企业官网建设流程全解析

目录

摘要

1 引言

1.1 研究背景

1.2 问题提出

1.3 概念界定

2 产品概述与市场定位

2.1 产品基本信息

2.2 市场定位与战略意义

3 技术架构与核心机制

3.1 总体架构

3.2 持久记忆系统

3.2.1 设计哲学：记录外包

3.2.2 /dream 记忆沉淀机制

3.3 多代理架构

3.3.1 三种主代理模式

3.3.2 Subagent 机制

3.4 Harness 系统与模型适配

3.5 MCP 与 Skill 生态集成

4 核心能力体系

4.1 多模型支持与模型可插拔

4.2 Compose 模式：全流程自动化

4.3 语音交互能力

4.4 开发工具链集成

5 开发工作流与使用方法

5.1 安装与快速启动

5.2 标准化使用流程

6 性能评估与竞品对比

6.1 基准测试表现

6.2 与主流竞品对比

6.3 性能特征总结

7 开源生态与商业模式

7.1 MIT 协议的价值

7.2 与小米 AI 生态的协同

7.3 商业模式分析

8 结论与展望

8.1 主要结论

8.2 适用场景与选择建议

8.3 研究局限与未来方向

参考文献

摘要

MiMo Code 是小米 MiMo 技术团队于 2026 年 6 月 11 日正式发布并开源的一款终端原生 AI 编程助手。该系统基于开源项目 OpenCode 进行二次开发与深度重构，采用宽松的 MIT 开源协议，允许个人开发者与企业用户自由使用、修改、二次分发及商业集成。其核心能力包括：基于“主代理专心干活、子代理专门记录”架构的持久记忆系统、为 MiMo 系列模型量身定制的专属 Harness 执行框架、可实现全流程自动化的独创 Compose 模式，以及依托 MiMo-V2.5-ASR 语音识别技术的语音交互能力。系统内置限时免费的多模态模型 MiMo-V2.5，其综合性能对标 Claude Sonnet 4.6，并全面兼容 DeepSeek、Kimi、GLM 等主流大语言模型及第三方 Token Plan。本文系统阐述 MiMo Code 的定位、技术架构、核心能力体系、开发工作流、生态集成方案以及性能评估数据，将其与同类工具进行对比分析，并探讨其开源生态与商业模式，最后指出其作为探索性产品的局限与未来演进方向。

关键词：MiMo Code；AI 编程助手；OpenCode；持久记忆系统；Compose 模式；MiMo 模型

1 引言

1.1 研究背景

2025 年至 2026 年间，AI 编程工具领域经历了从“代码补全器”到“自主编码代理”的范式转变。Claude Code、Cursor、GitHub Copilot 等产品相继涌现，各自在不同维度上提升了开发效率。然而，现有工具普遍面临两大挑战：其一，长对话场景下的信息衰减问题——“越聊越忘、越改越糊涂”——始终困扰着用户；其二，模型能力与 Agent 框架的适配与协同，逐渐成为影响用户体验的关键因素。

与此同时，小米在 AI 模型领域取得了系列突破。2026 年 4 月，MiMo-V2.5-Pro 在全球权威大模型测评平台 Artificial Analysis 上获得综合智能指数与 Agent 指数全球开源模型并列第一；6 月 8 日，小米上线全球首个在通用 GPU 上推理速度突破 1000 tokens/s 的万亿参数模型——Xiaomi MiMo-V2.5-Pro-UltraSpeed 模式。模型能力的持续提升，对将能力延伸至 Agent 应用层提出了新的需求。

1.2 问题提出

在此背景下，小米 MiMo 技术团队于 2026 年 6 月 11 日正式发布 MiMo Code V0.1.0。这是小米首次进军 Coding Agent 领域，标志着小米 AI 正从单一模型能力走向更完整的生态能力建设，构建“模型 + Agent”的生态闭环。

1.3 概念界定

“MiMo Code”存在三重语义指向，需予以厘清：

• 第一重指向：小米 MiMo Code——本文研究对象。一款由小米 MiMo 技术团队开发的终端原生 AI 编程助手，基于 OpenCode fork 构建，采用 MIT 协议开源。

