小米云令牌提取器:快速获取设备凭证的完整指南
想要轻松获取小米云设备的令牌和加密密钥吗?小米云令牌提取器正是您需要的终极工具!这个强大的开源项目能够帮助您快速提取连接到小米云的所有设备令牌,以及BLE设备的加密密钥,让您的小米设备管理更加得心应手。
🎯 项目核心功能
小米云令牌提取器具备两大核心优势:双认证方式和全设备支持。无论是使用用户名密码登录,还是通过二维码扫描认证,都能轻松完成身份验证。登录后只需选择对应的小米服务器区域(如cn代表中国,de代表德国等),系统就会自动列出您账户下的所有设备,包括设备名称和IP地址信息。
🚀 快速开始指南
Windows用户专属方案
Windows用户可以直接下载可执行文件,双击运行即可开始使用。无需安装任何依赖环境,真正实现即开即用!
Linux和Home Assistant用户
在SSH和Web Terminal环境中,执行以下简单命令:
bash <(curl -L https://github.com/PiotrMachowski/Xiaomi-cloud-tokens-extractor/raw/master/run.sh)
如果遇到安装问题,强烈推荐使用Docker版本,能够有效避免环境依赖冲突。
🐳 Docker容器化部署
Docker版本提供了最稳定可靠的运行环境,特别适合在Home Assistant的SSH和Web Terminal中使用。执行命令:
bash <(curl -L https://github.com/PiotrMachowski/Xiaomi-cloud-tokens-extractor/raw/master/run_docker.sh)
重要提示:在Home Assistant中运行此命令前,需要在插件设置中禁用"受保护模式"并重启插件。
🔧 手动Python环境部署
对于喜欢完全控制的用户,可以选择手动部署方式:
- 下载源码包:
wget https://github.com/PiotrMachowski/Xiaomi-cloud-tokens-extractor/releases/latest/download/token_extractor.zip
unzip token_extractor.zip
cd token_extractor
- 安装依赖并运行:
pip3 install -r requirements.txt
python3 token_extractor.py
⚠️ 实用技巧与注意事项
认证信息准确性
请确保使用正确的小米云账户凭据,特别注意不是Roborock应用程序的登录信息!很多用户在此处容易混淆。
网络环境优化
- 移除Cloudflare DNS设置
- 禁用网络广告拦截器(如AdGuard、PiHole等)
- 关闭网络限制(如UniFi国家限制等)
双重认证处理
- 及时检查垃圾邮件文件夹中的2FA邮件
- 如果用户名密码认证失败,可改用二维码认证方式
- 注意每日2FA请求限制(根据区域不同为3-5次)
🛠️ 故障排除指南
遇到问题时,请按照以下步骤排查:
- 验证凭据:确认使用的是小米云账户而非其他应用账户
- 检查网络:确保网络环境畅通无阻
- 认证方式切换:在密码认证和二维码认证之间灵活切换
- 耐心等待:如果遇到限制,适当等待后再尝试
💡 高级使用场景
Home Assistant集成
获取的设备令牌可以直接用于Home Assistant中的小米设备集成,实现更智能的家庭自动化控制。
设备管理优化
通过提取的令牌信息,您可以更好地管理小米生态链设备,包括智能家居、穿戴设备等。
🔒 安全使用建议
为了保障您的账户安全,请注意以下事项:
- 不要在脚本中硬编码敏感信息
- 使用环境变量传递登录凭据
- 定期更新工具版本
- 妥善保管获取的令牌信息
小米云令牌提取器作为一个免费开源工具,持续为小米设备用户提供便利。无论您是智能家居爱好者还是专业开发者,这个工具都能帮助您更高效地管理小米云设备。现在就尝试使用,开启您的小米设备管理新篇章!
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
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!Kotlin08
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