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。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00