• 第二重指向：MiMo 模型系列——底层支撑。小米开发的 AI 推理模型系列，包含 MiMo-V2.5、MiMo-V2.5-Pro 等不同能力层级的变体，面向编码、数学和 Agent 工作流等场景构建。

• 第三重指向：mimo-tui——开源社区项目。一个独立于小米官方的 npm 包，提供 MiMo 模型的终端 AI 编程 Agent，自称“与小米无官方关联”。

本文以第一重指向为核心研究对象。

2 产品概述与市场定位

2.1 产品基本信息

MiMo Code 是一款原生运行于终端的探索性 AI 编程助手，于 2026 年 6 月 11 日发布 V0.1.0 版本。其核心功能覆盖代码读写、命令执行、Git 管理、跨会话记忆、智能上下文管理等，通过持久化记忆系统在多次会话间保持对项目的深度理解并实现自我进化。系统支持 TUI 终端界面与 Web 图形界面两种使用方式，全面适配 Windows（推荐 WSL）、macOS 和 Linux 操作系统。

2.2 市场定位与战略意义

小米将 MiMo Code 定位于“模型 + Agent”生态闭环的关键拼图。从战略层面看，该产品的发布标志着小米 AI 完成了从模型能力建设到应用层生态布局的重要跨越。在行业视角下，随着大模型能力趋于成熟，AI 行业竞争将从单纯的模型能力竞争，转变为模型、Agent 与开发生态的综合竞争。

值得关注的是，MiMo Code 在技术路线上的探索性特征显著——它被官方明确定义为“探索性 AI 编程助手”，版本号亦为 V0.1.0，这意味着它在功能完备性、稳定性等方面仍处于早期阶段。

3 技术架构与核心机制

3.1 总体架构

MiMo Code 基于开源项目 OpenCode 进行二次开发与深度重构，在保留其全部核心能力（多 Provider、TUI、LSP、MCP、插件等）的基础上，构建了持久化记忆、智能上下文管理、子智能体编排、目标驱动的自主循环、Compose 工作流，以及通过 dream/distill 实现的自我进化能力。

3.2 持久记忆系统

3.2.1 设计哲学：记录外包

传统 Code Agent 依赖模型自觉记笔记，但记不记、何时记全凭模型自觉，导致长对话中的信息严重衰减。MiMo Code 的创新思路是：让主 Agent 专心干活，将记录工作完全“外包”给独立的 Subagent。

具体而言，系统构建了项目记忆（MEMORY.md）、会话检查点（checkpoint.md）与任务进度追踪三重机制。Subagent 负责自动保存状态，当上下文窗口快满时重建一份干净简报，主 Agent 接着干而非从零开始。这种设计以工程手段兜住了模型的不确定性，即使上百轮长程会话也能保持输出质量、不丢关键信息。该系统基于 SQLite FTS5 实现，具备持久化存储与全文检索能力。

3.2.2 /dream 记忆沉淀机制

MiMo Code 内置了独特的/dream命令，每 7 天自动触发一次记忆整合流程。该流程由独立 Agent 读取历史会话和现有记忆文件，执行合并、去重、验证路径有效性和压缩，将分散的记忆收敛为一份紧凑的当前状态并更新全局记忆库。到了下次使用，系统会在合适的时机自动调用这些记忆，这意味着 MiMo Code 不会每次都从零开始，而是带着对项目和开发者的理解持续成长。

3.3 多代理架构

3.3.1 三种主代理模式

MiMo Code 提供三种主代理工作模式：

用户可按 Tab 键在模式间切换。

3.3.2 Subagent 机制

MiMo Code 支持按需生成的子代理（Subagent），各子代理可并行处理被拆解的子任务。具体调度算法官方尚未公开，但从架构描述可以推断，子代理之间的通信通过共享记忆文件和主代理的中转实现。

