Entropy Box（箱熵）是一个面向具身智能的"知识编译器"：一次性摄入论文、开源仓库、ROS 包、模型库等非结构化知识，输出一份持久的、带类型的、去重过的、机器可消费的知识图——相当于给 AI 画一张"总工程师的图纸"。项目已开源，包含论文、开放数据、可复现的测量脚本和在线演示系统。

---

一、引言：瓶颈不是模型能力，而是知识组织

过去几年，具身智能（Embodied Intelligence）最大的进步发生在模型端：更强的视觉模型、更强的策略学习、更大的数据集。但当我们真正想把一个机器人派去干一件实事时，卡住的往往不是"它会不会写控制器"，而是它知不知道整件事该怎么组织。

机器人需要的知识其实已经存在——散落在数万篇论文、GitHub 仓库、ROS 包、模型中心、Benchmark 套件和工程博客里。问题是：它以"散文"（prose）的形式存在，而不是"结构"（structure）的形式。

一个语言模型可以检索到一段关于逆运动学的论文段落；但如果你问它"逆运动学有哪几种不同的工程范式、各自的输入输出和失效模式是什么、分别有哪些开源实现、哪个问题必须最先解决"，它无法给出另一个程序可以直接消费的结构化答案。每次查询，模型都要从头推导一遍这个结构；对话一结束，推导就随之丢弃。

这就是 Entropy Box 想解决的问题。

---

二、核心洞察：一个任务背后，藏着十几个技术步骤

README 里有个很形象的比喻：

模型是一个掌握了所有零件的工匠，但从未拿到过总工程师的图纸。

当你说"让机器人抓取这个杯子"时，背后是感知、标定、逆运动学、轨迹规划、碰撞检测、力控、抓取规划……一长串技术步骤，以及它们之间纠缠的依赖关系。模型可以按指令写出其中某一个模块（检测器、控制器），但它无法编排整条工作流——因为它从来没有一份描述"先后顺序和依赖关系"的图纸。

Entropy Box 的定位就是这份图纸：把非结构化来源一次性编译成持久、带类型、去重、机器可消费的知识产物，让它能持续改进、无限复用。

对比维度	查询时推导（Query-time Derivation）	知识编译（Knowledge Compilation）
分析发生的地点	请求内部	请求之前
产出	散文	带类型的图
回答之后	结构被丢弃	结构持久化
全局身份	无	注册表、去重
谁能消费	一个读者	一个程序

可度量的直接后果是摊还（amortization）：每个编译单元被消费的平均次数目前约为 1.6，而且随着覆盖率上升仍在上升、并未饱和——为一个主题铸造的能力，可供之后编译的所有主题复用。覆盖越广，这份图纸越划算。

---

三、架构：三级分类法 × 三阶段多智能体 × 五阶段三闸门

Entropy Box 的编译过程有一个精心设计的骨架：

• 三级分类法：15 个顶层领域（top-level domains）→ 416 个子领域（sub-domains）→ 2,511 个叶子主题（leaf topics）。
• 每个叶子主题在单笔事务中编译成三类产物：带类型的任务链（task chains）、能力（capabilities）和资产（assets）。
• 三阶段多智能体架构负责执行编译，外部由**准入门控（admission gates）**把关。
• 构建流程划分为五个阶段、三道闸门，详见仓库的 how-it-works/ 目录——里面还公开了某个主题真实的研究文档、检索台账（retrieval ledgers）和负结果表（negative-results tables）。

为什么要公开"负结果表"？因为一份只报告检索成功的记录，和一份伪造的记录是无法区分的。记录"什么被找到又被拒绝了"的部分，才是整个证据链里承重的那块砖。

当前编译规模（持续增长中，以仓库 data/measurements.json 为准）：

• 能力约 25,000 个，资产约 6,000 个；
• 由约 100,000 条带类型边（typed edges）连接；
• 能力网络已编译出 24,915 个节点、50,407 条边。

两个读数的注意点：

1. 能力数量取决于你怎么数：注册表实体数和按主题的记录条目数是两个不同的量，它们的比值就是"去重"的效果——两者都会如实报告。
2. 覆盖率是进度读数，不是天花板：目前分类树大约还有三分之一尚未编译。

---

四、关键设计：依赖网络是"推导"出来的，不是手写的

这是整个项目最值得停下来想一秒的地方：

50,407 条能力依赖边，不是人手工写的，也不是模型推断的。

每条任务链的步骤本身已经携带了"下一个步骤"指针，以及它们所需的能力。遍历这些链、穿透那些不声明能力的纯路由步骤，潜在的排序关系就被显式地"走"出来了。这一遍历还自然产生了 7,089 个跨主题的枢纽能力（hub capabilities）——而这些恰恰是编排器（orchestrator）最需要拿捏准的东西。

这就是整个项目的一般性主张的缩影：把结构编译一次，那些本来需要多步推导才能回答的问题，就变成了图遍历（graph traversal）。

---

五、两个值得记住的实验结论（包括一个负结果）

开放数据不只是"给你看看"，而是给出了可以复核的实验结论。

5.1 负结果：嵌入相似度判不了"重复"

在 1,155 个经过人工裁决的近重复对（near-duplicate pairs）上：

路径	对数量	真重复	Precision	AUC（95% CI）
嵌入相似度（主路径）	508	35	0.069	0.629 [0.531, 0.722]
词法相似度（回退路径）	647	4	0.006	0.454 [0.271, 0.764]

