MiMo Code 通过 Plan、Build、Compose 三种模式实现全自动软件开发工作流：Plan 用于安全分析，Build 执行端到端落地，Compose 自动拆解目标为子任务链并调度协同；依托 SQLite 持久化记忆与上下文重建，支持跨会话续写；配置权限确认机制保障安全，适配免费模型与第三方模型，推荐在 Git 项目中使用。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
想用 MiMo Code 实现全自动软件开发工作流，关键不在“装完就能跑”，而在于理解它怎么把人从重复决策中解放出来——它不替代你写代码，而是替你管任务、记上下文、拆步骤、验结果。
明确你的工作流目标：从 Plan 到 Build 再到 Compose
MiMo Code 不是单一模式工具，三种核心模式对应不同自动化层级：
- Plan 模式：只读分析，适合接手陌生项目时让 AI 快速生成架构图、依赖关系、潜在风险点。不改代码、不执行命令，安全第一。
- Build 模式：全权限执行，AI 可读写文件、运行测试、提交 Git、甚至启动本地服务。适合已确认需求、需端到端落地的场景。
- Compose 模式：这是全自动工作流的起点——你只需描述目标（如“为用户登录模块添加邮箱验证并更新 README”），MiMo 自动拆解为子任务链（检查现有逻辑 → 修改 controller → 更新 schema → 补充单元测试 → 生成文档），再调度多个子智能体协同完成。
让工作流真正“自动”，得靠持久记忆和上下文重建
普通 AI 编程工具断开终端就清空上下文，MiMo Code 把项目状态存进 SQLite FTS5 数据库，下次打开仍记得你上周改过的 config 文件和未合并的分支。
Unified LLM Gateway - One API for 70+ AI models. Route to GPT, Claude, Gemini, Qwen, Deepseek, Grok and more
下载
统一LLM网关 - 一个API对接70+AI模型，使用单一API密钥即可调用GPT、Claude、Gemini、Qwen、Deepseek、Grok等主流模型。
- 首次运行
mimo时，它会自动在项目根目录创建.mimo/目录，里面含memory.db（结构化记忆）、checkpoint.md（最近任务快照）、project_summary.md（AI 提炼的项目摘要）。 - 跨会话继续开发时，输入
/resume命令，MiMo 会加载最新 checkpoint，并基于当前 git 状态重建上下文（比如识别新提交、检测未跟踪文件）。 - 避免手动清理记忆——它支持
/forget task-123或/clear outdated，按需遗忘而非全盘重来。
配置模型与权限：免费模型够用，但关键动作要设防
MiMo-V2.5 免费模型已支持百万 Token 上下文，日常开发基本无需切换；但自动化工作流涉及真实文件修改和命令执行，权限控制不能跳过。
- 默认使用内置 MiMo-V2.5，无需 API Key，直接启动即可用。
- 若需更高精度（如复杂重构或生成 SQL），可用
/connect deepseek-coder:32b切换第三方模型，75+ 厂商支持一键接入。 - 重要操作必须开启确认机制：在
config.yaml中设置confirm_on_write: true和confirm_on_exec: true，每次改文件或执行 shell 命令前都会弹出 diff 预览和执行确认。 - 建议始终在 Git 初始化后的目录中使用，所有变更自动记录为可追溯的 commit，万一出错也能
git reset --hard回退。
用 Compose 模式搭第一个自动化流水线
以“给现有 CLI 工具新增 JSON 输出选项”为例，实际操作只需三步：
- 进入项目目录，运行
mimo，输入/mode compose切入编排模式。 - 描述需求：“为 main.py 的 --output 参数增加 json 格式支持，同时更新 help 文本和 test_cli.py 中的对应测试”。
- MiMo 自动触发流程：先用 Writer subagent 分析 CLI 参数解析逻辑 → Plan subagent 设计 JSON 序列化方案 → Build subagent 修改三处代码 + 补充测试 → 最后调用 Test Runner 验证通过，生成 PR 描述草稿。
