MiMo Code 、tare、通义灵码等下载地址

人工智能 2026-06-27 11:57:48

1.mimo

`npm install -g @mimo-ai/cli` 和 `npx @mimo-ai/cli` 命令

一、环境准备

MiMo Code 依赖 Node.js 环境，安装前请先确认 Node.js 已就绪。

检查 Node.js 版本

打开终端（CMD 或 PowerShell），输入：

bash

node -v

如果返回版本号（如 v20.18.0），说明已安装。MiMo Code 要求 Node.js ≥ v18.18.0。

如果提示“不是内部或外部命令”，需要先去 Node.js 官网下载 LTS 版本，安装时务必勾选 “Add to PATH” 选项。

二、安装 MiMo Code（Windows）

方式一：通过 npm 全局安装（Windows 推荐）

在终端中执行：

bash

npm install -g @mimo-ai/cli

安装完成后，会在全局环境注册 mimo 命令。

如果安装后输入 mimo 提示命令不存在，可以尝试关闭当前终端，重新打开一个新的终端窗口再试。或者使用 npx 方式启动：

bash

npx @mimo-ai/cli

方式二：macOS / Linux 用户（备选）

如果是 Mac 或 Linux 系统，也可以用官方一键脚本安装：

bash

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

三、首次启动与配置

1. 进入项目目录

用 cd 命令切换到你的代码项目根目录。例如：

bash

cd E:\Test\web\githubdemo\ZoeDataAnalysis

不在项目根目录启动，AI 将无法正确读取代码结构。

2. 启动 MiMo Code

在项目目录下执行：

bash

mimo

或使用 npx：

bash

npx @mimo-ai/cli

首次启动会自动初始化记忆库，并弹出 TUI 交互界面。

3. 连接免费模型（关键步骤）

进入界面后，输入斜杠命令连接模型：

bash

/connect

在弹出的列表中选择 “MiMo Auto（限时免费）” 或 “Xiaomi MiMo” 通道。

无需注册，无需 API Key，选择后即可直接使用内置的 MiMo-V2.5 限免模型。

连接成功后，右下角状态栏会显示模型已就绪。

四、项目初始化

首次在项目中使用，建议先执行初始化命令：

bash

/init

MiMo Code 会自动分析项目结构，并在根目录生成 AGENTS.md 文件，帮助 AI 长期记忆项目架构和编码规范。建议将此文件提交到 Git 仓库。

五、三大核心工作模式

按键盘上的 Tab 键 可在三种模式间循环切换：

模式	功能	适用场景
Build 模式（默认）	完整工具权限，可读写文件、执行命令	日常编码、Bug修复、功能迭代
Plan 模式	只读分析，禁用写入和命令执行	代码审查、方案设计、风险评估
Compose 模式	全流程编排，内置13类开发技能	完整新功能开发、复杂长周期任务

六、常用操作与交互技巧

基础输入

底部输入框输入指令，按 Enter 发送
Shift+Enter 换行编辑（不发送）

文件引用

使用 @ + 文件路径，可让 AI 读取指定文件作为上下文：

text

@src/api/index.ts 解释这个文件的鉴权逻辑

输入 @ 后会自动弹出文件匹配提示。

执行终端命令

以 ! 开头可直接执行 Shell 命令，输出会同步到对话：

text

!npm install

撤销与恢复

/undo：撤销上一次代码变更（支持多次撤销）
/redo：恢复已撤销的变更

常用斜杠命令

命令	作用
`/help`	查看所有可用命令
`/exit`	退出 MiMo Code
`/model`	查看/切换当前模型
`/cost`	查看 Token 消耗统计

七、实操示例

示例 1：让 AI 分析代码

text

@packages/functions/src/notes.ts 请详细讲解该文件的业务逻辑与函数作用

示例 2：让 AI 修改代码

text

@src/settings.ts @src/notes.ts 参照 notes.ts 中的鉴权逻辑，为 settings 路由添加相同的身份验证功能

示例 3：从零搭建项目

在空文件夹中启动 MiMo Code 后，直接输入：

text

帮我用 HTML + CSS 做一个简洁的个人名片页面

AI 会自动创建文件、编写代码并完成预览。

八、常见问题

Q：安装后输入 mimo 提示命令不存在？
A：尝试重新打开终端，或使用 npx @mimo-ai/cli 替代。

Q：MiMo Auto 免费通道会一直免费吗？
A：目前是限时免费状态，建议关注官方公告获取最新信息。

Q：支持哪些操作系统？
A：支持 Windows、macOS 和 Linux。

Q：如何更新到最新版本？
A：重新执行安装命令即可自动更新：

bash

npm install -g @mimo-ai/cli

-----------

下面是官方文档中提到的几种正确安装和启动方式：

安装方式	适用平台	命令
npm 全局安装	全平台	`npm install -g @mimo-ai/cli --registry https://registry.npmjs.org`
macOS / Linux 一键脚本	macOS, Linux	`curl -fsSL https://mimo.xiaomi.com/install \| bash`
Windows PowerShell 脚本	Windows	`powershell -ep Bypass -c "irm https://mimo.xiaomi.com/install.ps1 \| iex"`

