MiMo Code：小米开源 AI 编程 Agent，用「计算-记忆-进化」重新定义长程任务

两天 4600 颗星，326 个 Issue，Scoop 和 Nix 已经打包好了——小米 MiMo 团队开源的 MiMo Code，可能是最近最热闹的编程 Agent 项目。它基于 OpenCode fork 而来，但做了一件 Claude Code 和 Cursor 都没做的事：让 Agent 拥有跨会话记忆和自我进化能力。

一、MiMo Code 是什么

MiMo Code 是小米 MiMo 团队于 2026 年 6 月 10 日开源的终端原生 AI 编程助手，基于 OpenCode fork 构建，MIT 协议。它能读写代码、执行命令、管理 Git，并通过一套持久化记忆系统在多次会话间保持对项目的深度理解。

与其他编程 Agent 相比，MiMo Code 的核心差异在于三个关键词：

计算（Computation）—— 单步决策更准
记忆（Memory）—— 跨轮状态连续
进化（Evolution）—— 从经验中自我改进

安装方式非常简洁：

# 一键安装
curl -fsSL https://mimo.xiaomi.com/install | bash

# 或通过 npm
npm install -g @mimo-ai/cli

首次启动自动引导配置。内置 MiMo Auto 限时免费通道——零配置即可开始使用，也支持接入各家主流 LLM 厂商 API，甚至能一键从 Claude Code 迁移认证。

二、多智能体架构

MiMo Code 不是只有一个 Agent，而是一个多智能体系统：

智能体	说明
build	默认。完整工具权限，用于开发
plan	只读分析模式，适合代码探索和方案设计
compose	编排模式，适合 specs-driven 开发和 Skill 驱动流程

按 Tab 在主智能体间切换。子智能体由系统按需生成，支持生命周期追踪、取消机制和后台执行。

这种设计的好处是：简单任务用 build 一步到位，复杂任务先用 plan 分析再用 build 执行，大型项目用 compose 编排完整开发流程。

三、计算：让每一步更准

3.1 Max Mode — 并行采样选优

这是 MiMo Code 最有意思的功能之一。Max Mode 在每一轮并行生成 N 个候选方案（默认 N=5），每个候选独立完成推理和工具调用规划，但不实际执行。然后由同一个模型作为 Judge，对比所有候选的推理过程和行动计划，选出最优的一个执行。

默认使用 temperature=1，5 次独立采样几乎不会产出相同结果。如果多个候选方案恰好收敛，这本身就表明该方向的置信度高；而当候选之间差异较大时，由低温度的 Judge 从中选出最稳健的方案。

官方数据：在 SWE-Bench Pro 上，Max Mode 相比单次采样提升 10-20％，代价是约 4-5 倍的 token 消耗。

3.2 Goal — 独立完成度验证

Max Mode 解决的是「做对」，Goal 解决的是「做完」。

长任务中有一种常见的失败模式：Agent 在后续轮次看到之前已有的进展，就倾向于提前宣称「完成了」或进行提问。这在自动化运行中尤其危险。

Goal 的机制是：用户设定一个自然语言描述的停止条件（例如「所有测试通过且代码已提交」）。Agent 每次尝试终止时，系统自动发起一次独立的模型调用来审查完整对话历史，判断条件是否真正满足。如果未满足，将具体差距反馈给 Agent 并让它继续。

这个验证者不参与实际工作，因此不会对 Agent 已完成的部分产生认同偏差。实际运行中，误拦比漏放更常见，整体死循环概率小于 0.5％。

Max Mode 和 Goal 代表了 test-time compute 的两个正交方向：Max Mode 是并行（同一步花 N 倍算力选最优），Goal 是串行（在同一个任务上做更长的自我检查）。两者可以同时启用。

3.3 Dynamic Workflow — 编排逻辑代码化

当任务规模足够大（例如将整个项目从一种语言迁移到另一种语言），需要同时协调几十甚至上百个并行工作单元时，逐轮的工具调用不再够用。

传统的做法是把流程写进 SKILL.md，用自然语言告诉模型「先做 A，再做 B，如果 C 就做 D」。这在简单场景下能用，但在复杂流程中会系统性失效：上下文压缩可能吞掉步骤、模型可能跳过某些环节、分支和重试逻辑靠模型判断而非代码保证。

MiMo Code 的 Dynamic Workflow 把编排逻辑从 prompt 变成代码。主 Agent 生成一段 JavaScript 脚本，在隔离沙箱中确定性执行。脚本通过 agent() 派出子 Agent，通过 parallel() / pipeline() 控制并发——if 不会忘记分支，for 不会提前退出，barrier 不会漏掉子 Agent。

这个实现兼容 Anthropic Dynamic Workflow 的核心语义，并做了几项扩展：workflow() 原语允许脚本调用其他脚本，每个 agent() 调用的结果同步落盘，进程中断后可从日志恢复。

四、记忆：让逻辑会话无限延伸

这是 MiMo Code 与 Claude Code 等工具最大的差异所在。

4.1 核心问题

模型本身是无状态的——每次调用都从空白开始，所有连续性由运行时提供。对于短任务（10 轮以内），把完整对话历史传给模型即可。但随着任务轮次增加，两个问题逐渐显现：

