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。
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