解决HACS更新Xiaomi Miot Auto主分支版本失败问题
在使用Home Assistant时,许多用户会通过HACS(Home Assistant Community Store)来安装和管理第三方集成。Xiaomi Miot Auto是一个广受欢迎的小米设备集成插件,但最近有用户反馈在HACS中尝试更新到主分支(master)版本时遇到了下载失败的问题。
问题现象
当用户在HACS界面中选择master分支并点击下载按钮时,界面会持续显示加载状态而无法完成更新。查看日志会发现以下关键错误信息:
Got status code 404 when trying to download https://github.com/al-one/hass-xiaomi-miot/releases/download/master/xiaomi_miot.zip
这表明HACS尝试从一个不存在的URL下载主分支版本的压缩包,导致404错误。
问题分析
经过深入分析,我们发现这实际上是HACS工作机制的一个变化导致的兼容性问题。HACS在下载不同版本时采用了不同的策略:
-
对于正式发布版本(如v0.7.18),HACS会从GitHub releases下载预编译的zip包,路径格式为:
/releases/download/版本号/插件名.zip -
对于主分支(master),HACS错误地尝试使用同样的下载路径格式,但实际上主分支代码通常不会被打包发布到releases中
正确的做法应该是直接从代码仓库下载源代码压缩包,路径格式应为:/archive/分支名.zip
解决方案
目前有两种可行的解决方法:
方法一:使用命令行安装
通过SSH连接到Home Assistant服务器,执行以下命令:
wget -O - https://get.hacs.vip | DOMAIN=xiaomi_miot ARCHIVE_TAG=master bash -
这个命令会使用正确的下载路径获取主分支代码并完成安装。
方法二:等待插件更新
插件开发者可以考虑以下两种修复方案:
-
移除zip_release配置选项,让HACS默认从代码仓库下载
-
设置hide_default_branch=true,避免用户误操作选择主分支
技术背景
这个问题反映了开源软件生态中版本管理的一个常见挑战。在GitHub工作流中:
- 主分支(master/main)代表最新的开发代码
- 发布版本(releases)是经过测试的稳定版本
- HACS作为中间层,需要正确处理这两种不同的代码获取方式
理解这种差异有助于用户在遇到类似问题时更快找到解决方案,也提醒插件开发者需要注意与HACS的兼容性配置。
总结
当遇到HACS更新主分支失败时,用户可以选择使用命令行工具临时解决,或者等待插件开发者调整配置。这个问题也提醒我们,在使用开源软件时,理解其底层工作机制能帮助我们更有效地解决问题。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust022
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- 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
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00