GladysAssistant项目v4.51.0版本发布:Z-Wave场景控制器与Zigbee设备支持升级
GladysAssistant是一个开源的智能家居自动化平台,旨在为用户提供简单易用的家庭自动化解决方案。它支持多种智能家居协议,允许用户通过一个统一的界面控制和管理各种智能设备。本次发布的v4.51.0版本带来了多项功能增强和问题修复,特别是在Z-Wave和Zigbee设备支持方面有了显著改进。
核心功能更新
Z-Wave场景控制器支持
本次更新中最重要的功能之一是新增了对Z-Wave场景控制器的支持。Z-Wave是一种流行的智能家居无线通信协议,广泛应用于各种家庭自动化设备中。场景控制器是一种特殊的Z-Wave设备,允许用户通过物理按钮触发预设的场景或自动化。
在v4.51.0版本中,GladysAssistant现在能够正确识别和处理来自Z-Wave场景控制器的事件。这意味着用户可以:
- 将物理按钮与智能家居场景关联
- 通过简单的按键操作触发复杂的自动化流程
- 实现更直观的家庭控制体验
这项改进使得GladysAssistant与Z-Wave生态系统的集成更加完善,为用户提供了更多灵活的控制选项。
Zigbee设备支持扩展
在Zigbee设备支持方面,本次更新包含了多项增强:
-
新增对Aqara WXKG15LM无线开关的支持:这是一款来自Aqara的紧凑型无线开关,现在可以完美集成到GladysAssistant系统中。用户可以利用这款设备作为智能家居的物理控制点。
-
智能门铃HEIMAN HS2DB的集成:这款Zigbee协议的智能门铃现在可以被GladysAssistant识别和使用,为用户提供了更完整的智能门禁解决方案。
-
设备标识符迁移改进:对Lixee TIC设备的selector和external_id进行了迁移优化,提高了设备识别的准确性和稳定性。
这些改进使得GladysAssistant能够支持更多种类的Zigbee设备,进一步扩展了其兼容性范围。
技术优化与问题修复
MQTT连接稳定性提升
MQTT是一种轻量级的发布/订阅消息传输协议,广泛应用于物联网设备通信。本次更新对MQTT功能进行了重要改进:
- 修复了MQTT自动重连机制在自定义主题下的问题
- 更新了MQTT客户端库版本
- 提高了连接中断后的恢复能力
这些改进确保了基于MQTT协议的设备(如许多Zigbee网关)能够保持更稳定的连接,减少了通信中断的风险。
性能与构建优化
在系统性能方面,本次更新包含了两项重要改进:
-
Axios库升级:修复了请求分块响应的问题,提高了HTTP通信的可靠性。Axios是一个基于Promise的HTTP客户端,广泛用于浏览器和Node.js环境中。
-
构建流程优化:通过停止重复安装npm包,显著加快了构建过程。这一优化不仅提高了开发效率,也减少了构建过程中的潜在问题。
总结
GladysAssistant v4.51.0版本通过新增Z-Wave场景控制器支持和扩展Zigbee设备兼容性,进一步巩固了其作为多功能智能家居中心的地位。同时,MQTT连接稳定性的提升和构建流程的优化,为用户和开发者都带来了更好的体验。
这些改进使得GladysAssistant能够更好地服务于各种智能家居场景,从简单的设备控制到复杂的自动化流程,为用户提供了更强大、更可靠的家庭自动化解决方案。随着兼容设备数量的不断增加和核心功能的持续优化,GladysAssistant正逐步成为一个更加完善的智能家居平台选择。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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