MiMo Code 通过工程化方式为 AI 编程构建长期记忆与自我整理机制，采用 SQLite FTS5 实现跨会话项目记忆、会话检查点和任务进度树，并支持子智能体协同、/dream 记忆沉淀及多模型兼容部署。

MiMo Code 并非简单地将大模型塞入终端——它采用了工程化的设计思路，为 AI 编程构建了一套“长期记忆”与“自我整理”的底层机制。这条演进路径并非依赖更大的模型，而是让工具在实际使用中越用越顺手，逐步适配你的开发习惯。

持久记忆系统：解决“每次重启都失忆”的痛点

传统 Coding Agent 一旦开启新会话，项目结构、技术选型、代码规范等关键信息都需要重新交代，十分繁琐。MiMo Code 借助 SQLite FTS5 实现了跨会话的记忆能力，系统会自动维护三类信息：

• 项目记忆（MEMORY.md）：架构决策、依赖版本、自定义规则等内容都会被记录，下次进入项目目录时自动加载
• 会话检查点：退出时保存当前上下文快照，下次启动可直接恢复任务状态，无需从头开始
• 任务进度树：以 T1→T1.1→T1.2 的形式追踪子任务进度，中断后也能无缝续接

子智能体协同：将单线程操作变为并行流水线

主 Agent 不再事必躬亲，而是按需调度子 Agent 并行处理不同环节——效率提升远超一个量级：

• 按 Tab 键切换三种模式：build（全权限编码）、plan（只读分析）、compose（端到端交付）
• 例如重构一个模块，可以同时派子 Agent 去写单元测试、修改源码、执行静态审查，最后汇总结果统一反馈
• 所有子 Agent 共享同一份上下文，支持后台运行，也支持手动取消

Dream & Distill：每7天一次的记忆沉淀

系统内置了 /dream 指令，由独立的子 Agent 定期执行，相当于给记忆做“整理归档”：

• 扫描最近7天的会话轨迹，提取高频决策、重复问题、调试路径等有效知识
• 合并冗余记录，验证文件路径有效性，压缩记忆体积
• 更新全局 MEMORY.md，让后续交互直接调用沉淀下来的经验，而不是每次都从零开始推理

兼容性与轻量部署：不绑定特定生态

尽管内置了限时免费的 MiMo-V2.5 模型，但 MiMo Code 本身是一个模型无关的框架：

• 支持接入 DeepSeek、Kimi、GLM、Qwen 等任意兼容 OpenAI 的 API
• 安装只需一行命令：npm install -g @mimo-ai/cli，Windows/macOS/Linux 全平台均可使用
• 界面全中文，右侧状态看板实时显示任务进度、Token 消耗与 Agent 活动