3.4 Harness 系统与模型适配

MiMo Code 为 MiMo 系列模型量身打造了专属Harness 系统，让模型的能力与框架深度配合。在模型能力与 Agent 框架的协同作用日渐成为影响用户体验关键因素的行业背景下，这一针对性优化为 MiMo Code 带来了显著优势。实测显示，在相同 MiMo 模型条件下，MiMo Code 在代码任务上的表现优于 Claude Code 等 Coding Agent 框架。

3.5 MCP 与 Skill 生态集成

MiMo Code 保持了与 OpenCode 生态的兼容性。在 MCP 方面，系统提供 MCP 客户端功能，装任意标准 MCP server 后工具自动注册到 Agent；在 Skill 方面，系统完全兼容 Anthropic Skills 格式，可直接复用.claude/skills/中的现有技能。此外，系统支持自动加载 Claude Code 现有的技能、MCP 服务器和命令，以及重用 API 配置，用户无需单独设置即可完成迁移。

4 核心能力体系

4.1 多模型支持与模型可插拔

MiMo Code 支持多达 75+ LLM 提供商：

• 内置模型：限时免费的多模态模型 MiMo-V2.5，其综合性能达到行业主流水平，与 Claude Sonnet 4.6 基本相当；

• 生态兼容：全面兼容 DeepSeek、Kimi、GLM 等主流大模型 API，支持 OpenAI、Anthropic 等多种提供商，并支持第三方 Token Plan。

模型的插件化架构使用户可根据项目需求自主选择最适配的计算模型，实现“模型自由”。

4.2 Compose 模式：全流程自动化

Compose 模式是 MiMo Code 独创的核心功能。在该模式下，用户只需按 Tab 键切换并输入简单的想法，系统即可自动完成“设计→规划→编码→测试→审查”的全流程，最终交付一套工业级的成品。

相较于传统 Coding Agent 直接生成代码的方式，Compose 模式采用了“前期重规划、后期稳验证”的策略。在实测场景中，以“用 Golang 实现 Redis 并支持 redis-cli 连接”为例，Claude Code 虽然出手很快但几乎没有配套测试，而 MiMo Code 虽然前期规划耗时更长，但实现了更丰富的功能并配有完整详尽的测试，算总账反而更快。

4.3 语音交互能力

MiMo Code 集成了语音输入与控制功能，采用 MiMo-V2.5-ASR 语音识别技术。用户不仅可以通过口头修改写错的指令，还能直接喊出“发送”“执行”等操作命令，实现从输入到操控的全程免键盘操作。例如，用户只需说一句“帮我开发一个个人记账网页，支持收支统计和图表展示”，AI 即可开始理解需求、规划任务并生成对应代码。

业内认为，过去人与 AI 的交互更像在不断输入指令，而 MiMo Code 的语音输入则让开发过程更接近自然交流。这一设计不仅提升了开发者的协作效率，也让 AI 开发变得更加直观和易于上手。

4.4 开发工具链集成

5 开发工作流与使用方法

5.1 安装与快速启动

MiMo Code 的安装流程如下：

• macOS/Linux 用户：curl -fsSL https://mimo.xiaomi.com/install | bash

• Windows 用户：npm install -g @mimo-ai/cli

安装完成后，终端输入mimo即可启动。为获得最佳体验，官方推荐 Mac 用户在 iTerm 或 VSCode 终端中使用。

首次启动后需要配置 API Key，可通过命令行mimo providers login --provider deepseek --method apikey添加，或在 TUI 中输入/connect按提示完成配置。

5.2 标准化使用流程

1. 配置模型提供商：通过/connect命令或命令行添加 API Key；

2. 选择工作模式：Build / Plan / Compose 三种主代理模式按需切换；

3. 下达开发任务：通过自然语言输入需求，或在 Compose 模式下按 Tab 键切换并输入想法；

4. 系统自主执行：AI 自动完成任务规划、代码编写、测试验证和代码审查；

5. 审查与迭代：在 TUI 右侧常驻状态看板中随时观察工作进度，必要时进行人工干预。

MiMo Code 在安装后默认配备了 MiMo-V2.5 模型且限时免费使用，内置 MiMo-V2.5 限时免费通道无需注册即可使用，真正做到了开箱即用。所有设置项已全面中文本地化，为中文开发者提供了友好的本地使用体验。

