Entroly

Entroly — 选择 AI 上下文，并支持可审计恢复。

由回执支撑的选择记录：保留了什么、略去了什么，以及用于恢复精确原始字节的句柄。
可撤销的压缩，在你自己的代码仓库中，只需一条命令即可完成——无需替换模型或 Agent 架构。

pip install -U entroly  ·  entroly verify-claims  ·  entroly simulate

_{Entroly 是一款开源、本地优先的 AI 令牌效率与上下文保障层：预算内证据选择、可恢复的上下文压缩、内容寻址的证据恢复，以及可审计的回执。可通过 VS Code、Claude Code、Cursor、Codex、OpenClaw、GitHub Copilot、Aider，以及兼容 OpenAI/Anthropic 的应用使用。}

English · 简体中文 · 繁體中文 · 日本語 · 한국어 · Español · हिन्दी · Français · Deutsch · Português · Italiano · Türkçe · Tiếng Việt · Bahasa Indonesia · Polski · Nederlands · ไทย · Svenska · Čeština · Tagalog · Română

它是什么？ · 安装 · 快速开始 · 基准测试 · 常见问题 · 参与贡献

---

Entroly 是什么？（通俗说明）

Entroly 是一款本地优先的 AI 编码工具上下文控制平面。它会在令牌预算内筛选证据、保留可恢复的省略内容，并在回执中记录筛选决策。可根据你的任务评估以下三项特性：

💰 可避免的输入成本	通过 Entroly 控制的路由将请求发送给提供商时，较小的请求可以降低输入成本。实际效果取决于工作负载和提供商缓存——请参阅下文的实际数据。
🔍 可恢复的原始内容	基于回执的恢复会在本地保留源材料。要精确恢复，必须确保所引用的存储和源字节仍然可用；这并不能保证答案质量。
🧾 工作过程可核查	每项决策都会附带回执：保留了什么、遗漏了什么，以及原因。

我必须更改代码吗？ 不用。在支持经过验证的提示词钩子的主机上，Entroly 会在模型规划之前运行。仅使用 MCP 的集成仍是可调用的工具，Agent 可能会跳过它们；只有通过 Entroly 代理路由的 API 流量才会被拦截。请查看 entroly activation status --json，不要想当然地认为已安装的集成处于启用状态。

尝试使用需要付费吗？ 不需要。下方安装部分中的两条命令可在你自己的机器上运行，无需 API 密钥，并且会在你连接任何付费服务之前，展示你自己项目的真实数据。（如果缺少原生引擎支持，系统会报告此情况，而不会下载软件包——请参阅安装部分的说明。）

任务进行到一半时切换编码 Agent？ entroly-work resume 会根据持久化的仓库证据重建未完成的工作，即使上一个 Agent 没有留下交接信息也可以。接手的 Agent 必须审核推断出的状态并确认，然后才能通过 Entroly 认领工作。请从 entroly-work --project . --json resume --to-agent codex 开始； Agent 连续性指南介绍了完整流程，以及如何衡量它是否确实减少了你任务中的重新探索工作。

---

参与贡献

请先阅读开发环境设置和仓库布局，然后根据所修改的部分，遵循架构说明、风格指南 和测试说明。源代码、交付适配器和基准测试证据的审核要求各不相同；贡献者指南说明了它们的界限。

安装

不确定选哪个？ 选 Python。它是完整版本，也是大多数人使用的版本。其他软件包提供不同的运行时接口。 | 平台 | 安装 | 可获得的内容 | |---|---|---| | 🐍 Python (pip) — 推荐 | pip install -U entroly | 全部功能：命令行工具、AI 编辑器连接的服务，以及代码库 | | 📦 Node / npm | npm install -g entroly | 本地 Node/WASM CLI；Python 软件包提供范围更广的 CLI、SDK 和代理接口 | | 🦀 Rust（从源码构建） | cd entroly-core && cargo build --release --bin entroly-rs --features proxy | 单个自包含程序，无需 Python 或 Node | | 🍺 Homebrew | brew install juyterman1000/entroly/entroly | macOS/Linux 上的命令行工具 | | 🐳 Docker | docker pull ghcr.io/juyterman1000/entroly:latest | 在容器中运行，无需在计算机上安装任何内容 |

