mimo code 通过“理解项目+执行任务+安全改写”闭环实现api测试与开发协作。需主动提供openapi文档、真实请求样本或已有测试代码；用/plan拆解任务，/build生成可运行测试并diff确认，/compose支持回归与异常模拟。
☞☞☞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 不是传统测试框架，但它能通过“理解项目 + 执行任务 + 安全改写”的闭环，把 API 测试变成一次自然的开发协作过程。关键不在写测试脚本，而在让 AI 真正读懂你的接口契约、业务逻辑和现有代码结构。
先让 MiMo Code 看懂你的 API
它不会自动发现接口，必须主动引导。最有效的方式是提供三类材料：
- OpenAPI/Swagger 文档：放在项目根目录或 docs/ 下，MiMo Code 能直接解析路径、参数、响应结构和示例；
- 真实请求样本：比如 curl 命令、Postman 导出的 JSON 或 ./tests/api_samples/ 下的 .http 文件；
- 已有测试代码：哪怕只有几个 pytest 或 Jest 用例，它也能逆向推导出预期行为和边界条件。
进入项目根目录后，直接输入 mimo 启动，再用 /read docs/openapi.yaml 或 /load tests/api_v1_test.py 命令加载上下文——这步省略，后续所有判断都会失焦。
用 Plan 模式生成可执行的测试方案
别一上来就让它“写测试”，先用 /plan 让它拆解任务。例如说：
MiMo Code 会输出分步计划：定位鉴权模块 → 提取 token 生成方式 → 构造合法/非法 payload → 设计断言规则 → 选择测试运行器（如 pytest 或 curl + jq）。这个过程本身就在校验你提供的契约是否自洽——如果它卡在“找不到 auth token 生成函数”，说明文档或代码存在断层。
用 Build 模式落地并安全注入测试
确认计划无误后，输入 /build，它会生成完整可运行的测试文件（如 test_user_creation.py），并主动检查：
- 是否调用了项目已有的
get_auth_header()函数，而非硬编码 token； - 是否用
assert response.status_code == 201而不是assert 'id' in response.json()这类弱断言； - 是否在
conftest.py中注册了 fixture，避免重复 setup。
生成后不直接覆盖，而是以 diff 形式展示变更。你可以用 y 确认写入，或 e 进入编辑模式微调——所有修改都走 Git staging，留痕可溯。
用 Compose 模式做回归与异常模拟
上线前快速兜底：输入 /compose "模拟数据库连接超时，验证 /api/v1/orders 的降级返回"。它会：
- 找到订单服务的 DAO 层或 client 封装；
- 在测试中注入 mock（如 pytest-mock 或 jest.mock）；
- 构造网络超时异常，并断言返回
{"code": 503, "message": "service_unavailable"}； - 自动补上对应日志断言，确保降级逻辑被触发。
整个过程不依赖外部 mock 工具链，所有逻辑内生于项目代码结构，避免“测试跑得通、线上挂得快”的典型陷阱。
大量免费API接口：立即使用
涵盖生活服务API、金融科技API、企业工商API、等相关的API接口服务。免费API接口可安全、合规地连接上下游，为数据API应用能力赋能！
