Room Summary Card 实体配置详解:打造个性化智能家居控制面板
2025-06-20 17:38:35作者:申梦珏Efrain
前言
Room Summary Card 作为智能家居控制面板的重要组成部分,其核心功能在于对各类实体的可视化展示与交互。本文将深入解析实体配置的两种格式、各项参数含义以及颜色优先级系统,帮助用户打造既美观又实用的房间概览界面。
一、实体配置的两种格式
1. 简易字符串格式
适用于快速添加基础实体,采用最简单的YAML列表形式:
entities:
- light.living_room_lamp
- switch.living_room_tv
特点:
- 仅需提供实体ID
- 使用实体默认图标
- 采用主题默认颜色方案
- 点击动作为默认切换(toggle)
2. 详细对象格式
提供完整的自定义能力,每个实体可配置多项参数:
entities:
- entity_id: light.living_room_lamp
icon: mdi:lamp
on_color: yellow
off_color: grey
tap_action:
action: toggle
特点:
- 支持图标自定义
- 可单独设置开/关状态颜色
- 可定义多种交互动作
- 配置粒度更精细
二、实体配置参数详解
| 参数名称 | 类型 | 默认值 | 说明 |
|---|---|---|---|
| entity_id | 字符串 | 必填 | Home Assistant中的实体ID |
| icon | 字符串 | 实体默认图标 | 可指定Material Design Icons中的任意图标 |
| on_color | 字符串 | 按实体类型默认颜色 | 实体开启状态时显示的颜色 |
| off_color | 字符串 | 主题关闭颜色 | 实体关闭状态时显示的颜色 |
| tap_action | 对象 | {action: "toggle"} |
单击动作,支持toggle/more-info/none/call-service等 |
| hold_action | 对象 | {action: "more-info"} |
长按动作 |
| double_tap_action | 对象 | {action: "none"} |
双击动作 |
三、颜色优先级系统
Room Summary Card采用四级颜色优先级机制,确保显示效果既灵活又统一:
- 实体配置优先:直接配置的
on_color和off_color具有最高优先级 - 实体属性次之:通过
customize.yaml设置的属性会覆盖默认值 - 主题颜色备用:当前主题定义的颜色方案
- 领域默认兜底:系统根据实体类型(如light/switch等)自动分配的颜色
四、实用配置示例
1. 媒体设备主题化
entities:
- entity_id: media_player.living_room_tv
icon: mdi:television-classic
on_color: deep-purple
off_color: dark
2. 安防状态可视化
entities:
- entity_id: binary_sensor.front_door
icon: mdi:door
on_color: red
off_color: green
tap_action:
action: more-info
3. 温控系统配置
entities:
- entity_id: climate.living_room
icon: mdi:thermostat
on_color: orange
off_color: blue
hold_action:
action: call-service
service: climate.set_temperature
target:
entity_id: climate.living_room
data:
temperature: 22
五、最佳实践建议
- 保持视觉一致性:同一房间内的同类型设备建议使用相似配色
- 合理利用交互:高频操作用toggle,详细信息用more-info
- 图标选择原则:优先选择能直观表达设备功能的图标
- 颜色对比度:确保开启/关闭状态颜色有明显区分度
- 渐进式配置:先使用简易格式快速搭建,再逐步细化定制
通过灵活运用这些配置选项,您可以打造出既美观又实用的房间概览界面,让智能家居控制变得更加直观高效。
登录后查看全文
热门项目推荐
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
最新内容推荐
PCDViewer-4.9.0-Ubuntu20.04:专业点云可视化与编辑工具全面解析 Qt控件CSS样式实例大全 - 打造现代化GUI界面的终极指南 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 Python开发者的macOS终极指南:VSCode安装配置全攻略 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案
项目优选
收起
deepin linux kernel
C
24
7
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
615
140
Ascend Extension for PyTorch
Python
167
187
React Native鸿蒙化仓库
JavaScript
240
315
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
647
255
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
373
3.18 K
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.09 K
618
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
62
19
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
260
92