使用方式¶

Thea 是一个面向具身智能体的 Harness。它负责 Agentic Loop、上下文生命周期、 Tool 执行、执行后评估，以及部署侧向模型提供物理世界证据的边界。

公开版本可以通过五种方式使用：

部署方式	你需要提供	Thea 提供
本地终端	配好的模型凭证	完整 Agentic Loop 和终端交互，不需要 Lark 或机器人
飞书/Lark 通道	应用凭证、授权用户和模型配置	按用户隔离的 Harness 会话、卡片、图片、澄清和通知
Harness library	一个模型和模型可见的 Tools	Agentic Loop、Context、Tool Protocol、Memory、Skills、hooks 和日志
仿真器	LIBERO 或 RoboTwin 2.0 环境，以及基础策略	Observation 投影、由策略支撑的 Tool 集成和评估器接入
真实机器人	机器人 SDK 适配器、感知、策略、Scene Graph 和执行后证据	与仿真相同的运行时和公开接口

根启动脚本把这些路径映射到四种命令模式：

命令模式	启动的进程	额外要求
`--mode cli`	交互式终端，或带 `--instruction` 的单条指令	模型配置和凭证
`--mode channel`	使用默认 Harness 的飞书/Lark 通道	模型和 Lark 凭证
`--mode simulation`	使用仿真 Harness 工厂函数的飞书/Lark 通道	Lark 凭证、可导入的工厂函数和 `thea-simulation`
`--mode robot`	使用机器人 Harness 工厂函数的飞书/Lark 通道	Lark 凭证和可导入的工厂函数

simulation 和 robot 是由通道托管的部署模式，不是独立的仿真器或硬件可执行程序。不使用 Lark 的应用可以在 Python 中直接组合 Harness 并调用 run_stream()。完整启动参数可运行：

./run.sh --help

选择起点¶

在终端中运行 Harness¶

安装仓库，配置 .env 和 config.yaml 中的真实模型，然后启动交互式终端：

./install.sh
./run.sh --mode cli --check
./run.sh --mode cli

这条路径不需要 Lark 凭证，不需要仿真器，也不需要真实机器人。它也支持执行单条指令：

./run.sh --mode cli --instruction \
  "Notify the user that the Harness is ready, then explain what ran."

启动完整通道¶

安装公开包，配置模型和飞书/Lark 凭证，然后启动通道：

./install.sh
./run.sh --mode channel --check
./run.sh --mode channel

通道会为每个授权用户创建一个 Harness 会话，并把 query_user 和 notify_user 注册为模型可见的 Tools。

连接仿真器¶

单独安装目标 benchmark 环境，构造一个返回 Harness 的工厂函数，配置 Lark 凭证，并在启动通道前运行启动检查：

./run.sh --mode simulation --check \
  --harness-factory my_runtime.sim:create_harness

./run.sh --mode simulation \
  --harness-factory my_runtime.sim:create_harness

工厂函数负责连接 benchmark episode、基础策略 Tools、Observation provider 和评估器。LIBERO 与 RoboTwin 2.0 适配边界见英文 Simulation。

连接真实机器人¶

硬件 SDK 和部署专用代码应放在 Harness package 外部。部署包通过公开接口提供工厂函数、Tools、Observation、Scene Graph、Evaluation 和资源归属：

./run.sh --mode robot --check \
  --harness-factory my_runtime.robot:create_harness

./run.sh --mode robot \
  --harness-factory my_runtime.robot:create_harness

从接入真实机器人开始，然后在物理执行准备好后接入 Scene Graph 和 Evaluation as Exit Codes。

一个 task 如何运行¶

一条用户指令启动一个 Task。每个 Turn 都遵循同一个反应式循环：

refresh evidence
  -> model decision
  -> execute at most one selected Tool
  -> run configured hooks
  -> record the result
  -> refresh again

模型可以同时返回文本和一个 Tool Call。Task 在模型不再返回 Tool Call，或 Harness 终止运行时结束。最终文本就是任务报告。