MiMoCode,一个记得住你整个项目的终端编程助手

简介: MiMoCode 是小米开源的终端原生 AI 编程助手,首创「落盘式持久记忆」:自动将项目知识、任务进展与会话检查点存入磁盘,跨会话不丢失;上下文将满时智能重建,支持树状任务追踪、子智能体并行与确定性工作流,让 AI 真正成为长期协作的编程搭档。

MiMoCode · 小米开源的终端原生 AI 编程助手

每天早上,你都要把项目重新讲一遍

你在维护一个有点年头的项目:模块之间的依赖有历史包袱,命名有自己的规矩,几个地方碰了就会出事。上周你开始用终端里的 AI 助手干活,第一天体验相当好——你花二十分钟讲清了架构、约定和禁区,它接着改了三个文件,改得挺对。

问题从下午开始。任务跨了好几个模块,聊到后半程上下文塞满了,它开始丢前面的信息:命名不按你的规矩来了,你说过不要动的那个模块它动了。你只好开个新会话——然后发现它是一张全新的白纸,昨天那二十分钟的交代得从头再来一遍。到第三天你已经养成习惯:单独维护一份"给 AI 看的项目说明",每次开工先粘一遍。你也开始下意识地把活切得很碎,因为你知道它撑不到一件大事干完。

它把对你项目的理解写在磁盘上

MiMoCode 是一个跑在终端里的 AI 编程助手:它会把对项目的理解、当前进展和阶段性结论持久化到磁盘,会话之间不丢;上下文快满时从这些材料重建现场,接着干原来那件事。

它读写代码、执行命令、管理 Git,这些和别的终端智能体一样。不一样的地方在于记忆是落盘的:项目知识、架构决策、会话检查点、任务进展分别成文,用全文检索索引起来,你恢复会话时自动注入上下文——不需要你再讲一遍。它由小米 MiMo 团队开源,基于 OpenCode fork 构建,保留了多模型接入、TUI、LSP、MCP、插件这些底子,在此之上加了持久化记忆、上下文重建、子智能体编排、目标驱动的自主循环和 Compose 工作流。

tui-home.jpg

边界也说清楚:

  • :跨会话持久记忆与上下文重建、三种智能体模式、子智能体并行、树状任务追踪、确定性工作流、内置技能、接入各家主流模型 API
  • 不做:不自带大模型,推理走你自己接入的模型(支持小米 MiMo 平台、OpenAI 账号授权、从 Claude Code 导入已有认证,或任意 OpenAI 兼容端点);它是终端里的 TUI 工具,不是网页应用
  • 授权边界:源码以 MIT 开源,同时需遵守其使用限制;若使用小米托管的模型服务,还须遵守对应服务条款

通过阿里云计算巢部署,几分钟装好即可用,无需自己跑安装脚本、装 Node 环境、再逐项过一遍首次配置。

它解决了什么问题

你原来怎么干 代价 用它之后
每开新会话重讲一遍项目背景 每天二十分钟,还讲不全 项目记忆落盘,恢复会话自动带上
自己维护一份"给 AI 看的说明"粘贴 你在替它做记忆 它自己往项目记忆里写和更新
上下文满了就崩,只能重开 干到一半的活丢了 从检查点和进展重建上下文,接着干
把大任务切碎,一块块盯 你成了任务调度器 树状任务加检查点,进度自己接得上
一件事只能一个助手串着做 子智能体并行分工

回到那份"给 AI 看的项目说明":现在你不用再维护它了。你让 MiMoCode 把项目读一遍,它自己整理成项目记忆写进磁盘;第二天你开新会话,它已经知道这个项目的规矩和禁区。任务跨到下午上下文满了,它保存检查点、重建上下文,然后接着改剩下那两个模块——你不必在场把活切碎。

而更深一层的变化是:AI 编程助手从"一次性的会话工具"变成"一个持续参与你项目的长期搭档"。它对项目的理解会累积,你用得越久要解释的越少;而当它能撑到一件大事干完,你交给它的任务就可以不再是"改这一行",而是"把这个功能做出来"。

核心能力

它记得住这个项目

这是每天早上那二十分钟被省掉的地方。

  • 项目记忆 —— 项目知识、规则、架构决策落成文件跨会话持久保存,恢复会话时自动注入
  • 会话检查点 —— 结构化的状态快照由专门的子智能体自动维护,不用你手动记录进度
  • 任务进展留痕 —— 每个任务一份日志,中断之后接得上

上下文满了不等于活干砸了

这是"聊到后半程开始丢信息"这个麻烦的正面解法。

  • 自动检查点 —— 按模型的上下文窗口自动判断什么时候该保存现场
  • 上下文重建 —— 接近上限时从最新检查点、项目记忆、任务进展和近期消息重新组装上下文,任务不断
  • 压缩点可调 —— 可以让它比模型自身窗口更早开始压缩,按模型分别设定

一个人干不完,就分给几个

  • 三种智能体模式 —— 开发、只读分析、编排各一种,按 Tab 切换,探索方案时不怕它动手改坏
  • 子智能体并行 —— 主智能体按需派生子智能体共享上下文并行干活,支持取消和后台执行
  • 停止条件裁判 —— 可以给会话设一个完成标准,由独立的裁判模型判断是否真的达成,避免它自我感觉良好就收工
  • 确定性工作流 —— 内置开发流水线、深度调研、事实核查、实验优化四条非交互流程,需求清晰时丢进去跑完即可

谁最该用

用户类型 典型场景 用它拿到什么
长期维护一个项目的开发者 每次开新会话都要重讲背景 项目记忆落盘,越用越省解释
要交付跨模块大改动的人 上下文一满任务就断 检查点加上下文重建,任务能跑完
想在服务器上干活的开发者 本地机器一关任务就停 装在 ECS 上,记忆与进展留在服务器

为什么在计算巢上跑

维度 自己装 在计算巢上跑
安装 跑安装脚本或全局装 npm 包,再走一遍首次配置 一键部署,几分钟装好
部署方式 —— 可以装到你已有的 ECS 上,也可以顺带开一台新的
长期驻留 本地机器关了任务就断 跑在云服务器上,项目记忆和检查点留在服务器
数据归属 —— 代码、记忆、检查点都在你自己的 ECS 上

技术支持


🚀 立即体验

一键部署 MiMoCode

部署完成后 SSH 登录到那台 ECS,在项目目录里执行 mimo 即可进入,首次启动会引导你接上模型。第一件事——让它把项目通读一遍并写进项目记忆,明天开一个新会话,问它这个项目有哪些不能碰的地方。

相关文章
人工智能 缓存 前端开发
11666 58
人工智能 JavaScript 开发工具
4640 17
开发工具 Swift git
1876 6
Web App开发 人工智能 API
1132 1
人工智能 Java BI
1268 1
人工智能 JavaScript 测试技术
2098 2
人工智能 JavaScript 测试技术
1068 4
缓存 JavaScript Shell
2042 3

热门文章

最新文章