说到AI编程助手，很多人会想到“上下文窗口”这个概念。但真正让AI越用越智能、越用越贴合个人开发风格的，不仅仅是窗口能容纳多少行代码，而是它能否记住项目中的关键决策。MiMo Code的“项目记忆”机制，正是这一方向上一个值得关注的实践——它并非简单的聊天记录归档，而是一个能够自动提取、结构化存储、并持续进化的决策知识库。

先谈谈它的核心价值：项目记忆并不依赖堆砌上下文，而是依靠“记住重点”。所有与开发意图、架构决策、接口约定相关的信息，都会被主动识别并以结构化方式保存。这样一来，随着项目推进，AI不会越来越“健忘”，反而越来越“知根知底”。

项目记忆存储什么？不是日志，而是决策快照

它会自动识别并归档以下几类关键信息：

• 架构选择：例如你在README或设计文档中写下的“采用微服务拆分，用户中心独立部署”，会被提取为结构化条目，而非整段文字。
• 代码约定：命名规范（如“所有DTO后缀为Request/Response”）、错误码范围（如“4xx表示客户端校验失败”）、注释风格要求。
• 接口契约：从OpenAPI文件、JSDoc或实际代码中抽取出的请求参数、响应字段、状态码含义。
• 未完成事项：带上下文的TODO注释（如“TODO: 这里需加幂等校验，参考payment-service/v2的idempotency-key实现”）。
• 历史修改动机：Git commit message中明确说明的重构原因（如“修复并发下单重复扣减，改用Redis Lua原子操作”）。

这些都是项目中真正影响后续开发决策的信息，并非随便一段文字所能替代。

如何学习？三重机制协同工作

记忆并非被动写入，而是一套闭环学习流程：

• 自动捕获：启动MiMo Code后，它会扫描项目根目录下的MEMORY.md、ARCHITECTURE.md、OpenAPI文件、.git/config、package.json等元数据源，从中提取语义信息。这是最基础的“知识摄入”阶段。
• 交互强化：当你在会话中说“按我们约定，所有API返回都带code/msg/data”，它会立即将这条规则写入项目记忆，并标记来源为本次会话。这相当于开发者的一句话直接成为AI的行为准则。
• /dream自动整理：每7天触发一次，调用专用子Agent合并相似条目（如多次提到“禁止直接操作数据库”会聚合成一条权威规则），剔除过期内容（如已合并的PR中的临时方案），生成精简版记忆快照。这个过程就像人工整理笔记——去重、归档、更新，确保记忆库不膨胀、不冗余。

如何使用？记忆直接驱动编码行为

项目记忆不是静态档案，而是实时参与当前任务的“开发搭档”：

• 你输入“给订单服务加个取消接口”，它不会只生成一个handler，而是自动补全：遵循已存的REST命名规范、复用已有错误码体系、返回结构与其它接口对齐、在对应位置插入TODO提醒幂等处理。
• 当它修改多个文件时，会检查记忆中是否有关联约束（如“user-service和order-service共享auth-token校验逻辑”），避免引入不一致。
• 执行git diff或npm test后，它把结果反馈回记忆系统——成功则强化该路径，失败则记录异常条件。下次遇到同类任务，它会绕开那些踩过的坑。

从这个角度看，MiMo Code将项目知识从“人脑隐性经验”转化为“机器可读、可推理、可演化的显性资产”。它不替代开发者思考，而是将思考过程沉淀下来，让每一次交互都成为下一次更精准响应的基础。