正确安装后如何启动

安装完成后，在终端中运行的命令是 mimo，而不是再次使用 npx @mimo-ai/cli：

bash

mimo

------------------------------------------------------------------------------------------------------------------------

2.文心快码和monkeycode

文心快码 (Comate)	独立 IDE 或插件	官网下载页面：https://comate.baidu.com/zh/download 可直接下载独立的 Comate AI IDE，或在 VS Code、JetBrains IDEs 等编辑器的插件市场中搜索“文心快码 (Baidu Comate)”安装。
MonkeyCode	云端平台	官网登录地址：https://monkeycode-ai.com 无需下载安装，直接通过浏览器访问使用，首次访问可自动完成注册。

-------------------------------------------------------------------------------------------------------------------

3.Agnes Code

最推荐：下载 Agnes Code 桌面应用
这是体验 Agnes-2.5-Flash 最主要的方式。它是一个免费的桌面AI工作台，将模型和你的本地项目环境连接在了一起。
- 官方下载地址：https://agnes-ai.com/agnescode
- 支持平台：提供 Windows 和 macOS 版本（macOS 区分 Apple 芯片和 Intel 芯片）。
- 直接下载链接：如果你用的是 Windows，也可以通过这个链接直接下载安装包：https://github.com/AgnesAI-Labs/AgnesCode/releases/latest/download/AgnesCode-Installer.exe 。
其他使用方式
- 网页端/App：你也可以直接访问 Agnes AI 的网页端，或者在移动端App里使用它。
- API调用：如果你有开发需求，可以通过 Agnes AI 的开发者平台获取 API Key 来免费调用，地址是：https://platform.agnes-ai.com/login

--------------------------------------------------------------------------------------------------------------

4.通义灵码Lingma

Lingma 已经升级并更名为 Qoder CN

通义灵码主要有两种安装方式，你可以根据自己的偏好来选择：

📥 方式一：在IDE插件市场搜索安装（最推荐）

通义灵码是一个IDE插件，你可以在自己常用的编程工具里，直接搜索安装。

支持的IDE	安装路径	搜索关键词
JetBrains系列 (如IntelliJ IDEA, PyCharm, GoLand, WebStorm等)	打开 `设置` → `插件` (Plugins) → 点击 `市场` (Marketplace) 标签页	`TONGYI Lingma` 或 `通义灵码`
Visual Studio Code	点击左侧活动栏的扩展 (Extensions) 图标，打开扩展市场	`TONGYI Lingma` 或 `Lingma`
Visual Studio	打开顶部 `扩展` (Extensions) → `管理扩展` (Manage Extensions)，在搜索框中查找	`Lingma`

找到插件后，点击安装并重启IDE即可。在侧边栏登录阿里云账号，就能开始使用了。

💻 方式二：安装独立的Lingma IDE

除了插件，官方还提供了一个名为 Lingma IDE 的独立编程工具，它开箱即用，集成了完整的智能编码能力，无需额外安装插件。

你可以直接访问通义灵码的官方网站 https://tongyi.aliyun.com/lingma/，在页面中找到下载入口。这个独立IDE支持 Windows、macOS 和 Linux 系统。

--------------------------------------------------------------------------------------------------------------------

5.Google Antigravity

Google Antigravity IDE 的官方下载地址是：https://antigravity.google/download。

这款 IDE 目前处于免费公测阶段，支持 Windows、macOS 和 Linux 全平台。

🚀 下载与安装指引

官方渠道：通过上面的链接，页面会自动识别你的操作系统并提供对应的安装包。
系统要求：
- Windows：Windows 10 (64位) 或更新版本
- macOS：macOS Monterey 12 或更新版本（不支持 X86 架构）
- Linux：glibc >= 2.28, glibcxx >= 3.4.25 (例如 Ubuntu 20.04+, Debian 10+, Fedora 36+)
登录方式：使用 Google 账号登录即可开始使用。

-------------------------------------------------------------------------------------------------------------------------------------------------