一旦闸门标记出一对候选，相似度分数根本不足以决定"是否合并"——而单纯提高阈值也救不回来（精度几乎不动，却会丢掉一半真重复）。

结论很硬核：保守的裁决阶段是必需项，不是安全边际。 在当前操作点上，一个"超过相似度阈值就自动合并"的系统，十次里有九次以上是错的。

作者也诚实说明了该数据集的边界：这些配对都是"被标记过"的，因此不能估计闸门整体的判别力；闸门的召回率在此处无法测量。词法那一行只有 4 个正例，不构成一个"发现"。

5.2 正结果：把"来源可解析性"当作一个度量

每个编译主题都引用了它据以组装的研究文档——因为那些文档是文件，引用是机械可查的。当前实测：98.3% 的证据引用可以被解析。

为什么这个度量值得推广？因为它便宜、难以作弊，且直接诊断"证据层"到底是真实的还是装饰性的。生成式知识图谱通常会例行检查结构有效性，但几乎没有人检查来源可解析性。一个报不出这个数字的系统，等于没有证据层。

---

六、开放数据：可复核，而不是可参观

项目数据以 CC BY 4.0 开源，代码以 MIT 协议开源。核心开放资产：

文件	内容
data/retrieval_golden.json	126 条查询的机器人工程知识检索评测集，8 类意图，三种断言强度 + 否定断言
data/dedup_adjudication_ledger.json	裁决过的近重复对（含相似度、度量、裁决智能体与书面理由）——同时也是去重检测 benchmark
data/capability_names.json	每个能力的中英文规范名与抽象层级
data/asset_index.json	仓库、框架、包、模型、数据集、模拟器、Benchmark、机器人平台索引，含上游来源与别名
data/taxonomy.json	三级编译骨干，双语
data/measurements.json	所有对外报告数字的结构化输出
case-study/	九个主题完整版：37 条任务链、565 个步骤、283 个带完整描述的能力、143 个资产（每个都带真实仓库 URL）+ 每主题一张任务链图

复现测量只需一行命令，无需 GPU、无网络、无运行服务：

python analysis/measure.py --repo /path/to/ontology --json measurements.json

之所以不把全部能力描述按批次分发，作者在文档里说得很直白：包含输入、输出、约束、性能包络的字段，是整个项目的"实体"，也是最值得被整段抄走的东西。 九大案例主题里可以完整读到它们——足够你判断这套结构是不是真的。

---

七、怎么体验和接入

项目"编译产物不是一个静态转储，而是一个运行中的系统，而且它开着"：

• 在线演示系统：https://xiangshang.ngrok.app —— 用自然语言输入一个机器人目标，看它被分解为带归属仓库、带明确能力缺口标注的可执行能力链；复杂查询检索（覆盖 24,929 个能力）、一键方案组装、交互式依赖网络都在这里运行。无需注册、无需安装。
• 只读检索接口（对证据语料开放）：

curl -X POST "$ENTROPY_BOX_API/api/evidence/search" \
  -H "Content-Type: application/json" \
  -d '{"query": "obstacle inflation collision check", "top_k": 5, "mode": "hybrid", "rerank": true}'

• 同一接口还封装成了 Agent Skill 声明 和 MCP stdio server，可以直接接入你自己的 Agent。
• 技术笔记有两篇值得单独读：《Embedding similarity cannot decide duplication》（含数据集与脚本）和 《Merge on reasoning, split on artifacts》（从两个失败架构中提炼出的多智能体系统设计规则）。

---

八、诚实的边界：它不是什么，以及还没做什么

这个项目最难得的，是作者主动交代的"没有做什么"：

它不是什么：

• 不是搜索引擎——输出的是带声明接口的带类型实体和它们之间的边，面向程序；
• 不是 RAG 系统——RAG 在查询时推导结构并丢弃；
• 不是向量数据库——向量给你"邻居"，不给你"先于"（precedes）；
• 不是执行本体——它建模的是工程决策，而非动作语义（与 KnowRob、IEEE 1872 互补）；
• 也不是经典知识编译（OBDD / d-DNNF 那套可判定性结论一概不主张，论文里写得很清楚）。

还没做什么（Honest Status）：

• 编译仍在进行中，分类树约三分之一未编译；
• 核心对比实验尚未运行：论证了编译的价值并量化了摊还，但还没证明它比强 RAG / GraphRAG 基线给出更好的答案；
• 检索数字尚未发布——评测集和金标集已就绪，但有效运行结果还没有；他们选择"发布套件，而不是发布一个声称"；
• 构建成本（单主题耗时、token 消耗）尚未核算；
• 74.1% 的任务链是纯线性的——虽然 schema 支持分支，编译器当前只输出能通过闸门的最简结构。

---

九、结语：编译一次，复用无数次

Entropy Box 的公开版本是有意部分开源的：把最能承重的材料暂时保留，把能让你判断"结构是否真实"的部分全部开放。 完整能力描述、依赖网络结构、检索金标集、裁决台账、九大案例、测量脚本——这些足以让你复现、验证、甚至反驳。

引用方式（Zotero / BibTeX）：

@software{wang_entropy_box_2026,
  author    = {Wang, Yuqi},
  title     = {Entropy Box: A Knowledge Compiler for Embodied AI},
  year      = {2026},
  publisher = {Zenodo},
  doi       = {10.5281/zenodo.21712178},
  url       = {https://doi.org/10.5281/zenodo.21712178}
}

仓库地址：https://github.com/chenli-yy/entropy-box-public
在线系统：https://xiangshang.ngrok.app
文档镜像：https://chenli-yy.github.io/entropy-box-public/

如果你在做研究、跑 Benchmark 或做集成，缺什么可以直接联系作者（Yuqi Wang）——“我们拒绝的可能性，远低于答应的可能性。” 对一份知识层来说，能被检查，才是基础设施。