MiMo Code 的任务编排与协作 Agent，不是简单地把多个模型或工具堆在一起，而是通过工程化设计让不同角色的 Agent 各司其职、彼此接力，最终形成稳定可控的编程协同流。

任务自动拆解与阶段化调度

当用户抛出一个模糊需求（比如“做个能查天气的微信小程序”）时，主 Agent 并不会立刻撸起袖子写代码，而是先启动一个专门的规划子 Agent 来做结构化拆解：明确技术栈、接口来源、UI 层级、测试边界。拆解的结果会被转化为可执行的任务节点，存入调度队列。每个节点都绑定了对应的能力模型（比如 UI 生成用 MiMo-V2.5，API 调用走 DeepSeek-R1），这样一来，就避免了单一大模型去硬扛全链路的重任——这是很多协作方案容易忽略的工程陷阱。

• 任务节点支持手动干预：用 /edit step2 修改某环节的输出，其他已执行的步骤不受影响。
• 失败节点自动降级：如果某个模型调用超时了，调度器会切换到备用模型，或者启用本地缓存逻辑来兜底，不至于整个流程卡死。
• 节点间带状态快照：上一环节生成的 mock 数据、API schema，会自动注入到下一环节的上下文中，无需重复传递。

多 Agent 协同记忆共享机制

真正的协作，不是靠反复复述背景信息来达成的，而是靠一个统一的记忆空间。MiMo Code 的持久记忆系统，为整个 Agent 群体提供了一个项目级的“共享大脑”：

• 项目记忆库负责记录架构决策，比如“选用 Taro 而非原生开发”、“后端用 FastAPI”这类关键判断。
• 会话检查点会在每次关键交互后自动存档。万一中断了，恢复时直接加载最近的检查点，不需要重跑一遍历史流程。
• 任务进度追踪器实时标记各 Agent 的当前状态，例如“UI 设计完成｜API 接口待联调｜单元测试未覆盖”。

所有 Agent 读取的是同一份记忆简报，不需要重复解释上下文，也不需要用户手动粘贴历史对话来“同步信息”，这大大降低了协作过程中的沟通摩擦。

Compose 模式下的轻量协作入口

按 Tab 键切换到 Compose 模式后，背后的协作逻辑对用户是完全透明的。你只需要说清楚目标，系统就会自动分配角色：

• 设计 Agent 负责输出组件结构图和状态流转说明。
• 编码 Agent 则基于设计稿生成带注释的源码，并同步更新项目记忆。
• 测试 Agent 自动生成 Jest 或 Pytest 用例，一旦测试失败，会触发审查 Agent 回溯定位问题。
• 审查 Agent 不只检查语法，还会比对当前代码与项目记忆中的架构约束，比如“禁止使用 localStorage”这类规则。

整个流程默认是串行推进的，但支持用 /parallel auth, ui 指令让认证模块与 UI 模块并行开发，由调度器来协调资源和合并冲突，灵活性相当高。

语音驱动的跨 Agent 指令中转

语音输入在这里不只是替代键盘打字，而是打通协作链路的一个关键触点：

• 说一句“回滚登录页的样式修改”，语音引擎识别意图后，版本 Agent 就会去执行 git checkout。
• 说“把地图组件换成高德 SDK”，调度 Agent 会自动替换依赖、更新配置，并通知测试 Agent 补充地理围栏相关的测试用例。
• 问“上次讨论的权限模型是什么”，记忆 Agent 会直接从项目记忆中提取会议摘要和决策依据。

语音指令经 ASR 引擎转为文本后，先由意图解析 Agent 进行分类，再路由到对应的职能 Agent，整个过程不经过主模型中转，响应更快，意图解析也更精准。