mimo code 是终端原生 ai 编程 agent，其“ai 编程团队”由 spec-manager、compose 模式、子智能体架构等工具集协同管理；spec-manager 通过 l1prd/l2design/l3impl 三级规格冻结实现交付物驱动开发；compose 模式按任务调度 planner/code/test/review 四类子 agent 并由状态机驱动流程；持久记忆系统含项目级记忆、会话检查点与 dream 周期压缩保障上下文连续；cli workers 支持异构模型动态接入，实现能力互补与分工协同。
☞☞☞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 本身不是编排工具，而是终端原生的 AI 编程 Agent；真正承担“AI 编程团队”管理职责的，是围绕它构建的工具集——尤其是 spec-manager 和与之协同的 Compose 模式、子智能体架构。高效管理不靠堆人，而靠把 AI 的协作流程工程化：让每个 Agent 明确角色、有据可依、过程可溯、结果可验。
用 spec-manager 建立任务准入与验收标准
没有规格约束的 Agent 就像没图纸就开工的施工队，容易返工、难复盘。spec-manager 的作用不是限制 AI，而是给它一套“开工前必须签的合同”。
- L1PRD（为什么做）：明确业务动因和用户价值，避免 AI 自行脑补需求
- L2Design（怎么做）：定义技术边界、接口契约、兼容性要求，防止过度设计或遗漏关键路径
- L3Impl（具体怎么写）：冻结文件路径、函数签名、测试用例清单，作为 Agent 执行的唯一依据
只有 L3 规格被标记为 frozen，MiMo Code 才被允许进入编码阶段。这一步把“聊天式开发”变成了“交付物驱动开发”，也天然支持多人/多会话接力——下一任开发者打开 specs 目录，就能立刻接上进度。
用 Compose 模式激活多角色子智能体协同
MiMo Code 的 Compose 模式不是简单并行，而是按任务类型自动调度不同专长的子 Agent：
- Planner Agent 负责拆解需求、识别依赖、预估风险，输出执行路线图
- Code Agent（主 MiMo Code）专注编写与修改代码，只接收已确认的 L3 规格
- Test Agent 自动补全单元测试、生成覆盖率报告，并验证是否满足 L3 中定义的验收点
- Review Agent 对比 diff 与原始规格，检查是否存在偏离、冗余或安全漏洞
整个流程由 spec-manager 的状态机驱动：L3 冻结 → 启动 Planner → Planner 完成 → 启动 Code + Test 并行 → Review 校验通过 → 自动提交 PR 并附带完整 spec 链路快照。
用持久记忆+Dream机制保障上下文连续性
AI 编程团队最大的隐性成本，是每次会话重启都要重新加载项目背景。MiMo Code 的持久记忆系统通过三层机制解决这个问题：
- 项目级记忆：自动索引 Git 仓库结构、README、配置文件，形成轻量知识图谱
- 会话检查点：每轮交互后保存关键决策快照（如“放弃 JWT 改用 Session 认证”），供后续会话调用
- Dream 周期压缩：每 7 天触发 /dream，由独立子 Agent 归纳高频模式、合并重复记忆、剔除过期上下文
这意味着，即使隔了两周再处理同一个模块，MiMo Code 不是从零理解，而是带着上次重构时的技术判断、踩过的坑、以及团队共识继续推进。
用 CLI Workers 接入异构模型实现能力互补
不是所有任务都适合同一个模型。MiMo Code 支持通过 CLI Workers 动态调用不同模型处理特定环节：
- 用 DeepSeek-VL 做前端 UI 设计稿解析，生成 Vue 组件骨架
- 用 GLM-4 理解中文需求文档，提炼出 L1PRD 关键条目
- 用 Kimi 进行跨语言依赖分析（比如 Python 项目里调用 Rust 库的绑定逻辑）
- 主流程仍由 MiMo-V2.5 执行，确保风格统一、上下文连贯
这种“一个大脑统筹，多个专家支援”的模式，比硬塞所有任务给单一模型更稳定、更可控，也更贴近真实工程团队的分工逻辑。