想用软件包运行器，而不是全局安装？ 这些命令会在隔离的工具缓存中使用相同的已发布构件：

# Node or Bun / WASM runtime
npx -y entroly@latest --help
pnpm dlx entroly@latest --help
bunx --bun entroly@latest --help

# Complete Python runtime
uvx --from entroly entroly --help
pipx run --spec entroly entroly --help

Node 命令提供本地 WASM CLI。Python 命令提供上文所述的完整 CLI、SDK、MCP、代理、验证和原生引擎路径。Entroly 的发布工作流会在发布完成前，针对确切版本对全部五种运行器进行冒烟测试。

现在检查是否运行成功——免费，无需 API 密钥：

cd /your/repo
entroly verify-claims
entroly simulate

_{两者都在本地运行。它们都不会调用 AI，也不能证明答案质量、激活状态或服务商费用降低。请在 simulate 中使用针对具体任务的 --query；如果它报告 Relevance ranking is OFF，请在评估选择结果前运行 entroly doctor。}

_{运行时软件包修复默认处于关闭状态。如果缺少原生引擎，则无法进行基于查询的选择，且缩减数据会标记为未获得。请使用 python -m pip install -U entroly-core 显式安装，通过 Python 调用 entroly.repair()，或设置 ENTROLY_ENABLE_SELF_HEAL=1 以允许启动时修复。这会通过配置的软件包索引下载（通常为 PyPI）。ENTROLY_NO_SELF_HEAL=1 和 ENTROLY_AIR_GAP=1 会覆盖修复许可设置。请参阅隐私和恢复数据安全。}

额外组件（entroly[proxy]、entroly[native]、entroly[full]）、独立 Rust 二进制文件和卸载步骤：请参阅引擎与安装选项。

从源码贡献？请按照可复现的开发环境设置操作。本地安装和常规测试套件无需 API 密钥；.env.example 仅介绍可选的工作区、离线、服务商和代理设置。

---

快速入门——根据你的工作方式

从本地检查开始。 entroly go 会为检测到的编辑器注册一个 MCP 服务，并启动代理和仪表板。让 API 流量经过该代理，或使用受支持的宿主钩子，然后验证集成是否实际运行。下表列出了可用方式。 | 你的情况 | 操作 | 可获得的效果 | |---|---|---| | 🟢 “我可以控制应用的 API 基础 URL。” （pip / Python 用户） | pip install -U entroly && entroly go | 启动本地代理和仪表板；将应用指向显示的 URL，并使用 entroly value --json 检查观测到的请求 | | “我使用 Node，而不是 Python。” （npm 用户） | npm install -g entroly && entroly init | Node/WASM 命令行工具和本地 MCP 方式；完整的代理和 SDK 方式请使用 Python | | “我想要一个无需运行时的单一二进制文件。” （Rust 用户） | cargo build --release --bin entroly-rs --features proxy（在 entroly-core/ 中运行） | 一个无需依赖的原生程序 | | “我使用 Claude Code、Codex、Gemini CLI 或 VS Code Agent 插件。” （插件用户） | 为该宿主安装 Entroly 插件/扩展，提交一条提示词，然后运行 entroly activation status --json | 可信提示词钩子会在规划前执行有界本地选择；回执可证明钩子已运行 | | “我使用启用了第三方配置的 Cursor。” | entroly activation install --host cursor --project . | 合并一个可撤销的 Claude 兼容提示词钩子；原生 Cursor MCP 仍仅提供建议 | | “我使用 Kiro IDE 1.x 或 CLI 3.x。” | entroly activation install --host kiro --project . | 安装一个可撤销的项目 PromptSubmit 钩子，其标准输出会添加到 Agent 上下文中 | | “我使用其他 MCP 宿主。” | entroly attach create --client claude --project . --ttl 4h --install，或使用兼容性矩阵中对应客户端的命令 | 提供受限范围的 Entroly 工具和回执；如果宿主没有经过验证的生命周期钩子，模型仍可能跳过 MCP | | “我正在用 Python 构建自己的应用。” （SDK 用户） | from entroly import compress, compress_messages, optimize | 可在组装提示词的任何位置直接从代码中调用 | | “我有 API 密钥和自己的应用。” （代理用户） | entroly proxy → 将 ANTHROPIC_BASE_URL / OPENAI_BASE_URL / GOOGLE_GEMINI_BASE_URL 指向 localhost:9377 | 经代理发送的请求可进行优化；发送实际请求后，可检查回执和提供商观测到的用量 |

