交付的工程力量。它本身不直接“组队”，但通过规范流程、分层职责和外部编排，能让多个 MiMo Code 实例或与其他 Agent 配合，完成从前端到部署的全栈闭环。
用 spec-manager 定义角色与阶段
真正让 AI 协作起来的，不是指令，而是规格约束。spec-manager 把一个需求拆解为 L1（目标）、L2（方案）、L3（实现），每个层级天然对应不同角色：
- L1PRD 由产品经理型 Agent 或人类撰写，明确业务价值和验收标准
- L2Design 可交由架构型 Agent（如 Claude Code）输出技术选型与边界
- L3Impl 才交给 MiMo Code 执行——它只在规格冻结后动手，不越界、不猜测
这样，MiMo Code 不再是“单打独斗的码农”，而是流程中受控的实现单元，和设计、测试、部署环节形成上下游衔接。
让 MiMo Code 专注执行，其他 Agent 补位短板
MiMo Code 强在终端自治：读代码、改文件、跑命令、管 Git、续会话。但它不擅长抽象设计、安全审查或跨服务协调。实际编排中，常见分工如下：
- 前端模块 → MiMo Code（生成 Vue/React 组件 + ECharts 图表 + 路由）
- 接口契约 → Claude Code（基于 OpenAPI 规范生成接口定义与 mock）
- CI/CD 流水线 → Codex CLI 或自研 Shell Agent（写 GitHub Actions YAML、校验 lint）
- 安全扫描 → SonarQube + CodeQL 插件（自动触发，结果反馈回 spec-manager）
所有环节的输出（代码 diff、日志、报告）都沉淀进 spec-manager 的 tasks/
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。
用 Max Mode 并行推进多子任务
MiMo Code V0.1.0 支持 Max Mode，允许同一会话内并发启动多个子智能体，各自处理独立子任务：
- 子任务 A：重构 user-service 模块，更新依赖并补单元测试
- 子任务 B：同步修改 frontend/src/api/user.ts，适配新接口字段
- 子任务 C：生成 migration script，升级本地 SQLite 数据库 schema
三个子任务共享项目上下文（MEMORY.md、checkpoint.md），但执行隔离、进度独立。MiMo Code 内置协调器会在全部子任务满足/goal 条件（如“所有 test 命令返回 0”）后才宣告主任务完成，避免“部分成功即交付”的陷阱。
持久记忆支撑跨会话接力开发
真实项目不会一次做完。MiMo Code 的 SQLite FTS5 持久记忆机制，让不同时间启动的实例能复用历史信息：
- 第一次会话记录：“本项目禁止使用 axios，统一用 fetch 封装”
- 第二次会话启动时，自动加载该规则，无需重复提醒
- Git commit message、已修复 bug、未完成 task ID 全部存于本地数据库，支持模糊语义检索
这意味着，一个“AI 程序员团队”可以由不同人、不同时段启动的 MiMo Code 实例组成，它们不是孤立运行，而是在同一个项目记忆基座上持续演进。
不复杂但容易忽略：AI 团队的有效性，不取决于单个 Agent 多聪明，而在于有没有清晰的输入边界、可验证的输出标准、以及让所有动作留痕的基础设施。MiMo Code 提供了执行底座，spec-manager 提供了流程骨架，剩下的，就是把人和 Agent 放对位置。
