mimo2codex实现 codex+xiaomi mimo模型
mimo2codex 是一个本地代理工具，核心功能是让最新版 OpenAI Codex CLI / 桌面端通过 Responses API 接入小米 MiMo、DeepSeek 等主流大模型，同时兼容 OpenAI Chat Completions 协议的其他 LLM。以下是其核心优势与缺点的结构化分析。
优势
1. 解决关键兼容性问题
- 突破小米 MiMo 官方限制：官方仅支持 Codex 的
wire_api = "chat"模式，而最新版 Codex 已将此开关设为硬错误，官方建议降级到 0.80.0（会丢失新功能） - 实现双向兼容：Codex 用最新版（保留宠物、桌面新功能、新工具），MiMo 服务端不变，无需修改任何代码或重新发包
2. 多模型灵活路由与集成
- 内置双核心支持：小米 MiMo V2.5 系列（pro/flash/omni）+ DeepSeek V4 Pro 系列，可按客户端
model字段自动路由 - 通用 provider 机制：无需改代码即可接入几乎所有 OpenAI Chat Completions 兼容模型（Qwen/GLM/Kimi/Ollama/vLLM 等）或原生 Responses API（如 OpenAI 官方）
- 智能模型映射：未知模型字段自动 fallback 到默认 provider，支持自定义别名映射，管理更灵活
3. 完整能力适配与增强
- 工具调用全兼容：支持 function tools、并行调用、
local_shell、custom、MCPnamespace等高级功能 - 思维链透传：自动处理 MiMo 官方要求的多轮
reasoning_content回传（≥0.2.3 版本），避免 400 错误或模型幻觉 - 视觉与联网优化：
- MiMo 视觉模型（v2.5/omni）自动走视觉路径，pro/flash 自动剥图 + 占位文本
- 联网搜索自动翻译成 MiMo 原生
web_searchbuiltin，失败时自动重试并记忆状态
- 主机智能切换：根据 MiMo API 密钥前缀（
tp-*/sk-*）自动选择 token-plan/pay-as-you-go 主机
4. 管理与运维便捷性
- Admin Web UI：提供模型清单、别名管理、聊天日志、Token 统计、Provider 配置等可视化功能
- 一键配置切换：v0.2.6 + 新增 "Codex 启用" 页面，原子写入配置文件并自动备份，原始配置永久保留
- 运行时覆盖：无需重启 Codex 即可动态切换上游模型，开发效率大幅提升
- sqlite 持久化：所有配置与日志存储在本地数据库，支持自定义数据目录
- cc-switch 集成：兼容多 CLI 工具管理中心，一键切换不同供应商
5. 成本与灵活性优势
- 接入高性价比模型：如 MiMo V2-Flash（$0.1 / 百万输入 token，$0.3 / 百万输出 token），成本远低于 OpenAI Codex
- 本地部署：无需依赖外部服务，数据隐私更有保障
- 混合使用：同一实例中可同时混用不同模型，按任务需求动态选择最优模型
项目架构
项目结构
mimo2codex/
├── src/
│ ├── cli.ts │ ├── config.ts # 配置接口，默认值，环境变量/命令行参数解析
│ ├── server.ts # HTTP 服务器，路由，请求生命周期
│ ├── translate/ # ← 核心：双向协议转换
│ │ ├── types.ts # 共享类型定义 (Responses 与 Chat 结构)
│ │ ├── reqToChat.ts # Responses 请求 → Chat 请求
│ │ ├── respToResponses.ts # Chat 响应 → Responses 对象 (非流式)
│ │ └── streamToSse.ts # Chat SSE 块 → Responses SSE 事件 (流式)
│ ├── upstream/ # ← 核心：MiMo API 通信
│ │ ├── mimoClient.ts # 带重试和错误映射的 HTTP 客户端
│ │ └── chatStream.ts # SSE 块解析器 (eventsource-parser)
│ └── util/
│ ├── ids.ts # 基于 nanoid 的 ID 生成 (resp_, msg_, fc_, rs_, call_)