6.TRAE

TRAE 的下载地址是：https://www.trae.cn/ide/download。

🚀 下载与安装指引

平台支持：提供 Windows 10/11 (64位)、macOS 12.0+ (支持Apple Silicon和Intel) 和 Linux (.deb/.rpm) 版本。
安装说明：
- Windows：下载安装包后以管理员身份运行，可勾选“添加到PATH环境变量”。
- macOS：下载 .dmg 文件后将应用拖入「应用程序」文件夹。如遇权限问题，可在终端执行命令 sudo xattr -rd com.apple.quarantine /Applications/Trae.app。
首次启动：打开后按指引选择主题、语言，并用手机号、抖音或苹果账号登录即可

-------------------------------------------------------------------------------------------------------------------------------------------------

7.Windsurf 下载地址

Windsurf 是一个独立的 AI IDE，需要下载并安装完整的桌面应用程序。

官方下载页面：https://windsurf.com/download
各平台安装方式：
- Windows / macOS / Linux：均可在官网下载页面找到对应操作系统的安装包。
- macOS (Homebrew)：也可通过命令 brew install --cask windsurf 安装。
- Linux (Debian/Ubuntu)：可通过命令 curl -fsSL https://windsurf.com/install.sh | bash 安装，或下载 .deb 包。

-------------------------------------------------------------------------------------------------------------------------------------------------

8.本地模型统一模型来源总结

工具	依赖框架	模型下载方式	主要来源
Kiln	LM Studio	在 LM Studio 界面内搜索下载	Hugging Face (GGUF)
Nyx	Ollama	终端执行 `ollama pull <模型名>`	Ollama 官方库 / Hugging Face
LocalPilot	llama.cpp	手动从 Hugging Face 下载 `.gguf` 文件	Hugging Face
Tabby	自带引擎	运行 `tabby serve --model <模型名>` 自动下载	Tabby 镜像 / Hugging Face
Allein	Ollama	终端执行 `ollama pull <模型名>`	Ollama 官方库 / Hugging Face

-------------------------------------------------------------------------------------------------------------------------------------------------

9. 开源大模型离线运行

现在有很多开源大模型，配合像 Ollama、LM Studio 这类工具，你可以完全免费、离线地把它们下载到自己的电脑上运行。

下面为你整理了一些可用模型和部署工具，以及如何将它们接入到 Trae 或 Qoder 这类 IDE 中的方法。

模型名称	直达下载链接	关键信息
DeepSeek-R1-Distill-Qwen-7B	Hugging Face 仓库页面	7B参数，GGUF量化版。推荐下载 `Q4_K_M` 版本，文件约3.7GB，质量和大小比较均衡。
Qwen 2.5 7B Instruct	Hugging Face 仓库页面	7B参数，指令微调版。下载 `Q4_K_M` 版本（约4.36GB）是普遍推荐的选择。
Llama 3 8B Instruct	需从 Meta Llama 官网申请，或在 Hugging Face 上找到 `meta-llama/Meta-Llama-3-8B-Instruct` 仓库后申请访问权限。	需要先在 Meta 官网提交申请并获得批准，才能通过 Hugging Face 下载。
gpt-oss-20b	Hugging Face 官方仓库页面	21B总参数，Apache 2.0许可证，可商用。约需16GB内存。
Llama 4 Scout	Hugging Face 仓库页面	109B总参数/17B激活参数的多模态MoE模型。Q4_K_M版本约60GB，适合高配置电脑。
DeepSeek V4-Flash	Hugging Face 早期访问页面	前沿模型（284B/13B活跃参数），请注意需要特定的 `bati.cpp` 推理库来运行，且对硬件要求极高。
Gemma 3	在 Hugging Face 上搜索 `google/gemma-3` 系列。	Google开源模型，有1B、4B、12B、27B等多种规格，使用Apache 2.0许可证。

💡 一些下载和使用提示

GGUF 格式：目前最流行的本地模型量化格式，能被 Ollama、LM Studio、llama.cpp 等工具直接使用。下载时文件后缀通常为 .gguf。
如何选择量化版本：文件名中的 Q4_K_M、Q5_K_M 代表量化级别。通常 Q4_K_M 是质量和文件大小的最佳平衡点，适合大多数人。如果电脑配置较低，可以考虑 Q3_K_M 或 Q2_K，但质量会有相应损失。
下载方式：
- 最简单：直接在浏览器中访问提供的 Hugging Face 链接，在页面下方的 “Files and versions” 列表中找到相应文件下载。
- 用命令行工具：安装 huggingface-hub 后，可用 huggingface-cli download 用户名/模型仓库名 --include "*.gguf" --local-dir 本地路径 命令下载。

