MiMo Code 的自动化代码审查，并非仅仅让 AI 粗略扫描代码，而是将审查深度融入开发流程，实现可配置、可复现、可追溯的全自动化过程。它摒弃了僵化的固定规则引擎，依靠模型理解、工具协同以及记忆沉淀，逐步适应项目的实际上下文。

那么，这种先进的审查能力源自何处？整个体系由三个核心层面支撑。

审查能力的来源

• 项目上下文感知：启动时自动扫描代码结构、依赖关系、测试覆盖率及 Git 提交历史，为项目绘制精准画像；
• 多模态模型理解：MiMo-V2.5 可同步处理代码、注释、PR 描述、CI 日志，甚至解析报错截图，精准识别逻辑矛盾、边界遗漏与安全风险；
• 记忆驱动演进：每次审查发现的问题类型、团队采纳或拒绝的建议、高频重构模式，均由子智能体记录并压缩至 MEMORY.md，后续审查自动参考这些“团队偏好”，越用越智能。

如何配置审查任务？

审查并非默认开启的独立指令，需在 Compose 模式或 Plan 模式下添加参数触发。关键配置点包括以下四项：

• 范围控制：使用 --files src/utils/**.ts 或 --diff HEAD~1 划定审查边界，避免全量扫描浪费计算资源；
• 规则锚定：在项目根目录放置 .mimo-review.yml，定义语言规范（如禁用 any）、安全红线（禁止硬编码密钥）、性能阈值（函数复杂度不超过 12）等；
• 工具链联动：自动调用 ESLint、SonarQube、Bandit 等本地工具，将结果与 AI 判断交叉验证——AI 并非替代工具，而是解释“为何这个 ESLint 警告在此处确实需要修复”；
• 输出粒度：通过 --level=strict 输出阻断级问题（必须修改），--level=info 仅提示可优化点，并附带重构建议代码块。

审查结果如何落地？

审查绝非仅仅生成报告，而是推动可执行的操作：

• AI 自动生成 review-fix.patch 文件，包含具体修改行号与替换内容，支持通过 mimo apply patch 一键应用；
• 对于高风险项（如 SQL 注入漏洞），自动创建 SECURITY_ISSUE.md，并插入 Git commit message 模板，提醒提交时关联；
• 所有审查结论同步写入 notes.md，下次进入同一项目时，主 Agent 自动加载记录——例如：“上次指出 utils/date.ts 的时区处理未覆盖夏令时，本次新增代码已检查该场景”。

避坑提醒：审查并非“全自动信任”

实际项目中，有三个关键点需要特别留意：

• 权限隔离：审查模式默认只读，如需开启自动修复，务必在 .mimo-config.json 中设置 "safe_mode": true，禁止执行 rm -rf 或修改 package.json 等敏感操作；
• 模型切换策略：简单的风格检查可使用轻量模型（如 GLM-4），但涉及业务逻辑漏洞检测，建议强制路由至 MiMo-V2.5 或 DeepSeek-Coder；
• 人工确认节点：可在 .mimo-review.yml 中配置 require_approval: ["auth", "payment"]，当审查触及指定模块时，暂停流程并等待指定人员输入 /approve，确保关键变更有人把关。