装好 MiMo Code，接上本地模型跑第一个任务

这一课做完你会得到什么

在 Linux 或 macOS 上装好 mimo 命令，看懂它的配置和数据放在哪里，再写一份项目级配置 mimocode.json，把一个跑在本机的开源小模型接进来，用 mimo run 跑通第一次问答。全程不需要小米账号，也不需要任何付费 API Key。

MiMo Code 是什么

MiMo Code 是小米 Xiaomi MiMo 团队开源的终端 AI 编程助手（MIT 许可），基于开源项目 OpenCode 分叉。它在命令行里读写代码、执行命令、管理 Git，并带有跨会话的持久记忆、子智能体和内置技能。它本身不绑定模型，模型来自「提供商」：

本课用第三种：先用 llama.cpp 在本机起一个 OpenAI 兼容服务，再让 MiMo Code 连过去。这样每个读者都能零成本跟着做完；换成官方模型只需要在 TUI 里运行一次 /connect，后面的规则、权限、命令和技能写法完全一样。

第 1 步：安装 mimo 命令

官方安装命令（macOS / Linux）：

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

Windows 在 PowerShell 里运行：

powershell -ep Bypass -c "irm https://mimo.xiaomi.com/install.ps1 | iex"

脚本会把程序装到 ~/.mimocode/bin/mimo，并把这个目录写进 shell 配置文件的 PATH。

如果你不想直接运行远程脚本，或者网络下载不了安装脚本，也可以走另一条路（本课实测就是这样装的）：从官方 GitHub Releases 下载同一个程序手动安装。下面以 Linux x86_64 为例；Apple 芯片的 Mac 换成 mimocode-darwin-arm64.zip，用 unzip 解压：

V=v0.1.16
F=mimocode-linux-x64.tar.gz
curl -fLO \
https://github.com/XiaomiMiMo/MiMo-Code/releases/download/$V/$F
mkdir -p ~/.mimocode/bin
tar xzf $F -C ~/.mimocode/bin
export PATH=$HOME/.mimocode/bin:$PATH
mimo --version

对照结果（2026-10-29 实测，Linux x86_64）：

0.1.16

手动安装不会改 shell 配置。想让新终端也能找到 mimo，把 export PATH=$HOME/.mimocode/bin:$PATH 这一行加进 ~/.bashrc 或 ~/.zshrc。最新版本号以 https://github.com/XiaomiMiMo/MiMo-Code/releases 为准。

第 2 步：看清配置和数据放在哪

mimo debug paths

对照结果（实测，用户名不同路径会不同）：

home       /home/box
data       /home/box/.local/share/mimocode
bin        /home/box/.cache/mimocode/bin
log        /home/box/.local/share/mimocode/log
cache      /home/box/.cache/mimocode
config     /home/box/.config/mimocode
state      /home/box/.local/state/mimocode

要记住三处：

• ~/.config/mimocode/：全局配置，例如 mimocode.json 和全局规则 AGENTS.md。
• ~/.local/share/mimocode/：登录凭据 auth.json 和会话数据库。官方「会话」页提醒不要手动编辑这里的文件。
• 项目根目录的 .mimocode/：项目级配置、命令和技能，第 2、3 课都写在这里。

再看一眼当前有哪些凭据和模型：

mimo providers list
mimo models

对照结果（实测，新装、还没登录）：

┌  Credentials ~/.local/share/mimocode/auth.json
│
└  0 credentials

xiaomi/mimo-v2.6-flash — window 1.05M, compacts at 944K
xiaomi/mimo-v2.6-pro — window 1.05M, compacts at 944K
xiaomi/mimo-v2.6-pro-ultraspeed — window 1.05M, compacts at 944K

列表里的 window 是上下文窗口，compacts at 是自动压缩上下文的触发点。

默认模型是 xiaomi/mimo-v2.6-flash。实测在没有任何凭据时直接用 mimo run 调它，会报错：

cd /tmp && mimo run "你好"

> build · mimo-v2.6-flash

Error: Invalid API Key: Please provide valid API Key

所以下一步要么 /connect 登录，要么接自己的模型。

第 3 步：在本机起一个 OpenAI 兼容模型服务

这里用站内课程「Llama App 与 llama.cpp 上手」（https://www.kun.net/tutorials/llama-app-quickstart-local-openai-api/ ）里的 llama serve（llama.cpp 自带的服务器）跑 Gemma 4 E2B 的 4-bit 量化版，约 3 GB。已经有 Ollama、LM Studio 或其他 OpenAI 兼容服务的，跳过这一步，记下它的地址和模型名即可。

llama serve -hf unsloth/gemma-4-E2B-it-GGUF:Q4_K_M \
  --port 8089 -c 65536 -np 1 \
  --alias gemma-4-e2b --jinja

参数说明：

• -c 65536 -np 1：只开 1 个并发槽，让这一个槽独享 64K 上下文。
• --alias gemma-4-e2b：对外暴露的模型名。
• --jinja：用模型自带的对话模板，工具调用需要它。

为什么要 64K：MiMo Code 每次请求都会带上很长的系统提示和工具定义，实测第一轮提示就有约 2 万 token。第一次实测用的是 -c 32768，默认分成 4 个槽共享，几轮之后服务端日志出现：

decode() failed: Context size has been exceeded.

