mimo code 的协同模型通过分工、隔离与校验构建可信协作：主 agent 与 memory subagent 职责分离；compose 模式实现多阶段自动确认；/dream 命令定期收敛全局记忆；harness 协议适配多模型能力并保障链路稳定。
☞☞☞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 的协同模型不是简单让多个 AI “一起干活”，而是通过明确分工、状态隔离与自动校验，构建出可信赖的协作逻辑。它的核心不在堆模型数量，而在让每个角色各司其职、彼此确认，从而把“模型可能出错”这个不确定性，转化为工程上可控的流程。
主 Agent 与记忆 subagent 分离：职责不混搭
主流 Code Agent 往往靠主模型自己记笔记，但模型是否记录、记什么、何时记，全凭它“心情”。MiMo Code 把这件事拆开：主 Agent 只负责理解需求、生成方案、调用工具；所有记忆操作——比如保存当前项目结构、提取关键接口、归档已验证的配置——全部交给独立的 memory subagent 执行。这个 subagent 不参与编码，只做一件事：把每次交互中真正重要的状态，以结构化方式存入持久记忆库。窗口快满时，它会自动重建简报，而不是丢数据或让主 Agent 重头学起。
Compose 模式下的多阶段自动确认
当你按 Tab 进入 Compose 模式，系统不是直接写代码，而是启动一个闭环流程：
- 先由 planner agent 拆解任务，输出清晰的步骤清单和边界定义（例如：“需实现登录鉴权+JWT签发+Redis缓存”）
- 再由 checker agent 验证该规划是否覆盖原始需求、是否存在冲突依赖
- 只有双方达成一致，coder agent 才开始生成代码；生成后，tester agent 立即运行单元测试并反馈覆盖率
- 若任一环节失败，整个流程回退到上一确认点，而非盲目继续
全局记忆的定期收敛机制
记忆不是越积越多就越好。MiMo Code 内置 /dream 命令，每七天自动触发一次记忆整理：
统一LLM网关 - 一个API对接70+AI模型，使用单一API密钥即可调用GPT、Claude、Gemini、Qwen、Deepseek、Grok等主流模型。
- 独立的 curator agent 读取全部历史会话 + 当前记忆文件
- 执行合并重复项、剔除过期路径、验证接口是否仍存在、压缩冗余描述
- 最终产出一份紧凑、准确、可加载的“当前项目状态快照”，替代之前分散的碎片记忆
这意味着你今天改完数据库 schema，三天后提新需求时，AI 不是靠模糊印象猜，而是加载这份经过验证的快照，直接基于真实现状推进。
模型接入层的适配协议
MiMo Code 支持 DeepSeek、Kimi、GLM 等 75+ 模型，但它不把它们当“黑盒API”用。Harness 系统为不同模型预设了行为契约：
- 对推理强但工具调用弱的模型，优先分配 planning 和 review 类任务
- 对代码生成稳定但长程理解弱的模型，限制其单次上下文长度，并强制衔接 memory subagent 的摘要
- 所有模型输出都需附带 confidence score 和 trace ID，便于后续环节交叉核对
这种设计让不同模型在统一框架下发挥所长，也避免因某一个模型临时波动导致整条链路崩塌。
