mimo code 是为真实协作场景构建的终端 ai 编程代理，通过 spec-manager 实现统一需求入口、可追溯执行链、跨会话记忆和多 agent 协同，使团队用同一语言对齐目标、共享上下文、追踪过程。
☞☞☞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 不是为单人写代码设计的，而是为真实协作场景构建的终端 AI 编程代理。它在跨团队任务流中真正起作用的地方，不是“生成更快”，而是让不同角色能用同一套语言对齐目标、共享上下文、追踪执行过程。
统一需求入口：从模糊描述到可执行规格
跨团队协作常卡在需求传递失真——产品提“做个登录页”，前端理解成 UI 布局，后端默认要鉴权流程，测试却没收到边界条件。MiMo Code 配合 spec-manager 强制引入三层规格体系：
- L1 PRD（为什么做）：由产品输入，聚焦用户价值与验收标准，比如“支持手机号+验证码免密登录，5秒内完成，失败不暴露后端细节”
- L2 Design（怎么做）：由技术负责人或架构师确认，明确技术选型、接口契约、安全策略，例如“复用现有 JWT 签发服务，验证码存 Redis 5 分钟，校验失败锁定设备 1 分钟”
- L3 Impl（具体改什么）：冻结后交由 MiMo Code 执行，自动拆解为修改 login.controller.ts、新增 verify-code.service.ts、更新 swagger.yaml 等文件级操作
所有规格均存于本地 Git 仓库的 specs/ 目录，版本化、可 diff、可评论，不再依赖飞书文档截图或口头同步。
可追溯的执行链：谁在什么时间做了什么决定
传统 AI 工具执行完只留代码变更，而 MiMo Code 在 spec-manager 约束下，每轮执行都会自动生成结构化日志：
- 记录模型调用时的上下文快照（含当前 Git commit、依赖版本、环境变量）
- 保存每一步 Shell 命令及返回码（如
npm run lint是否通过） - 附带 AI 决策依据简报（例如：“选择 Axios 而非 Fetch，因项目已存在 axios-interceptor 配置”）
这些信息自动注入 PR 描述和 spec 关联 commit，测试同学点开 MR 就能看到“AI 修改了哪几处、为什么这么改、是否跑过单元测试”，无需再问“这个逻辑是谁加的”。
跨会话记忆：新成员接手不用重读一周代码
当 A 团队做完登录模块，B 团队接手权限扩展时，MiMo Code 的持久记忆系统会自动加载已有项目记忆：
- 识别出
auth-core包是核心鉴权层，user-service是主数据源 - 复用 L2 设计中定义的 token 签发策略与错误码规范
- 避免重复解释“为什么用 Redis 存验证码”“JWT 过期时间设为 2h”
新成员只需运行 mimo spec list 查看已有规格，再用 mimo spec new L3 --parent auth-L2.2 新建子任务，AI 就能基于完整上下文推进，而不是从零开始猜业务规则。
多 Agent 协同：把“一个人干所有活”变成“分工明确的小组”
MiMo Code 支持启动多个子智能体并行处理不同职责：
- Code Agent 负责编写和修改代码
- Test Agent 自动补全 Jest 测试用例，并运行覆盖率检查
- Doc Agent 同步更新 README.md 和 OpenAPI 文档
- Review Agent 按团队 Code Review Checklist 扫描潜在风险（如硬编码、未处理异常）
各 Agent 输出统一归集到 spec 任务页，负责人可按需审核某一项（比如只看 Test Agent 报告），不必等全部完成才介入。这种分工机制天然适配前后端分离、QA 提前介入等现代协作节奏。
