Thea 中文文档

Thea 是一个面向具身智能体的 Harness。它把模型、物理世界工具、当前观测、 持久场景状态、执行后评估和可复用经验放进同一个任务循环里，同时不绑定某个 模型供应商、机器人 SDK、仿真器、策略后端或用户通道。

这份中文文档覆盖 Thea 的核心概念、安装方式、部署路径和安全边界。 GitHub 上也提供 中文 README。

文档目录

• 使用方式
  • 选择起点
  • 一个 task 如何运行
  • 推荐阅读顺序
• 安装与配置
  • 环境要求
  • 安装所有公开包
  • 配置模型
  • 配置飞书/Lark 通道
  • 启动前验证 Lark 通道
  • 只安装 Harness
  • 下一步
• Harness 核心机制
  • 主要组件
  • 一轮决策边界
  • Tool 与执行边界
  • Skill、Memory 与 Embodiment
  • 组合边界
• 接入真实机器人
  • 部署包负责什么
  • 工厂函数形态
  • Tool 设计
  • Observation 与 Safety
  • Scene Graph 与 Evaluation
  • 验证顺序
• Scene Graph
  • 公开版本提供什么
  • Working Graph 与 Scene Graph Brief
  • 接入现有 Scene Graph
  • 添加按 ref 查询的 Tools
  • 兼容后端需要什么
  • 验证集成
• Evaluation as Exit Codes
  • 公开版本提供什么
  • 判定结果协议
  • 绑定后置条件
  • 连接执行后证据
  • 选择评估器
  • 组合 Harness
  • 复现完整行为
• 参考资料
  • 配置
  • API
  • 仿真
  • 飞书/Lark
  • 故障排查
  • 文档维护

一分钟快速开始

本地终端模式只需要模型配置，不需要 Feishu/Lark、仿真器或真实机器人：

git clone https://github.com/EIT-HAI/Thea.git
cd Thea
./install.sh
./run.sh --mode cli --check
./run.sh --mode cli

如需启动 Feishu/Lark 通道、连接仿真器，或接入真实机器人，请先完成模型与 通道凭证配置，再按照对应部署模式运行 ./run.sh。

从哪里开始读

目标	推荐入口
先跑通 Thea	使用方式
安装、模型密钥和 Lark 配置	安装与配置
理解 Agentic Loop、Context 和 Tool Protocol	Harness 核心机制
接入自己的机器人	接入真实机器人
接入可查询的世界状态	Scene Graph
用执行后证据判断任务是否完成	Evaluation as Exit Codes
查配置、API、仿真和 Lark 细节	参考资料

Thea 提供什么

• Harness 负责任务循环、上下文生命周期、工具调用、执行后评估和日志。

• 部署侧负责模型凭证、机器人或仿真器连接、感知、策略、Scene Graph 后端和 安全系统。

• Tool 暴露模型可以选择的动作或查询能力，Harness 每轮最多执行一个被选中 的 Tool Call。

• Observation 和 Scene Graph 为每次决策提供当前证据和可引用的世界状态。

• Evaluation 在动作执行后根据物理证据返回退出码，而不是只依赖模型自述。

部署方式

模式	适合场景
--mode cli	在终端中验证 Harness、模型配置和基本工具调用。
--mode channel	通过 Feishu/Lark 为授权用户提供会话、卡片、图片和澄清工具。
--mode simulation	用 LIBERO 或 RoboTwin 2.0 这类仿真环境连接基础策略。
--mode robot	通过部署包接入真实机器人 SDK、策略、感知和评估器。
Python library	在自己的应用中直接组合 Harness 并调用 run_stream()。

安全边界

Thea 是编排层，不是经过认证的机器人安全系统。急停、关节/底盘限制、碰撞 避免和低层运动控制必须独立于模型运行。部署方还需要管理日志中的用户文本、 模型输出、工具参数和物理观测数据。

继续阅读

建议顺序：

1. 使用方式

2. 安装与配置

3. Harness 核心机制

4. 接入真实机器人

5. Scene Graph

6. Evaluation as Exit Codes