Cursor MCP 用户也可以使用这个一键安装链接（无需市场帐户）：将 Entroly 添加到 Cursor.

_{失控会话救援——代理会自动执行，其他场景均可调用。 当较长的 Agent 会话接近提供商的上下文限制时，系统会在传输过程中压缩臃肿的工具输出：无需手动执行 /compact，提示词前缀保持字节稳定，因此预热的提供商缓存仍可使用，并且所有省略的内容都可以恢复。在其他任何场景——pip、SDK、提供商 SDK 包装器，或传递对话记录的 MCP 宿主——都可以交出对话并应用相同策略： from entroly import rescue_session。entroly capabilities 会报告哪些保护措施适用于当前运行方式。参见会话救援。}

**为什么要用：**更少不必要的上下文传给模型（降低费用，减少对模型的干扰）；删除内容会附带回执，并且在提供恢复句柄的情况下，还能精确恢复（参见下文各方式保留的内容）；而且你可以验证效果——在连接付费密钥之前，entroly verify-claims 和 entroly simulate 会在你自己的代码仓库上显示实际数据。

from entroly import compress, compress_messages, optimize
compressed = compress(api_response, budget=2000)
messages   = compress_messages(messages, budget=30000)
context    = optimize(fragments, budget=8000, query="fix the login bug")

entroly compress response.json --out small.json
entroly recover sha256:0b957c79... --out restored.json

可恢复的内容：对于 JSON、日志、表格/CSV 和 shell 输出，entroly recover 会返回完整原文。对于源代码、散文文档、API 架构和聊天记录，它只会返回省略的部分（函数体、句子、对话轮次），不包含这些内容的位置；因此，如果需要还原完整文件，请保留原文件；压缩回执会说明返回的是哪一种内容。 compress() 和 compress_messages() 只返回文本，不保留恢复副本；代理和 rescue_session 压缩会保存每个被缩短区块的完整原文。

每种 Agent、IDE 和 CI 用例的完整配置指南：深入了解入门 · 命令参考。

---

集成中心

在 SDK、框架、代理、MCP、插件或 Agent 边界处使用 Entroly。列出的名称并不自动代表 Entroly 会拦截托管订阅推理；只有请求经过 Entroly 控制的路由时，才能节省提供商侧的成本。

直接测试的路径	指引式或有界路径
Vercel AI SDK 中间件 · OpenAI SDK · Anthropic SDK	Agno · Strands Agents · CrewAI · AutoGen
LangChain · LiteLLM · MCP	在 Vertex AI 上使用 Claude Code · 在 Azure AI Foundry 上使用 Claude Code
OpenClaw · OpenCode	在 VS Code 中使用 Claude Code · VS Code Copilot · Grok

打开完整的已验证集成与运维中心 →

---

30 秒见证效果

这些不是模拟录屏——每段视频都由已检入的命令生成，该命令会在输出数字前验证源产物。

entroly verify-claims — 导入、压缩、回执、WITNESS 检查、恢复、代理路由、重放。无需 API 密钥。

在冻结的 24 个案例留出测试中，Entroly 答对了 24/24；已发布的基准在有效上下文约为 1.5 倍时答对了 18/24。python scripts/readme_proof.py model-recovery

进程重启后，省略的证据得以逐字节精确恢复，66/66 个载荷均成功。python scripts/readme_proof.py restart-recovery

