小米 MiMo Code：开源 AI 编程助手深度评测以及安装教程

2026年6月10日，小米MiMo团队正式发布并开源了MiMo Code——一款面向长程自动化编程任务的终端AI Agent，基于OpenCode构建，采用MIT协议。它的核心命题很明确：在几十甚至上百步的持续执行中，如何让Agent保持决策质量和状态连续性，而不是中途“失忆”或“跑偏”。

2026 年 6 月 10 日 · 小米 MiMo 团队发布并开源 · MIT 协议

---

一、MiMo Code 是什么？

一言以蔽之，MiMo Code 是小米团队在Coding Agent领域的一次系统性探索，目标是把编程Agent从“短跑选手”变成“马拉松选手”。整个设计围绕三个核心主题展开：**计算（Compute）**——提升单步决策质量，防止错误累积；**记忆（Memory）**——让上下文窗口有界但对话无限延伸；**进化（Evolution）**——跨session的经验能真正沉淀下来。技术栈方面，选择了现代、高效的工具组合：Bun + TypeScript + Effect（运行时）+ SolidJS（TUI界面）+ Tauri（桌面端）。

主题	要解决的问题	关键机制
计算 (Compute)	长程任务中每一步错误累积放大	Max Mode、Goal 停止条件、Dynamic Workflow
记忆 (Memory)	上下文窗口有界，会话无法无限延伸	Checkpoint/Rebuild、Writer subagent、四层记忆体系
进化 (Evolution)	跨 session 经验无法积累	Dream、Distill、项目记忆

---

二、核心技术设计

任何一个编程Agent的基本结构，都是把语言模型放进一个循环中反复调用：模型负责推理和决策，运行时负责工具管理、状态持久化和输入组装。模型本身是无状态的——每次调用从空白开始，所有连续性都由运行时提供。短任务（10轮以内）通常工作良好，把完整对话历史传给模型就够用；但一旦轮次增加，两个麻烦就冒出来了：一是计算量成倍放大，二是上下文窗口迟早撑满。

2.1 计算：扩展单轮推理的质量

Max Mode：多采样提高决策质量

简单说，就是在每个决策点生成多个候选方案，然后通过 majority voting 和 best-of-N self-verification 选出最优路径。在SWE-Bench Pro上，Max Mode相比单次采样能提升10-20%，代价是大约4-5倍的token消耗。对于关键决策点，这笔交换是划算的。

Goal：独立裁判防过早终止

长任务中一个常见的“翻车”模式是：Agent看到有点进展就提前宣布“完成了”。MiMo Code的解法很直接——让用户用自然语言设定停止条件（比如“所有测试通过且代码已提交”），Agent每次尝试终止时，系统会启动一个独立的模型调用，从头审查完整对话历史，判断条件是否真的满足。验证者不参与任何实际工作，所以对Agent的已完成部分没有认同偏差，它每次拿到的上下文和Agent完全一致（包含工具实际输出）。如果条件没满足，就把具体差距反馈给Agent让它继续；如果确认无法完成，则判定为不可能。

Dynamic Workflow：编排并行子Agent

当任务规模大到需要协调几十个并行工作单元时，逐轮的工具调用就力不从心了。Dynamic Workflow的做法是把编排逻辑从prompt里移出来，变成真正的代码——主Agent生成Ja vaScript脚本，在隔离沙箱中确定性执行。脚本通过 agent() 派出子Agent，通过 barrier() 等待并行任务完成。循环不会提前退出，barrier不会漏掉子Agent。这样，模型的判断力只用在对的地方：理解代码和生成代码，而不是浪费在流程控制上。

2.2 记忆：维持多轮任务的状态连续性

单步决策再可靠，也解决不了那个根本问题：上下文最终会耗尽。所以关键设计在于——让一个逻辑会话可以无限延伸，而每个物理窗口始终有界。

Checkpoint & Rebuild

运行时会在到达窗口上限之前的几个固定位置介入，这些点位称为 checkpoint。每个checkpoint处，运行时会派出一个独立的 writer subagent：读取到目前为止的对话，把结构化状态写入磁盘。主Agent照常工作，writer并发执行，两者互不干扰。当窗口真的接近上限时，运行时执行一次 rebuild：切断当前窗口，开启新窗口，用已经持久化的文件作为种子重建上下文。主Agent在新窗口中醒来，状态已经摆在面前，继续工作。从模型视角来看，对话从未中断。 Checkpoint 的触发时机远低于窗口上限——大致在已配置预算的20%、45%、70%。每一次触发都是对前一次的增量更新，不是孤注一掷的总结。最末尾那次 rebuild，也不是仓促的压缩，而是把一路记下来的结构化记录“变&现”的时刻。

