mimo code通过工程化记忆机制解决长上下文问题：①项目记忆自动提取并固化核心模块职责、技术栈约束等，存入project-memory.json；②会话检查点在关键节点保存推理链；③动态简报压缩由writer子agent生成决策级摘要；④/dream命令定期收敛分散记忆，生成可审计的global-context.md。
☞☞☞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 并不靠“无限模型窗口”解决长上下文问题，而是用一套工程化记忆机制，让大型项目中反复出现的背景信息自动沉淀、按需加载，避免人工重复描述。
项目记忆：自动提取并固化关键结构
它在首次分析代码库时，会主动识别并记录以下内容：
- 核心模块职责（如 “src/api/ 负责与后端通信，统一使用 axios 封装”）
- 技术栈约束（如 “Vue3 + Pinia + Vite，禁止使用 Options API”）
- 命名与路径规范（如 “组件名首字母大写，文件夹名全小写”）
- 已有约定（如 “所有错误日志必须包含 traceId”）
这些信息被结构化存入 project-memory.json，后续任务默认读取，无需每次提醒。
会话检查点：分阶段保存推理链
当执行跨多文件重构或长流程任务（比如“将登录模块从 JWT 迁移到 OAuth2”），MiMo Code 会在关键节点自动生成检查点：
- 拆解完成时 → 记录任务树（含依赖顺序）
- 首次编译失败时 → 保存报错上下文 + 已修改文件列表
- 测试通过后 → 快照变更范围 + 验证逻辑
中断后重启，它不是重读全部聊天记录，而是直接加载最近检查点，继续未完成分支。
动态简报压缩：用子 Agent 替你做摘要
上下文占用达 70% 时，独立的 Writer 子 Agent 会启动，只保留真正影响决策的信息：
- 剔除调试过程中的中间命令输出
- 合并多次讨论中一致确认的设计点（如 “前端 token 存 localStorage，后端校验用 Redis”）
- 把零散反馈转为结构化约束（如把 “按钮颜色太浅” → “主操作按钮色值需满足 WCAG AA 对比度 ≥ 4.5”）
主 Agent 后续工作基于这份简报，而非原始对话流，既节省 token，又过滤噪声。
/dream 命令：定期收敛分散记忆
每七天自动触发一次 /dream，或手动执行，它会：
- 扫描所有历史会话和检查点
- 去重冲突描述（例如不同会话对同一接口的返回字段说法不一，取最新 commit 的 schema）
- 验证路径有效性（删除已不存在的文件引用、过期的 PR 链接）
- 生成一份精简版 global-context.md，作为新会话的默认前置知识
长期维护的项目越用越“懂你”，不是玄学，而是这套可验证、可审计的记忆闭环在起作用。