完整协议、样本量和所有注意事项：docs/BENCHMARKS.md。

---

基准测试

关键问题是：如果发送的内容更少，AI 会不会开始出错？ 这些是标准的公开测试，分别在使用和不使用 Entroly 的情况下运行。

阅读方式： 保留率表示 AI 仍能正确作答的程度——100% 表示文本大幅减少后表现依然相同。Token 节省率表示发送的内容减少了多少（因此费用也相应降低）。使用 gpt-4o-mini 测量；区间为 Wilson 95% 置信区间。

基准测试	基线	使用 Entroly	保留率	Token 节省率
NeedleInAHaystack	100%	100%	100%	99.5%
LongBench (HotpotQA)	64%	66%	103%	85.3%
Berkeley Function Calling	100%	100%	100%	79.3%
SQuAD 2.0	80%	72%	90%	43.8%
GSM8K	85%	85%	100%	直通*
*直通：上下文已在预算范围内，因此保持不变。每行 n=20–50。复现：python benchmarks/run_readme_benchmarks.py（需要 OPENAI_API_KEY）。

**坦诚相告：**请看 SQuAD 2.0 这一行——准确率下降了（80% → 72%）。压缩是一种取舍，并非魔法，也不是在所有场景下都能带来好处。这就是为什么会提供 entroly simulate：先在你自己的项目上运行，查看实际数据，再决定是否采用。

幻觉检测（WITNESS，本地运行，无需 API）：在 20,000 个 HaluEval-QA 判断上达到 84.92% 准确率 / 0.7976 AUROC——与 gpt-4o-mini 作为 API 评审器在同一共享样本上的报告不确定性范围一致。

冻结的证据选择基准（需选择加入的 PRISM-R 研究原型，并非默认压缩器）：分歧保护机制在 300 个案例中有 298 个保留了包含答案的段落，同时平均只选择了 16 个段落中的 1.02 个（与仅使用 BM25 相比，配对精确 McNemar 检验 p=0.21875）——该实验衡量的是对已知答案段落的检索能力，而非生成答案的质量。完整方案：PRISM-R 神经证据前沿。

恢复、延迟和正面对比的前沿结果见 docs/BENCHMARKS.md，其中附有原始产物链接。这些数字都不代表对你的工作负载作出的普遍保证，也不保证生产环境中的节省量——请在自己的代码仓库上使用 entroly simulate 和 entroly value 复现。

---

准确率保留

维护者报告的历史实验，不构成质量保证。 下表报告的是一次 50K-token 预算运行结果。置信区间重叠并不能证明结果等效，也不能排除性能下降。此处尚未对这些结果进行独立复现。

_{模型：gpt-4o-mini · 预算：50K tokens · Wilson 95% 置信区间 · 复现：python -m bench.accuracy --benchmark all}

基准测试	n	基线（95% 置信区间）	Entroly（95% 置信区间）	保留率	基准差值
NeedleInAHaystack	20	100.0% [83.9–100%]	100.0% [83.9–100%]	100.0%	基线
GSM8K	100	85.0% [76.7–90.7%]	86.0% [77.9–91.5%]	101.2%	+1.0%
SQuAD 2.0	100	84.0% [75.6–89.9%]	83.0% [74.5–89.1%]	98.8%	-1.0%
MMLU (4-way MCQ)	100	82.0% [73.3–88.3%]	85.0% [76.7–90.7%]	103.7%	+3.0%
TruthfulQA (MC1)	100	72.0% [62.5–79.9%]	73.0% [63.6–80.7%]	101.4%	+1.0%
LongBench (HotpotQA)	100	57.0% [47.2–66.3%]	59.8% [49.8–69.0%]	104.9%	+2.8%

_{报告的 SQuAD 分数从 84% 降至 83%。保留率高于 100% 可能反映了抽样或模型的波动。此处显示的区间为历史报告值，并非经过验证的配对比较；Wilson 区间要求结果为二元值，不能据此推断平均部分得分的不确定性。要确立非劣效性，需要预先设定容许范围、获得逐任务配对结果、采用适当的不确定性估计，并确保样本量充足。这些结果不能外推到压缩程度更高的情况或其他模型。}