Writer：独立于主Agent的提取者

如果让主Agent自己记笔记，在长任务面前迟早会撑不住——要求一个正在调 bug 的模型同时维护结构化日志，大概率两件事都做不好。所以 MiMo Code 的做法很干脆：**主Agent不维护自己的记忆**。提取完全移出主循环，由运行时触发，由独立的 writer subagent 完成——它不与主Agent共享注意力或token预算。 Writer会写入一份固定结构的 checkpoint 文件，包含11个字段：

字段	说明
当前意图	Agent 正在做什么
下一步动作	计划接下来做什么
工作约束	当前遵循的限制条件
任务树	T1, T1.1, T1.2… 层级任务状态
当前工作	正在处理的文件/代码
涉及文件	本轮涉及的文件列表
跨任务发现	与当前任务无关但值得记录的发现
错误与修复	已遇到的错误和修复方式
运行时状态	环境状态（分支、测试结果等）
设计决策	架构选择的理由
杂项笔记	其他需要记录的信息

还有个关键约束：对每个结构化文件，**只有恰好一个 actor 被允许写入**——single-writer 是防止并发写入产生不一致状态的最简不变量。

四层记忆体系

Writer维护的是一个分层记忆体系，每一层有不同的生命周期：

层级	文件	生命周期	内容
Session 记忆	checkpoint.md	当前逻辑会话	会话完整工作状态快照
Project 记忆	MEMORY.md	跨 session	架构决定、规则、技术事实
Scratchpad	notes.md	会话级自由写入	主Agent唯一写入通道，writer消费后清空
Global 记忆	SQLite 轨迹	永久存档	每条消息、每次工具调用原文存储

主Agent对结构化文件只有读权限，但有一个例外：notes.md，一个会话级的自由格式 scratchpad。主Agent可以随时 append 零散发现，writer 在每次 checkpoint 时读取它、将内容路由到对应结构化字段，然后清空。 Rebuild 时，持久化文件会被组装为分层 prompt 注入新窗口，每段有独立的 token 上限。大致顺序是：任务清单 → session checkpoint → 最近用户消息逐字切片 → 项目记忆 → 全局记忆索引 → notes → 文件路径索引 → tail reminder。即使每段都顶满上限，注入总量控制在约 65K token 以内。Agent 从这些信息中恢复状态后直接继续工作，不需要重新确认目标，不需要重读已处理的文件。

2.3 进化：从经验中持续改进

用户和同一项目交互几十次甚至上百次，如果每次 session 结束后所有经验都丢失，Agent永远无法从过去的工作中积累。所以需要一套“进化”机制。

项目记忆

MiMo Code 维护一个 Markdown 格式的项目级记忆文件（MEMORY.md），持久保存跨 session 的知识：项目背景、用户明确要求的规则、架构决定及其理由、反复验证过的技术事实。为什么选文件而不是纯向量数据库？核心原因是可审查性——记忆一旦影响 Agent 行为，用户需要能看到、能删除记错的条目、能修改过时的知识。文件可以被标准读写工具直接操作，全文索引在文件之上提供快速检索。

Dream：知识收敛

每 7 天自动触发一次。由独立 Agent 读取历史 session 对话和现有记忆文件，执行合并、去重、验证路径有效性、压缩操作。把分散的记忆收敛成一份紧凑的当前状态，并更新全局记忆。效果就是“越用越顺手、越用越懂你”。

Distill：流程固化

每 30 天自动触发。同样是独立 Agent 读取历史 session，但关注点不是知识而是流程——识别反复出现的工作模式，将其固化为可复用的 Skill、CLI 命令、自定义 Agent 或 SOP 文档。

---

三、安装与配置

3.1 环境要求

• 一款现代终端模拟器（推荐：WezTerm / Alacritty / Ghostty / Kitty，macOS 用户推荐 iTerm 或 VSCode Terminal）
• LLM 提供商的 API 密钥

3.2 安装方式

Mac / Linux（推荐）：

curl -fsSL https://mimo.xiaomi.com/install | bash

Windows / npm：

npm install -g @mimo-ai/cli

安装脚本会自动检测操作系统和 CPU 架构（x64 / arm64），下载对应预编译二进制。

3.3 模型提供商

MiMo Code 通过 AI SDK 和 Models.dev 支持 75+ LLM 提供商，同时支持运行本地模型：

• MiMo Token Plan（推荐新手）— 小米官方 API，中文友好
• MiMo Auto（限时免费）— 匿名通道，零配置即用，性能对标 Claude Sonnet 4.6
• OpenAI、Anthropic、Google、DeepSeek、Kimi、GLM 等
• 任意 OpenAI 兼容 API

在 TUI 中运行 /connect 命令，选择提供商并粘贴 API 密钥即可。

3.4 首次启动

cd <项目目录>
mimo

运行以下命令初始化项目上下文：

/init

MiMo Code 会分析项目结构并在根目录创建 AGENTS.md 文件。建议将此文件提交到 Git，帮助 AI 理解项目结构和编码规范。

---

四、工作模式

MiMo Code 自带三种内置模式（主 Agent），通过 Tab 键切换：

4.1 Build 模式（默认）

拥有完整工具权限的标准开发模式：文件读写、代码编辑、Shell 命令执行、Git 操作。日常开发的主要工作模式。

4.2 Plan 模式

受限的只读分析模式，以下工具被禁用：

• write — 不能创建新文件
• edit — 不能修改现有文件
• patch — 不能应用补丁
• bash — 不能执行 Shell 命令

适用于：分析代码架构、设计方案、评审改动可行性，在动手前先对齐思路。

4.3 Compose 模式

通过精心策划的内置技能集合来编排任务执行。Compose 不依赖单一庞大 prompt，而是查阅一个包含 13 个聚焦技能的库，为工作流每一步选择合适的技能。

类别	技能	用途
测试	TDD	测试驱动开发工作流
调试	Debug	系统化调试方法论
验证	Verify	完成前验证
协作	Brainstorm、Plan、Execute、Dispatch、Review、Receive	头脑风暴、计划、执行、并行派发、审查反馈
Git	Worktree、Finish	Git worktree 管理、分支收尾
元开发	Write Skill	编写新技能

启用 Compose：Tab 键循环切换到 Compose，或通过 use compose 在消息中调用。技能包首次使用时解压到 .mimocode/skills/，各版本间保持更新。

---

五、核心操作

5.1 理解代码

让 MiMo Code 讲解代码库：

@packages/functions/src/api/index.ts
How is authentication handled in this file?

使用 @ 键可模糊搜索项目中的文件。

5.2 制定计划

Tab 切换到 Plan 模式，描述需求：

When a user deletes a note, flag it as deleted in the database.
Then show all recently deleted notes with undelete/permanent-delete options.

可拖放图片到终端提供 UI 参考。对计划满意后 Tab 切回 Build 模式，说 “Go ahead and make the changes” 开始实施。

5.3 直接修改

简单修改无需先制定计划：

@packages/functions/src/settings.ts
Add authentication to the /settings route, following the pattern in @notes.ts

5.4 撤销与重做

• /undo（ctrl+x u）— 撤销最后一条消息及所有文件更改（需要 Git 仓库）
• /redo（ctrl+x r）— 重做之前撤销的操作
• 可多次 /undo 回退多步

---

六、会话管理

6.1 会话存储

每次对话被持久化为一个会话，数据保存在 $MIMOCODE_HOME/ 目录：

$MIMOCODE_HOME/
├── config/   ← 全局配置文件
├── data/     ← auth.json、会话数据库
├── state/
└── cache/

6.2 启动与恢复

mimo                     # 创建新会话
mimo --continue          # 继续上一个会话
mimo --session       # 恢复指定会话

6.3 切换与分叉

• /new 或 ctrl+x n — 开启新会话
• /sessions 或 ctrl+x l — 列出并切换会话
• 支持分叉会话（fork），在不中断原会话的前提下探索其他路径

6.4 上下文压缩

对话变长时，MiMo Code 会自动压缩历史消息释放 token 空间。可手动触发 /compact（ctrl+x c），由隐藏的 Compaction 袋里将长上下文压缩为摘要。

选项	说明	默认值
auto	上下文满时自动压缩	true
prune	删除旧工具输出节省 token	true
reserved	保留的 token 数	10000

---

七、权限系统

MiMo Code 使用 permission 配置决定操作是否自动运行、提示审批或被阻止。

7.1 操作类型

规则	效果
"allow"	无需审批直接运行
"ask"	提示用户审批
"deny"	阻止该操作

7.2 配置示例

全局设置 + 工具级覆盖：

{
  "$schema": "https://mimo.xiaomi.com//config.json",
  "permission": {
    "*": "ask",
    "bash": "allow",
    "edit": "deny"
  }
}

细粒度规则（对象语法）：

{
  "permission": {
    "bash": {
      "*": "ask",
      "git *": "allow",
      "npm *": "allow"
    }
  }
}

---

八、扩展能力

8.1 MCP（Model Context Protocol）

支持本地和远程 MCP 服务器，添加外部工具扩展能力。配置方式：

{
  "mcp": {
    "my-server": {
      "type": "local",
      "command": ["npx", "-y", "my-mcp-command"],
      "enabled": true,
      "environment": {
        "API_KEY": "xxx"
      }
    }
  }
}

支持 OAuth 自动认证、Glob 模式匹配、按 Agent 配置不同 MCP 工具。

8.2 内置斜杠命令

命令	快捷键	功能
/connect	—	添加模型提供商
/compact	ctrl+x c	压缩会话
/details	ctrl+x d	切换工具执行详情
/editor	ctrl+x e	外部编辑器写消息
/exit	ctrl+x q	退出
/export	ctrl+x x	导出对话为 Markdown
/help	ctrl+x h	帮助对话框
/init	ctrl+x i	创建/更新 AGENTS.md
/models	ctrl+x m	列出模型
/new	ctrl+x n	新会话
/redo	ctrl+x r	重做撤销
/sessions	ctrl+x l	切换会话
/share	ctrl+x s	分享会话
/themes	ctrl+x t	切换主题
/thinking	—	切换推理过程显示
/undo	ctrl+x u	撤销
/unshare	—	取消分享

---

九、Benchmark 表现

在相同模型条件下，MiMo Code 的 Agent 框架在主流编程评测中的表现如下：

测试集	MiMo Code + MiMo-V2.5-Pro	Claude Code + Sonnet 4.6
SWE-Bench Pro V2	62%	57%
Terminal Bench 2	73%	68%
SWE-bench Verified	82%	76%

需要说明的是，这些 Benchmark 衡量的仍是对单个仓库级问题的一次性解决能力。MiMo Code 的多数核心设计目标——多轮记忆、后台状态维护、完成度验证、跨 session 进化——主要体现在持续几十轮的真实开发场景中，这些优势在离线基准测试中不太容易体现出来。为了弥补这个缺口，团队还构建了真人在环的双盲 AB 评测：在开发者自己的真实项目中，针对同一任务并行启动两个匿名编码 Agent，独立完成后由开发者打分，并辅以自动轨迹打分与 diff 量化进行三角互证。

---

十、总结

MiMo Code 是小米 MiMo 团队在 Coding Agent 领域的首次系统性探索。其核心技术贡献可以归纳为三个轴向： 1. **计算** — Max Mode 提高单步可靠性 + Goal 独立裁判防过早终止 + Dynamic Workflow 编排并行子 Agent 2. **记忆** — Checkpoint/Rebuild 让逻辑会话无限延伸 + Writer subagent 隔离记忆维护 + 四层记忆体系分层管理（Session → Project → Global → Scratchpad） 3. **进化** — Dream 每 7 天合并去重 + Distill 每 30 天固化工作流 + 项目记忆可审查可维护 现在发布的 V0.1.0 虽然还是一个探索性版本，但已经展现了清晰的设计愿景。它不是那种“套壳”工具，而是从架构层面去解决编程 Agent 在长程自动化中的核心工程挑战。 > **定位**：面向长程自动化编程任务的开源终端 AI Agent > **协议**：MIT

---

官网 · 博客 · GitHub · 文档

---

标签：MiMo Code AI编程 开源 终端Agent 长程任务 持久记忆 多智能体 MIT 小米 Coding Agent OpenCode