🚀 本地模型部署工具

有了模型，还需要一个“容器”来运行它。下面的工具可以帮你轻松地在本地启动一个兼容 OpenAI API 的服务。

Ollama：当前最流行的本地模型管理工具之一。你只需要在命令行输入 ollama run deepseek-ai/DeepSeek-R1:7b 这样的命令，它就能自动下载并运行模型，非常方便。
LM Studio：如果你更喜欢图形界面，LM Studio 是一个很好的选择。它提供了友好的界面，让你可以浏览、下载和运行模型。
Xlr8：一个很有意思的开源项目，通过“推测解码”技术，让两个模型协同工作，声称能将本地模型的运行速度提升 2-3 倍。它的口号是“完全免费、完全隐私、在你的电脑上”。
LocalAI：一个 OpenAI API 的替代品，目标是成为免费的、开源的 OpenAI 替代方案，支持在消费级硬件上运行多种模型。

🔌 如何接入到 Trae 或 Qoder？

关键在于，Trae 和 Qoder 都支持自定义模型，并且要求填入符合 OpenAI 格式的 API 地址。

操作步骤：

启动本地模型服务：例如，使用 Ollama 运行模型后，它默认会在本地开启一个 API 服务，地址通常是 http://localhost:11434。
在 IDE 中配置：
- 在 Trae 中：进入设置 -> 模型设置，添加一个“自定义模型”。关键一步是 baseURL 要填写完整的接口路径，例如：http://127.0.0.1:11434/v1/chat/completions。API Key 可以随意填写一个占位符，比如 sk-ollama。
- 在 Qoder 中：路径类似，在设置中添加模型时，选择“OpenAI 兼容”的提供商。你需要通过访问本地服务的 /v1/models 接口（例如 http://127.0.0.1:11434/v1/models）来获取准确的模型 ID，然后在配置中精确填写它。

-------------------------------------------------------------------------------------------------------------------------------------------------

10. OpenCode 和本地的 Ollama 模型

🛠️ 第一步：部署本地 Ollama 模型

安装并启动 Ollama：首先需要安装 Ollama，并确保服务在后台运行。
- macOS/Linux：可以通过命令行安装 curl -fsSL https://ollama.ai/install.sh | sh。
- Windows：可以下载并运行官方提供的 MSI 安装包。
- 安装成功后，在终端运行 ollama serve 来启动服务。
下载适合的代码模型：OpenCode 这种编程助手需要一个擅长代码的模型。推荐下载 qwen2.5-coder 或 deepseek-coder 等模型。

bash
```
ollama pull qwen2.5-coder:7b
```
你可以根据电脑配置选择不同参数量的版本。
（重要）调整模型上下文长度：OpenCode 需要模型有较大的上下文窗口（通常需要 64k 或更高）才能处理复杂的项目文件。Ollama 默认的上下文较小，需要手动调整。可以创建一个新的模型版本来修改 num_ctx 参数：

bash
```
# 先运行模型
ollama run qwen2.5-coder:7b
# 在对话中设置上下文为 16384 (16k) 或更大
/set parameter num_ctx 16384
# 保存为一个新的模型名
/save qwen2.5-coder:7b-16k
/bye
```

⚙️ 第二步：安装 OpenCode

OpenCode 是一个命令行工具，需要 Node.js 环境（版本 18 或以上）。

通过 npm 全局安装即可：

bash
```
npm install -g opencode-ai
```
安装后可以用 opencode --version 验证是否成功。

🔗 第三步：配置 OpenCode 连接 Ollama

这是最关键的一步，有两种主要方式。

方式一：使用官方 Ollama 集成命令（最简单）

Ollama 官方提供了一个命令，可以自动完成 OpenCode 的配置。在你的项目目录下直接运行：

bash

ollama launch opencode

这个命令会帮你配置好一切，然后直接打开 OpenCode。

方式二：手动编写配置文件（更灵活）

手动配置可以让你更精确地控制连接参数。

创建配置文件：在 ~/.config/opencode/ 目录下创建 opencode.json 文件（如果目录不存在，需要手动创建）。

填入配置信息：将以下内容粘贴到文件中，并修改 models 部分为你下载的模型名称。

json

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "ollama": {
      "npm": "@ai-sdk/openai-compatible",
      "name": "Ollama",
      "options": {
        "baseURL": "http://localhost:11434/v1"
      },
      "models": {
        "qwen2.5-coder:7b-16k": {
          "tools": true
        }
      }
    }
  },
  "model": "ollama/qwen2.5-coder:7b-16k"
}