模型随即开始重复写同一个文件。改成 -c 65536 -np 1 后恢复正常。

确认服务可用：

curl -s http://127.0.0.1:8089/v1/models

返回的 JSON 里能看到 "id":"gemma-4-e2b" 就可以了。

第 4 步：用 mimocode.json 接上本地模型

建一个练习项目，在里面写项目级配置：

mkdir -p ~/mimo-demo/.mimocode && cd ~/mimo-demo
git init -q
cat > .mimocode/mimocode.json <<'EOF2'
{
  "$schema": "https://mimo.xiaomi.com/mimocode/config.json",
  "model": "local/gemma-4-e2b",
  "provider": {
    "local": {
      "name": "llama.cpp 本地",
      "npm": "@ai-sdk/openai-compatible",
      "only_configured_models": true,
      "models": {
        "gemma-4-e2b": {
          "name": "Gemma 4 E2B (本地)",
          "limit": { "context": 65536, "output": 4096 }
        }
      },
      "options": {
        "baseURL": "http://127.0.0.1:8089/v1",
        "apiKey": "none"
      }
    }
  }
}
EOF2

逐项看：

• model：默认模型，格式是 provider_id/model_id。官方「模型」页说明，自定义提供商的 provider_id 就是 provider 下的键名（这里是 local），model_id 是 models 下的键名。
• npm：配置 Schema 里 provider 的字段，指定用哪个 AI SDK 包和服务通信（「连接模型」页说明 MiMo Code 基于 AI SDK 和 Models.dev）。OpenAI 兼容接口对应 AI SDK 的官方包 @ai-sdk/openai-compatible，见 https://ai-sdk.dev/providers/openai-compatible-providers ，本课实测可用。
• options.baseURL 和 options.apiKey：「配置文件」页 provider 一节列出的字段。本地服务不校验密钥，随便填一个非空值。
• limit：告诉 MiMo Code 这个模型的上下文和输出上限。Schema 里 context 和 output 两项都是必填。
• only_configured_models：只列出你在 models 里写的模型。

开头的 $schema 让 VS Code 等编辑器能补全和校验字段。

查看效果：

mimo models local

对照结果（实测）：

local/gemma-4-e2b — window 66K, compacts at 59K

limit 很关键。第一次实测没写它时，同一条命令显示的是：

local/gemma-4-e2b — window 1M, compacts at 900K

也就是说，MiMo Code 会以为这个小模型有 100 万上下文，永远不会主动压缩，直到服务端报超长。

项目目录下还会自动生成 .mimocode/.gitignore，忽略 node_modules、package.json、bun.lock 等运行时文件，不用手动处理。

第 5 步：跑第一个任务

cd ~/mimo-demo
time mimo run "用一句中文介绍你自己"

对照结果（实测，8 核 CPU、无 GPU）：

> build · gemma-4-e2b

我是 MiMoCode，一个交互式的命令行工具，旨在帮助您完成软件工程任务。

time 显示这一次耗时约 2 分 6 秒。第一行 build · gemma-4-e2b 表示当前用的是 build 模式和本地模型。纯 CPU 上，光是读入约 2 万 token 的系统提示就要一两分钟，所以慢是正常的；有 GPU、或者换成官方 API 模型，会快很多。

日常更常用的是交互界面，在项目目录里直接输入：

mimo

进入 TUI 后：

• /models 切换模型。
• /connect 登录 Xiaomi MiMo 或其他提供商。
• Tab 键在 build 和 plan 模式间切换。
• @ 模糊搜索项目文件，把它加进提示词。

换成官方模型怎么做

官方推荐新用户用 MiMo Token Plan。在 TUI 里运行 /connect，选 Xiaomi MiMo，到 https://platform.xiaomimimo.com 登录、添加账单信息并复制 API Key，粘贴回终端即可；之后 mimo models xiaomi 里的三个 mimo-v2.6 模型都能用。不进 TUI 的话，用命令行 mimo auth login 做同样的事（mimo providers 是同一个命令，auth 是它的别名），密钥存进 ~/.local/share/mimocode/auth.json。

注意：官方文档部分示例里写的模型 ID 是 xiaomi/mimo-v2.5-pro，那是旧型号。照抄时以 mimo models xiaomi 实际列出的 ID 为准，例如 xiaomi/mimo-v2.6-pro。

小结

• 安装：官方一行脚本，或从 GitHub Releases 下载后放进 ~/.mimocode/bin。
• mimo debug paths 看配置、数据和日志的位置；mimo providers list 看凭据；mimo models 看可用模型。
• 自定义 OpenAI 兼容提供商写在 .mimocode/mimocode.json 的 provider 里：npm 指定 SDK，options.baseURL 指定地址，models.<id>.limit 写清上下文和输出上限。
• 本地小模型要给足上下文（实测至少 64K），否则会超长报错、反复执行同一个操作。
• mimo run "…" 是非交互的一次性运行，下一课用它让 MiMo Code 真正写文件、跑命令。