│ ├── log.ts # 带脱敏的结构化日志
│ └── sse.ts # SSE sink 抽象 (HTTP + 内存，用于测试)
├── test/ # 单元测试 (vitest)
│ ├── reqToChat.test.ts
│ ├── respToResponses.test.ts
│ └── streamToSse.test.ts
├── mimoskill/ # 弥补 MiMo 功能缺口的配套技能 (图像生成等)
│ ├── SKILL.md # 能力矩阵与决策树
│ ├── scripts/ # generate_pet.py, install_pet.sh, mimo_chat.py
│ ├── references/ # models.md, pet_workflow.md
│ └── assets/ # pet_prompt_template.md
└── scripts/ # 安装辅助脚本 (install.sh, install.ps1)
内置模型
主要缺点与局限
1. 模型能力边界限制
- 宠物生成受限：Codex
/hatch命令在客户端硬编码调用 OpenAI 图像 API，mimo2codex 无法拦截，需通过 mimoskill 脚本绕路（如 Pollinations.ai） - MiMo agentic 能力不足：与 GPT 5.5 等主流模型相比，在多步推理和动态工具调用上仍有差距，可能出现 "自言自语" 不调工具的情况
- 视觉模型限制：仅 MiMo v2.5 和 v2-omni 支持图像输入，其他模型需自动剥图处理
2. 配置与兼容性门槛
- 环境变量管理复杂：需配置多个 API 密钥（MIMO_API_KEY/DS_API_KEY 等），不同系统（macOS/Linux/Windows）路径不同
- 版本依赖严格：需 Node.js ≥18，部分功能（如 reasoning 回传）要求≥0.2.3 版本，升级不及时会导致 400 错误
- Codex 客户端限制：上下文显示为 258k 而非 1M（Codex 官方客户端限制，与 mimo2codex 无关）
3. 功能与性能局限
- 图像生成缺失：MiMo 原生无图像生成能力，需依赖第三方服务（如 Pollinations.ai）或 OpenAI API
- 日志与监控：虽然提供 Admin UI，但高级监控功能（如实时性能分析）仍显不足
- 并行处理限制：部分复杂任务（如多轮 agentic 编码）可能因模型本身限制导致性能下降
4. 维护与支持挑战
- 社区驱动：开源项目，依赖社区维护，更新频率取决于开发者精力
- 故障排查复杂：需熟悉 Codex 和 MiMo 双方协议，部分错误（如 400
reasoning_content缺失）需专业知识定位 - API 变更风险：若 OpenAI 或 MiMo 更新 API 协议，可能导致代理失效，需等待适配更新
配置
mimo2codex init # 在 ~/.mimo2codex/ 下生成 .env + .env.example
# 编辑器打开 ~/.mimo2codex/.env 填入真 key
mimo2codex # 每次启动自动加载，banner 上会显示加载了哪些 key 名
运行
生成Readme.md
全面梳理当前项目工程代码所采用的全部技术栈，包括但不限于前端框架、后端语言及运行环境、数据库系统、第三方中间件、构建工具、部署依赖等核心技术组件，基于梳理结果生成一份规范、完整的ReadMe.md英文版文件，ReadMe-ZhCn.md中文版,ReadMe.md中链接关联ReadMe-ZhCn.md，生成过程需遵循以下要求：
梳理技术栈时需覆盖项目所有核心模块的技术选型，注明各技术的具体版本号，补充各技术在项目中的核心作用说明
ReadMe.md需包含标准的项目介绍、技术栈清单、环境依赖要求、本地部署与启动步骤、项目结构说明、开发规范、常见问题排查章节
技术栈清单需采用清晰的分类展示格式，区分前端、后端、基础设施、工具链四大类，确保层级分明
环境依赖要求需明确标注各依赖的最低兼容版本，避免环境冲突
本地部署步骤需编写可直接执行的操作指令，适配主流的Windows、macOS、Linux开发环境
最终生成的ReadMe.md需符合开源项目通用的文档规范，语言简洁易懂，无歧义，可直接用于项目托管平台展示
浙公网安备 33010602011771号