Home Assistant Add-ons 使用教程
项目介绍
Home Assistant Add-ons 是一个为 Home Assistant 提供扩展功能的插件仓库。Home Assistant 是一个开源的家庭自动化平台,能够跟踪和控制家中的所有设备,并实现自动化控制。通过添加不同的插件,用户可以扩展 Home Assistant 的功能,例如添加媒体服务器、监控摄像头、日志记录等。
项目快速启动
安装 Home Assistant
首先,你需要在你的设备上安装 Home Assistant。可以通过以下命令在 Docker 中快速安装:
docker run -d --name="home-assistant" -v /PATH_TO_YOUR_CONFIG:/config -v /etc/localtime:/etc/localtime:ro --net=host homeassistant/home-assistant
添加 Add-ons 仓库
在 Home Assistant 的配置界面中,导航到"管理面板" -> "插件商店",点击右上角的三个点,选择"仓库",然后添加以下 URL:
https://github.com/home-assistant/addons
安装并配置 Add-ons
选择你需要的 Add-on,点击"安装"进行安装。安装完成后,进入 Add-on 的配置页面进行必要的配置,然后启动 Add-on。
应用案例和最佳实践
案例一:使用 Samba 共享配置文件
通过安装 Samba Add-on,你可以轻松地在网络中共享 Home Assistant 的配置文件,方便在不同设备上进行编辑和管理。
案例二:集成 Node-RED 实现复杂自动化
Node-RED 是一个强大的流编程工具,通过安装 Node-RED Add-on,你可以创建复杂的自动化流程,实现更加精细的控制。
最佳实践
- 定期更新 Add-ons:保持所有 Add-ons 的最新状态,以获得最新的功能和安全更新。
- 备份配置:定期备份 Home Assistant 的配置文件,以防数据丢失。
典型生态项目
ESPHome
ESPHome 是一个用于创建和管理 ESP8266/ESP32 设备的平台,通过简单的 YAML 配置文件,可以轻松实现设备与 Home Assistant 的集成。
Zigbee2MQTT
Zigbee2MQTT 是一个将 Zigbee 设备连接到 Home Assistant 的工具,无需使用专有的网关,直接通过 MQTT 协议进行通信。
Home Assistant Community Store (HACS)
HACS 是一个社区驱动的存储库,提供了大量的自定义组件、插件和主题,可以极大地扩展 Home Assistant 的功能和美观性。
通过这些 Add-ons 和生态项目,Home Assistant 可以成为一个功能强大且高度定制化的家庭自动化中心。
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-1.5暂无简介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-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