上下文选择质量

_{19 个片段的合成语料库 · 300 个 token 预算 · 3 个测试查询 · 复现：entroly benchmark}

指标	RAW（朴素 FIFO）	TOP-K（本地基线）	ENTROLY（背包算法）
平均选中片段数	6.0	6.0	8.7
平均模块覆盖数	3.0	3.7	8.7
SAST 检出总数	0	0	3

_{Entroly 能看到 8.7 个模块，而 TOP-K 只能看到 3.7 个——它会纳入身份验证、支付和速率限制。TOP-K 会漏掉速率限制器。完整方法、置信区间和复现命令 →}

---

研究

Entroly 包含以下面向研究的实现。某个模块的存在并不能证明其具备生产可靠性、数学创新性或经过独立验证；请查阅其实现和评估局限。

算法	功能	实现
BIPT	通过受 Kolmogorov 启发的溯源追踪进行字节级幻觉检测	provenance_tracer.py
NKBE	纳什-KKT 多 Agent token 预算均衡	nkbe.rs
因果上下文图	感知干预的片段反馈学习	causal.rs
认知总线	采用 KL 散度优先级的 ISA 事件路由	cognitive_bus.rs
共振矩阵	超模的成对片段价值学习	resonance.rs
系统 1 <> 2	双过程验证信念桥接（代理 <> 保管库）	coupling.py

阅读完整研究文档 · 引用 Entroly

---

功能

• 先挑选，再压缩 — 先确定哪些文件真正能回答你的问题，然后再压缩它们。
• 精确还原原文 — 任何被省略的内容都可以逐字恢复，并通过指纹校验。
• 展示处理依据 — 每项决策都有记录：保留了什么、省略了什么及其原因，以及仍存在哪些风险。
• 核查答案事实 — 在你的设备上，将 AI 的回答与它获得的证据进行比对，无需为第二次 AI 调用付费。
• 不破坏缓存 — 保持提示词中不变的部分稳定，让服务提供商对重复文本的折扣继续生效。
• 在会话崩溃前抢救内容 — 当对话变得过大时，裁剪可恢复的输出，而不是让服务提供商在任务进行中拒绝请求。
• 可将低成本任务路由到低成本模型 — 可选功能；不确定时会安全关闭。
• 跨 Agent 共享记忆 — Claude、Codex、Cursor 和 Gemini 可以读写同一个压缩上下文存储，并自动进行 SimHash 去重和 Agent 溯源追踪。
• 减少输出 token — 按工作量路由，根据查询复杂度分类并引导模型控制冗长度，从而在减少输入 token 的同时减少输出 token。
• Shell 钩子压缩 — 透明压缩 git、npm、cargo、docker、pytest、kubectl 和 terraform 的命令行输出。保留错误和警告，移除进度条和样板内容。
• 图像压缩 — 面向视觉 API 调用，将截图和图表压缩 40-90%，并可选提取 OCR 文本。
• 失败模式挖掘 — entroly learn --deep 会从会话数据中挖掘反复出现的失败模式，并将修正写入 CLAUDE.md、.cursorrules 和其他 Agent 配置文件。

可作为 CLI、Python/TypeScript SDK、MCP 服务、HTTP 代理运行，也可作为 库导入。完整功能概览：docs/product-surface.md。架构和 Rust 内部实现：docs/DETAILS.md。

---

Entroly 的比较方式

Entroly 将预算内选择、源文本范围凭证和可选验证结合起来。这些是彼此独立的保证：凭证会记录保留和省略的内容；恢复会检查源文本完整性；WITNESS/EICV 检查仍可能产生误报或漏报。求解器目标只是近似衡量有用的上下文，并不能证明所选上下文足以完成某项任务。

请在相同的任务集、版本、模型、令牌预算和质量标准下比较工具。本地 TOP-K 测试样例并不衡量任何商业产品。我们未在此提供经独立复现的跨产品比较。

---

兼容你的技术栈

从 Entroly 仓库安装公开的 Codex 插件：

codex plugin marketplace add juyterman1000/entroly --ref main
codex plugin add entroly@entroly-public

