mimo code 通过结构化、分权式、可验证的知识注入机制实现多 agent 协作：writer 子 agent 在关键节点提取 11 个标准字段生成只读 json 记忆文件，主 agent 仅读取该文件重建上下文；读写权限分离确保记忆不被污染；/dream 命令每 7 天自动合并意图、压缩过期决策并更新全局索引；compose 模式下各子 agent 仅交换结构化产物，保障状态对齐与断点恢复。
☞☞☞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 的多 Agent 协作不是靠“共享一个聊天窗口”实现的，而是通过结构化、分权式、可验证的知识注入机制来保障上下文一致性。它不依赖模型自己“记住”，而是把记忆变成可读、可写、可审计的工程产物。
结构化记忆字段：让知识能被准确提取和复用
每次对话到达关键进度节点（20%、45%、70%上下文容量）时，独立的 Writer 子 Agent 会自动触发 checkpoint，从当前对话中提取并固化 11 个标准字段：
- 意图（用户原始目标，非 paraphrase 后的表述）
- 动作（已执行的操作类型，如「重写 test_utils.py」）
- 任务树（当前拆解出的子任务层级与完成状态）
- 错误（明确标注的失败点，含 stack trace 片段）
- 设计决策（人工确认或 Agent 自主选定的关键技术选型）
这些字段以纯文本 JSON 格式写入磁盘，不经过模型生成，也不参与后续 token 计算。主 Agent 在重建上下文时只读取这些字段，而非原始对话流——这直接规避了“中间信息丢失”（Lost in the Middle）问题。
读写权限分离：避免记忆污染和自我覆盖
主 Agent 对结构化记忆文件只有 读权限，唯一允许写的临时文档是 notes.md（会话级便签），且该文件不参与 checkpoint 提取。这种设计带来两个实际好处：
- Writer 子 Agent 负责归档，主 Agent 专注执行，职责不交叉
- 人工修改
notes.md不会影响系统级记忆，也不会被误当作权威依据回填进任务树 - 当多个子 Agent（如 Tester、Reviewer）并行工作时，它们都基于同一份只读记忆快照启动，不会因各自输出互相干扰而产生逻辑冲突
周期性沉淀：/dream 命令驱动长期知识进化
每 7 天自动触发 /dream 命令，由专用 Agent 扫描全部历史 checkpoint 文件，完成三件事：
- 合并重复意图（例如多次出现「支持 WebSocket 断线重连」统一为一条）
- 压缩过期设计决策（如已废弃的 mock 方案标记为 obsolete）
- 更新全局记忆索引，供后续所有新会话调用
这个过程不改变原始文件，只生成新版 global_memory.bin。新会话启动时默认加载该索引，相当于让 MiMo Code 每周“复习一次项目经验”，而不是每次从零理解代码库。
Compose 模式下的上下文流转：从想法到交付的链路闭环
在 Compose 模式中，用户输入一个模糊想法（如“做个带登录的 Todo 列表”），系统会自动派生 Plan、Build、Test、Review 四类子 Agent。它们之间不传递完整对话，只交换结构化产出：
- Plan Agent 输出
task_plan.yaml→ Build Agent 读取并生成代码 - Build Agent 输出
diff.patch和test_coverage.json→ Test Agent 验证并反馈失败用例 - Review Agent 基于
design_decision.md和error_log.csv生成审查意见
所有中间产物都存入本地 workspace，并纳入下一轮 checkpoint 提取范围。这意味着哪怕中途关闭终端，重启后 Compose 流程仍能从断点恢复，且各 Agent 对当前状态的理解始终对齐。
