mimo code 不是代写答案，而是通过 plan 模式拆解逻辑、build 模式分步实践、持久记忆串联知识、/dream 提炼个性化笔记，帮助新手系统掌握算法。
☞☞☞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 对新手学算法不是“代写答案”，而是把复杂逻辑拆解成可观察、可验证、可回溯的实践过程。它不掩盖原理，反而用结构化交互帮你建立认知脚手架。
用 plan 模式 先看懂，再动手
直接让 MiMo Code 进入 plan 模式（按 Tab 切换），输入类似“用 Python 实现快速排序，并说明每一步的分区逻辑和时间复杂度变化”——它不会立刻生成代码，而是先输出清晰的执行步骤图、递归调用树、最坏/平均情况对比表，甚至标注关键变量（如 pivot、left/right 指针）在每次迭代中的值。这种只分析、不执行的模式，避免新手被完整代码淹没，专注理解控制流和数据流转。
在 build 模式 中边改边学
切换回 build 模式后，你可以分步让它补全：
• “只写 partition 函数，加详细注释说明如何保证稳定性”
• “生成一个含 10 个随机数的测试用例，用 print 跟踪每次 swap”
• “把递归版本改成迭代版，保留原有注释风格”
每次指令都聚焦一个知识点，MiMo Code 会严格按要求生成、运行并反馈结果。你随时能用 git diff 查看改动，或用 mimo status 看当前任务树（T1.1、T1.2…），理解每个小动作在整个算法中的定位。
靠 持久记忆 把零散理解串起来
学完快排，隔两天想对比归并排序——不用重头解释。MiMo Code 自动从 SQLite 记忆库中调出你上次记录的 MEMORY.md，里面已存有你标注的“快排原地性 vs 归并稳定性”、“递归深度与栈溢出风险”等要点。你只需说“对比这两种排序在链表场景下的适用性”，它就能基于已有认知延伸分析，而不是当作全新问题重讲基础。
用 /dream 提炼属于你的算法笔记
连续练习三四个排序算法后，运行 /dream 命令。MiMo Code 会扫描你近期所有会话，自动归纳共性：比如“所有分治算法都依赖子问题独立性”“边界条件处理是高频出错点”，并把这些提炼成结构化笔记，追加到项目记忆里。这些不是通用教材内容，而是从你真实提问和调试中生长出来的经验，更容易内化。