重启 Codex，检查并信任钩子，然后在完成任务后运行 entroly activation status --json。市场会随插件安装本地 Node/WASM 运行时；模型无需记得先调用 MCP 工具，Entroly 就能运行。凭证可以证明钩子已执行并选择了本地上下文，或明确判定没有匹配项。但如果没有匹配的、针对提供商的基线数据，就无法证明节省了令牌或成本。

将同一公开仓库安装为 Gemini CLI 扩展：

gemini extensions install https://github.com/juyterman1000/entroly --ref main --consent

安装后重启 Gemini CLI。仓库根目录包含 gemini-extension.json 和 GEMINI.md，因此无需进入集成子目录即可运行该命令。

对于 VS Code 或 Kiro，请从最新的GitHub 发布页面下载 entroly-vscode-*.vsix 资源，然后使用 Extensions: Install from VSIX 或 code --install-extension 进行安装。该扩展独立运行，无需 API 密钥。

JetBrains AI Assistant 用户可以在全局设置中添加同一服务：Settings → Tools → AI Assistant → Model Context Protocol (MCP)：

{
  "mcpServers": {
    "entroly": {
      "command": "npx",
      "args": ["-y", "[email protected]", "serve"],
      "env": {
        "ENTROLY_NO_DOCKER": "1",
        "ENTROLY_MCP_PASSIVE": "1",
        "ENTROLY_MCP_PROFILE": "public",
        "ENTROLY_MAX_FILES": "200"
      }
    }
  }
}

仓库还提供免费的开源 JetBrains 插件，可通过 Tools → Configure Entroly for AI Assistant 引导完成此设置、按需检查本地运行时，并让证据边界清晰可见。请参阅 extensions/jetbrains。

MCP 市场和插件清单会选择精简的 public 配置文件，让 Agent 优先看到核心上下文、凭证、连续性、恢复和验证工具。直接调用 entroly serve 仍向后兼容，并会公开完整的工具集。你可以通过 ENTROLY_MCP_PROFILE=public 或 ENTROLY_MCP_PROFILE=full 明确选择任一种行为。

基于源码检出的跨 Agent 审查

随附的 entroly-agent-review 技能可指导本地 Claude-to-Codex（或其他 Agent）代码审查。让两个 Agent 指向同一代码仓库和本地 Entroly 状态，请编写者认领任务，使用 work_state 获取其 workstream_id，再调用 work_handoff 交给审查者。审查者需先使用 work_pending_handoffs、work_resume 和 work_acknowledge_recovery，再认领后续工作，然后独立检查差异并调用 work_record_review。work_reviews 会报告经过审查的源代码是否仍为最新状态。请先在每个宿主中使用 work_capabilities 检查实际的仓库根目录；仅注册 MCP 并不能确保选择了正确的检出目录。

对于没有 MCP 客户端的源码检出，请参阅Agent 连续性指南，了解等效的 entroly-work 交接、收件箱和审查命令。

如果编写者的模型预算在调用 work_handoff 前耗尽，审查者可以调用 work_resume(to_agent=...)，获取重建的未交接证明和当前变更文件证据。它必须将前一个 Agent 的意图视为未知，确认已恢复的状态，并独立审查源代码。Claude 退出后，无法再创建或记录由 Claude 发起的交接。

交接和审查是本地 Work Graph 记录。它们将审查者的陈述与观察到的 Git 状态和文件摘要绑定；但不会证明审查者的模型身份，也不能证明审查结论正确。此流程目前要求共享本地状态。客户托管的多机服务、身份策略和审计管理属于独立的企业级工作。

MCP 路径与提供商无关：宿主可以使用 OpenAI、Anthropic、Google、Mistral、DeepSeek、Kimi、GLM 或本地模型。每个模型提供商都没有单独的插件市场；宿主的 MCP 或扩展契约才是集成边界。