上下文窗口终会耗尽。持续几十轮的工具输出、代码片段、报错日志会将其填满
即使窗口足够大，模型的指令遵循率也会随输入长度下降。有用的约束和意图被大量工具输出稀释

4.2 Cycle — 无界会话的基本单元

MiMo Code 的解法是把会话拆成一个个 Cycle。运行时在到达上限之前的几个固定位置（大约 20％、45％、70％）介入，触发 checkpoint。每个 checkpoint 处，运行时派出一个独立的 Writer Subagent：读取迄今的对话，将一份结构化状态写入磁盘。主 Agent 继续工作，Writer 并发执行，互不干扰。

当窗口接近真正的上限，运行时执行一次 rebuild：切断当前窗口，开启新窗口，用已持久化的文件作为种子重建上下文。主 Agent 在新窗口中醒来，状态已摆在面前，继续工作。

关键设计：checkpoint 在远低于上限处触发，而不是等到窗口快满时。原因是模型在高上下文利用率下能力会衰减（「Lost in the Middle」效应），而且提取本身需要空间——95％利用率下已无处思考，30％利用率下则游刃有余。

4.3 四层记忆体系

层级	文件	用途
项目记忆	MEMORY.md	跨会话持久的项目知识、规则、架构决策
会话检查点	checkpoint.md	结构化状态快照，由 Writer Subagent 自动维护
笔记暂存	notes.md	Agent 临时记录区
任务进展	tasks/<id>/progress.md	逐任务日志

记忆基于 SQLite FTS5 全文搜索，采用预算化注入——用 token budget 控制每种记忆注入上下文的大小，按重要性排序。会话恢复时记忆自动注入，Agent 无需重新理解项目背景。

五、进化：从经验中持续改进

5.1 /dream — 记忆整理

/dream 命令扫描近期会话轨迹，提取持久知识到项目记忆，清理过时条目。这让项目的 MEMORY.md 能够随着开发推进不断更新，而不是越积越臃肿。

5.2 /distill — 流程蒸馏

/distill 命令发现近期工作中重复的手动工作流，将高置信度候选打包成可复用的 Skill、Subagent 或 Command。本质上，这是让 Agent 从自己的工作中学习，把重复劳动自动化。

5.3 Compose 编排模式

Compose 模式提供结构化的 specs-driven 开发流程，内置规划、执行、代码审查、TDD、调试、验证、合并等技能——编排从 spec 到交付的完整开发生命周期。

六、实测表现

根据官方博客公布的离线基准测试：

SWE-Bench Pro：MiMo Code Max Mode 在复杂工程任务上相比单次采样有 10-20％的提升
真人双盲 AB 测试：与 Claude Code 进行了真人对比评测

值得注意的是，MiMo Code 在博客中坦诚地讨论了自己与 Claude Code 的差距和不同场景下的表现差异，而不是只展示最好的数字——这种态度在 AI 工具领域比较少见。

七、生态与社区反响

MiMo Code 发布 48 小时内的社区热度可以用「爆炸」来形容：

GitHub 星标：4.6k（2 天）
Issue / PR：326+
已被 Scoop（Windows）、Nix 等包管理器收录
多个生态项目已提交集成 PR：benchflow、tokscale、cc-connect、gascity 等

社区反馈呈现两极化：

积极面：用户对免费通道（MiMo Auto）和零配置启动非常买账，「年轻人的第一款 Code Agent」这个说法在 Issue 里流传开来。跨会话记忆和 Dream/Distill 功能是被提及最多的亮点。

问题面：安装失败是最集中的吐槽（Windows 找不到 mimo、Ubuntu 安装报错、macOS 版本获取失败），以及 OpenCode 品牌残留问题（浏览器标题、OAuth 页面、i18n 字符串还显示 OpenCode）。

八、MiMo Code 的定位思考

MiMo Code 不是要替代 Claude Code 或 Cursor，而是在编程 Agent 领域开辟了一个新方向：长程自主编程。

Claude Code 的优势在于单次推理质量和 Anthropic 模型的原生适配；Cursor 的优势在于 IDE 集成和可视化体验；MiMo Code 的优势在于跨会话记忆、自我进化和免费入口。

对于国内开发者来说，MiMo Code 的意义尤其大：

零成本起步：MiMo Auto 免费通道降低了试用门槛
中文原生：官方中文文档、中文社区群
数据本地：SQLite 存储在本地，不依赖云端
可扩展：支持接入 DeepSeek、千问等国产模型

九、局限性

客观地说，MiMo Code 作为 2 天前刚发布的项目，还有明显的不足：

品牌重塑未完成：大量 OpenCode 残留痕迹
安装稳定性：多平台安装都有用户报告失败
文档不完善：配置项文档还在建设中
免费通道限制：MiMo Auto 是限时免费，长期定价未知
实际长程任务效果：官方 benchmark 之外的复杂项目验证还不多

十、总结

MiMo Code 用「计算-记忆-进化」三个维度重新思考了编程 Agent 的设计。它不是简单地把更强的模型塞进终端，而是在运行时层面做了系统性的创新：并行采样选优提升单步准确率，Cycle + Writer 机制实现无界会话，Dream/Distill 让 Agent 能从自己的工作中学习。

4600 颗星和 326 个 Issue 说明社区对这个方向是认可的。虽然作为 2 天大的项目还有很多粗糙之处，但核心设计理念足够扎实。对于想要尝试 AI 编程 Agent 但被 Claude Code 的价格劝退的开发者，MiMo Code 值得一试。