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。
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
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