Agent / 平台	路径	状态
Claude Code	内置的 UserPromptSubmit hook + 作用域限定的 MCP	启用插件后具有确定性
Codex CLI / app	内置的 UserPromptSubmit hook + 作用域限定的 MCP	信任 hook 后具有确定性
Gemini CLI	内置的 BeforeAgent hook + 作用域限定的 MCP	启用扩展后具有确定性
OpenClaw	Context-engine 插件 + 作用域限定的 MCP	原生
Cursor	兼容 Claude 的项目 hook；MCP 或代理回退方案	仅在启用第三方配置时具有确定性
Kiro IDE 1.x / CLI 3.x	项目 PromptSubmit hook	安装项目后具有确定性
VS Code / Copilot Agent 模式	支持时使用 Agent 插件 hook；回退方案为 MCP	取决于宿主版本
IntelliJ / JetBrains AI	MCP 或受支持的自定义端点	生命周期 hook 验证前仅提供建议
GitHub Copilot CLI	MCP（订阅）/ 代理（BYOK）	支持
Cortex Code	仅限 SDK / 库边界	未验证为包装目标
Aider、OpenCode 及其他 30 多种	会话作用域的 OpenAI 兼容代理	一条命令

Hook 强制执行由宿主负责，因此与该宿主运行 OpenAI、Anthropic、Gemini、Kimi、DeepSeek、Mistral 还是 GLM 模型无关。状态描述集成深度，并不保证节省成本。要实现提供商观测到的成本节省，请求必须经过 Entroly 代理路由。Entroly 不声称会拦截 Copilot 原生路径上的 GitHub 托管订阅推理。完整兼容性矩阵：docs/agent-compatibility.md。

Entroly 携带来自 OpenAI、Anthropic、Google、Meta 等厂商当前模型的已验证元数据。它会自动发现本地 Ollama 模型。模型专属详情：docs/DETAILS.md。

---

适用场景 · 不适用场景

**非常适合：**大型代码库（Agent 一次只能查看少量文件）· 多轮对话频繁的 Agent · 任何希望答案有证据支撑的场景 · 降低不断增长的实际 AI 账单。

**不适合：**很小的代码库或已能满足预算的短提示词 · 判断要求很高、始终需要完整旗舰模型的任务。

---

更多命令

如需基于证据进行优化，而非估算预期节省额：

entroly learn --history --json
entroly shrink -- pytest -q
entroly trial --experiment checkout-fix --arm baseline -- codex exec "fix the checkout test"
entroly trial --experiment checkout-fix --arm optimized -- codex exec "fix the checkout test"
entroly trial --report checkout-fix
entroly browser https://example.com --query "billing settings"
entroly find docs/product-surface.md --query "exact source evidence" --json
entroly response set evidence --scope project

每次试运行只执行一个明确选定的分支，因此不会隐式重复有状态任务或付费 Agent 任务。响应约定用于调整 Agent 指令，不会截断响应，也不会计入实测节省额。浏览器和命令缩减会保留精确的本地恢复句柄；若无法满足安全门槛，则会原样放行。

如需明确 Agent 的身份及其获准执行的操作：

entroly govern status                          # identity, policies, audit chain
entroly govern policy check write --risk high  # evaluate one authorization
entroly govern audit verify                    # exit non-zero on a broken chain

授权默认拒绝，每次拒绝都会说明所依据的策略及拒绝原因。audit verify 会检查记录条目事后是否遭到篡改——但不能证明每项操作都已记录；govern status 仅报告本地控制平面的状态，并不证明每项 Agent 操作都经过该控制平面。除非设置了 ENTROLY_IDENTITY_KEY，否则身份令牌均未签名，且绝不会打印凭据。

另提供：entroly memory、entroly wrap、entroly unwrap、entroly serve、entroly daemon、entroly dashboard、entroly demo、entroly capabilities、entroly ingest、entroly select、entroly receipt、entroly explain、entroly context-commit、entroly proof、entroly benchmark、entroly cache、entroly ravs、entroly perf、entroly batch、entroly usage。完整说明：命令参考。

