Bubble 的安装和配置教程
1. 项目基础介绍和主要编程语言
Bubble 是一个为 Home Assistant 设计的暗色简约主题,采用了移动优先的设计理念。它基于 aFFekopp 的 Noctis 主题进行开发,通过安装 card-mod 可以获得更多功能,如桌面端的移动视图和移动端无头部显示等。
该项目的开发主要使用了 JavaScript 语言。
2. 项目使用的关键技术和框架
Bubble 主题使用了以下关键技术和框架:
- Home Assistant: 一个开源的家庭自动化平台,用于控制智能家居设备。
- card-mod: Home Assistant 的一个插件,用于自定义 Lovelace UI 的卡片。
- HACS (Home Assistant Community Store): Home Assistant 的一个社区插件商店,用于方便用户安装和管理社区开发的插件和主题。
3. 项目安装和配置的准备工作及详细步骤
准备工作
在开始安装 Bubble 主题之前,请确保以下条件已经满足:
- 安装了 Home Assistant。
- Home Assistant 的版本支持 Bubble 主题。
- 如果使用 HACS 安装,需要先安装 HACS。
安装步骤
方法一:不使用 HACS 安装
-
下载
bubble.yaml文件。 -
在 Home Assistant 的配置目录中创建一个名为
bubble的新文件夹,并将下载的bubble.yaml文件放入该文件夹中。 -
打开
configuration.yaml文件,添加以下内容:frontend: themes: !include_dir_merge_named themes -
保存
configuration.yaml文件并重启 Home Assistant。 -
进入个人账户设置,选择 Bubble 作为你的主题。
方法二:使用 HACS 安装
-
按照官方文档指导,下载并安装 HACS:HACS 安装指导。
-
根据官方文档完成 HACS 的初始配置:HACS 配置指导。
-
在 Home Assistant 的侧边栏中进入 HACS > 集成,点击右上角的图标,然后选择 “自定义仓库”。
-
在仓库地址栏中输入:
https://github.com/Clooos/Bubble。 -
在类别中选择 “主题”,然后点击 “添加”。
-
点击 “Bubble”,然后点击 “下载” 按钮。
-
打开
configuration.yaml文件,添加以下内容:frontend: themes: !include_dir_merge_named themes -
保存
configuration.yaml文件并重启 Home Assistant。 -
进入个人账户设置,选择 Bubble 作为你的主题。
完成以上步骤后,Bubble 主题应该已经成功安装在你的 Home Assistant 系统中,你现在可以享受一个暗色简约且移动优先的界面设计了。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00