6 性能评估与竞品对比

6.1 基准测试表现

在权威基准测试中，MiMo Code 与 Claude Code 使用同一 MiMo 模型进行对照实验：

数据来源：小米官方发布的测试数据

这一结果的核心价值在于：在模型完全相同的前提下，MiMo Code 凭借专属 Harness 系统与 Compose 模式的协同优化，取得了比 Claude Code 更优的表现，有力验证了模型与 Agent 深度协同优化的重要价值。

6.2 与主流竞品对比

6.3 性能特征总结

优势：模型与 Agent 深度协同优化带来的性能优势；无限上下文与持久记忆系统保障长对话质量；开源 MIT 协议降低使用门槛；全面的中文本地化与语音交互带来优异的本地使用体验。

局限：探索性产品（V0.1.0），功能完备性与稳定性有待验证；模型限免期限未知，长期使用成本存在不确定性；对硬件环境有一定要求（Node.js ≥ 18）。

7 开源生态与商业模式

7.1 MIT 协议的价值

MiMo Code 采用 MIT 开源协议，这一选择具有多重战略价值。个人开发者可以自由使用、修改和分发代码；企业可以将其整合至内部开发流程；社区可以基于它打造垂直领域的编程助手。开源也允许其他开发者基于 MiMo Code 进行二次改造与集成，显著降低了接入和集成至现有开发工具链的技术门槛。

7.2 与小米 AI 生态的协同

MiMo Code 的发布是小米 AI 生态布局中的重要一环。2026 年以来，小米在 AI 领域的动作日益密集：4 月底 MiMo-V2.5-Pro 取得全球开源模型并列第一的成绩；5 月底 API 永久降价（缓存命中价格降至 0.025 元/百万 tokens）；6 月 8 日发布 UltraSpeed 模式；6 月 11 日正式推出 MiMo Code。小米已宣布 2026 年在 AI 领域投入至少 160 亿元，未来三年投入 600 亿元。

业内人士分析认为，小米的软硬融合路径——“推动大模型、Agent 能力与海量终端场景深度绑定”——是纯互联网厂商难以复刻的。MiMo Code 正是将 AI 能力落地于开发者工具场景的重要载体，可被视为一条“软硬融合”的差异化竞争路径在开发者工具端的延伸。

7.3 商业模式分析

当前，MiMo Code 处于探索性发布阶段，核心商业模式尚未定型：

• 模型层面：MiMo-V2.5 内置并限时免费使用，可视为模型能力推广的获客窗口；

• API 层面：官方已建立 Token Plan 计费体系，包含“缓存命中价格”“输入未命中价格”“输出价格”三层结构，与企业用户深度绑定后有望形成持续收入；

• 开源社区层面：通过 MIT 协议吸引社区贡献，以生态建设反哺产品进化，探索开放核心+增值服务的开源商业模式。

8 结论与展望

8.1 主要结论

MiMo Code 是小米在 AI 编程助手领域的一次重要探索。它以基于“记录外包”架构的持久记忆系统、为 MiMo 模型量身定制的专属 Harness 系统、可实现全流程自动化的 Compose 模式为核心技术支柱，在 SWE-Bench Pro 和 Terminal Bench 2 两项基准测试中均取得了优于 Claude Code 的成绩。MIT 开源协议与全面的中文本地化设计，进一步降低了使用门槛，使其成为中文开发者在 AI 编程助手领域的有力选择。

8.2 适用场景与选择建议

• 首选 MiMo Code：中文开发者群体、偏好开源生态的用户、需要语音交互能力的开发者、希望节省模型使用成本的个人/团队。

• 需要关注：V0.1.0 版本的功能完备性与长期稳定性；模型限免期限结束后的成本结构；大型生产项目的可靠性验证。

• 参考建议：新用户可通过curl -fsSL https://mimo.xiaomi.com/install | bash快速上手。