---

常见问题

这会修改我的代码或文件吗？

上下文选择会读取源文件。运行相应的设置或学习命令时，Entroly 也会写入本地索引、收据、恢复数据和配置。启用前请检查生成的 Agent 配置。

我的代码会被上传到哪里吗？

本地选择和确定性验证都在你的设备上运行。配置的云服务提供商会收到请求，其中包括选中的代码和提示词。可选的 WITNESS NLI 可能会将证据和主张发送给 OpenAI。产品遥测默认关闭，但在你同意并配置端点后，可能会上传允许列表中的事件。软件包修复也需要选择启用。启用网络功能前，请阅读[隐私](PRIVACY.md)；分享收据或诊断包前，请阅读[恢复数据安全](docs/recovery-data-security.md)。

如果遗漏了重要内容怎么办？

有收据支持的压缩会保留恢复材料。`entroly recover` 会根据记录的摘要和长度验证原始内容。恢复数据缺失、已删除或损坏时，可能无法恢复。收据并不能保证 Agent 的回答正确。

这实际上能帮我省多少钱？

坦白说：这取决于你的项目。在项目中运行 `entroly simulate`——它免费、无需 API 密钥，并会根据你自己的文件估算缩减效果。如果你的提示词本来就很短，Entroly 会原样传递。

我不是开发者，也能用吗？

如果你使用 Claude Code 或 Cursor 等 AI 编码工具，请先运行[本地检查](#install)，然后选择对应的集成方式。`entroly go` 会启动代理和仪表板，并注册检测到的 MCP 客户端；但它本身不会将所有模型请求都通过代理路由。

出了问题／我卡住了。

运行 `entroly doctor`。如果仍未解决，请[提交问题](https://github.com/juyterman1000/entroly/issues)，或在[讨论区](https://github.com/juyterman1000/entroly/discussions)提问。

跨 Agent 共享记忆

使用内容寻址存储，并通过 SimHash 去重和 BM25 搜索。多个 Agent（Claude Code、Codex、Cursor）可在来源追踪的支持下，写入并查询同一个知识库。

from entroly import shared_memory_write, shared_memory_search
shared_memory_write("Auth uses JWT with RS256", agent_id="claude-code", tags=["auth"])
results = shared_memory_search("authentication tokens")  # finds it, from any agent

减少输出 Token

三层流水线：工作量分类会调整详细程度指令，max_tokens 预算会限制生成长度，生成后提炼则会删去冗余内容。“是／否”问题最多使用 150 个 Token；详细的架构审查最多使用 16,384 个 Token。

Shell 钩子压缩

针对 git、npm、cargo、docker、pytest、kubectl 和 terraform 的专用模式会剔除进度条、弃用警告和模板内容，同时保留错误和关键结果。完整输出可通过内容寻址句柄恢复。

entroly hook install     # adds transparent compression to your shell
entroly hook status      # shows which shells have the hook

失败模式挖掘

entroly learn --deep 会从 PRISM 反馈、保险库信念、演化守护进程和检查点数据中挖掘反复出现的失败模式，然后为 Agent 配置文件生成修正内容。

---

文档

• 基准测试 — 所有数字、协议、产物和注意事项。
• Context Commit 一致性 — 128/128 确定性重放、576/576 精确恢复、768/768 篡改检测。
• 架构与内部机制 — Rust 模块、压缩流水线、来源追踪、命令参考。
• Agent 兼容性 — 所有受支持的客户端及其身份验证边界。
• 限制 — Entroly 能提供哪些帮助、哪些内容会直接传递，以及它不保证什么。
• 产品功能概览 — CLI、SDK、MCP、代理、验证、记忆、安全。
• 首次运行信任指南 — 在接入付费模型密钥前应运行哪些内容。
• 公开证据政策 — 声明等级、基准测试范围和软件包链接。
• AI 成本优化指南 — 如何在不降低模型表现的情况下，通过调整上下文来降低成本。
• 模型触发的恢复 — 自动化遗漏恢复验证。
• 食谱 — 可复制粘贴的示例。
• 讨论 · 问题

_{Apache-2.0 · 本地优先 · 默认不进行出站分析}

pip install entroly && entroly go