mimo code 通过角色拆分、任务隔离与并行协同应对高并发：agent 按职责严格切分（前端专家、后端契约员等），辅以 build/plan/compose 三模式调度，结合结构化通信、分层记忆及动态子 agent 伸缩机制，实现高效可控协作。
☞☞☞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☜☜☜
面对高并发开发请求，MiMo Code 的多 Agent 系统不是靠堆算力硬扛，而是通过角色拆分、任务隔离和并行协同来稳住节奏。它把“一个人干十件事”的压力，变成“十个人各干一件再汇合”的可控流程。
Agent 角色按职责切分，不重叠不越界
每个 Agent 明确只做一类事，比如：
- 前端专家：只读代码、分析 UI 层改动、评估组件兼容性，不碰接口定义
- 后端契约员：只校验 API 入参/出参是否匹配需求文档，不写逻辑也不改数据库
- 测试生成器：根据改动范围自动补边界用例（空值、枚举缺失、历史数据回显），不执行自动化脚本
- 安全审查员：扫描敏感操作、硬编码密钥、未授权文件访问，不参与功能实现
这种“能力+边界”双约束设计，让每个 Agent 在自己小工作台里专注处理，避免上下文污染或工具误调。
三种协作模式灵活调度，适配不同请求类型
系统内置 build / plan / compose 三模式，按 Tab 键一键切换：
- build 模式：适合已确认的开发任务，主 Agent 派子 Agent 并行干活（如一个写代码、一个写单元测试、一个做静态扫描）
- plan 模式：适合模糊需求或重构评估，只启动分析型 Agent，输出影响范围、风险点、改造成本，不生成任何代码
- compose 模式：适合从零交付，按 spec 自动编排全流程——需求解析 → 接口设计 → 前后端生成 → 测试覆盖 → 文档产出
高并发场景下，系统会优先用 plan 模式快速过滤低优先级或描述不清的请求，再用 compose 模式批量推进已收敛的需求。
通信与记忆机制保障协作不掉链
Agent 之间不靠“喊话”，而是通过结构化协议协作：
- 通信走 JSON-RPC over WebSocket，所有消息带唯一 task_id 和 timestamp，可追溯、可重放
- 短期记忆用滑动窗口缓存当前任务上下文；中期记忆存入 FAISS 向量库，支持语义检索（如“上次类似接口怎么改的”）；长期知识图谱记录模块依赖、技术决策原因
- 当多个 Agent 输出冲突（如两个子 Agent 对同一字段给出不同校验逻辑），由 coordinator 触发轻量辩论：各自提供依据，投票裁决，不强制统一，但标注分歧点供人工复核
子 Agent 动态生成，资源按需分配
主 Agent 不预设固定数量的子 Agent，而是按需创建、用完即销：
- 一个 PR 审查请求进来，可能生成 3 个子 Agent：一个查变更行、一个跑 lint、一个比对历史 commit
- 一个性能优化任务触发，可能拉起 5 个子 Agent：分别压测不同路径、分析火焰图、检查慢 SQL、评估缓存策略、生成对比报告
- 所有子 Agent 共享当前上下文快照，但各自拥有独立 token 预算和工具权限，失败不影响其他子任务
这种弹性伸缩机制，让 MiMo Code 在应对突发流量时，既不会因预设 Agent 数量不足而排队，也不会因常驻过多实例而浪费资源。
