Zigbee-herdsman-converters v21.18.0版本发布:新增光照原始数据支持与设备兼容性扩展
Zigbee-herdsman-converters是一个开源的Zigbee设备协议转换库,它作为Zigbee2MQTT项目的核心组件,负责将各种Zigbee设备的专有协议转换为统一的MQTT消息格式。这个库支持数百种不同厂商的Zigbee设备,是构建智能家居系统的重要基础。
新增光照原始数据支持
在本次v21.18.0版本中,项目引入了一个重要的新特性——illuminance_raw(原始光照度)支持。这个特性为光照传感器提供了更底层的数据访问能力。
传统的光照传感器通常只提供经过处理的lux值(照度值),而新的illuminance_raw则能够获取传感器原始读数。这对于以下场景特别有价值:
- 数据校准:用户可以根据原始数据进行自定义校准,提高测量精度
- 高级分析:开发者可以基于原始数据实现更复杂的算法处理
- 设备调试:在设备开发或故障排查时,原始数据能提供更多信息
这项改进使得Zigbee-herdsman-converters在专业应用场景中更具灵活性,同时也为普通用户提供了更多可选的数据维度。
新增设备支持
本次更新还扩展了对飞利浦Hue系列设备的兼容性,新增了以下两个设备型号的支持:
- 929003151601
- 929003151701
这两个设备都是飞利浦Hue产品线中的智能照明设备。通过将它们纳入支持列表,Zigbee-herdsman-converters进一步巩固了其在主流智能家居生态系统中的兼容性地位。对于用户而言,这意味着可以更无缝地将这些设备集成到现有的Zigbee网络中,享受统一的管理和控制体验。
问题修复与优化
除了新增功能外,本次发布还包含了一些重要的修复和优化:
-
窗帘位置反转问题修复:针对Tuya TS0601_cover_3型号的智能窗帘设备,修复了位置控制反转的问题。这个bug会导致窗帘的开合方向与实际指令相反,影响用户体验。修复后,用户可以通过标准指令准确控制窗帘位置。
-
链路质量指标优化:移除了部分设备中冗余的linkquality(链路质量)暴露参数。这个优化减少了不必要的网络流量和设备资源占用,同时保持了核心功能的完整性。对于大多数用户来说,这个变更不会影响日常使用,但会带来系统稳定性的提升。
技术影响与升级建议
从技术架构角度看,v21.18.0版本在保持向后兼容性的同时,引入了有价值的新特性和改进。对于现有用户来说,升级到这个版本可以获得:
- 更丰富的数据维度(特别是光照传感器用户)
- 更稳定的设备控制(特别是使用Tuya窗帘设备的用户)
- 更广泛的设备兼容性(计划购买或已拥有新增Hue设备的用户)
建议所有用户考虑升级到这个版本,特别是那些使用相关设备的用户。升级过程通常只需要更新Zigbee2MQTT的依赖版本,不需要额外的配置变更。
总的来说,v21.18.0版本延续了Zigbee-herdsman-converters项目持续改进的传统,在功能丰富性和系统稳定性方面都做出了有价值的贡献,进一步巩固了其作为开源Zigbee解决方案核心组件的地位。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00