Midea AC LAN集成在Home Assistant 2024.3版本中的兼容性问题分析
问题背景
近期有用户报告在将Home Assistant系统升级至2024.3版本后,Midea AC LAN集成的所有实体变为不可用状态。该集成用于控制美的空调和热泵WiFi控制器等设备,型号包括171H120F等。
错误现象分析
从日志中可以观察到大量关于常量弃用的警告信息,这些警告主要涉及以下几个方面:
-
时间单位常量弃用:TIME_DAYS、TIME_HOURS、TIME_MINUTES和TIME_SECONDS等时间单位常量已被标记为弃用,建议使用UnitOfTime枚举类中的对应值。
-
温度单位常量弃用:TEMP_CELSIUS温度单位常量被标记为弃用,建议使用UnitOfTemperature.CELSIUS。
-
功率单位常量弃用:POWER_WATT功率单位常量被标记为弃用,建议使用UnitOfPower.WATT。
-
体积单位常量弃用:VOLUME_LITERS体积单位常量被标记为弃用,建议使用UnitOfVolume.LITERS。
-
能量单位常量弃用:ENERGY_KILO_WATT_HOUR能量单位常量被标记为弃用,建议使用UnitOfEnergy.KILO_WATT_HOUR。
-
风扇功能常量弃用:SUPPORT_SET_SPEED、SUPPORT_OSCILLATE、SUPPORT_DIRECTION和SUPPORT_PRESET_MODE等风扇功能常量被标记为弃用,建议使用FanEntityFeature枚举类中的对应值。
-
热水器功能常量弃用:SUPPORT_TARGET_TEMPERATURE、SUPPORT_OPERATION_MODE和SUPPORT_AWAY_MODE等热水器功能常量被标记为弃用,建议使用WaterHeaterEntityFeature枚举类中的对应值。
-
加湿器相关常量弃用:DEVICE_CLASS_DEHUMIDIFIER、DEVICE_CLASS_HUMIDIFIER和SUPPORT_MODES等加湿器相关常量被标记为弃用,建议使用HumidifierDeviceClass和HumidifierEntityFeature枚举类中的对应值。
-
气候组件相关常量弃用:大量HVAC_MODE_*和CURRENT_HVAC_*等气候组件相关常量被标记为弃用,建议使用HVACMode和HVACAction枚举类中的对应值。
问题根源
这些警告信息表明,Midea AC LAN集成中使用了大量已被Home Assistant标记为弃用的常量。在2024.3版本中,Home Assistant对这些常量的处理变得更加严格,可能导致集成功能异常。
特别值得注意的是,日志中还包含以下关键警告:
- 气候实体未正确设置ClimateEntityFeature.TURN_OFF/TURN_ON特性但实现了相应方法
- 气候实体实现了多种HVAC模式但没有正确设置对应的特性标志
解决方案
根据用户反馈,重启Midea设备后集成功能恢复正常。这表明问题可能与以下因素有关:
-
设备通信状态:升级过程中可能导致设备与Home Assistant之间的通信中断,重启设备可以重新建立连接。
-
集成初始化顺序:在系统升级后,集成可能在设备完全就绪前尝试初始化,导致实体不可用。
长期建议
虽然重启设备可以暂时解决问题,但从长远来看,建议集成开发者:
- 更新代码中使用已弃用的常量,改用新的枚举类
- 正确实现气候实体的特性标志
- 增强集成的错误处理和恢复机制
- 优化设备通信的稳定性
用户临时解决方案
对于遇到类似问题的用户,可以尝试以下步骤:
- 重启Midea空调/热泵设备
- 重启Home Assistant系统
- 检查网络连接稳定性
- 确保设备固件为最新版本
这些措施通常可以解决因系统升级导致的临时性通信问题。如果问题持续存在,建议关注集成的后续更新版本。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0194
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0121
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook06