Pyscript项目1.6.2版本发布:增强HA自动化脚本能力
项目概述
Pyscript是一个为Home Assistant设计的自定义组件,它允许用户使用Python语言编写自动化脚本。通过Pyscript,用户可以在HA环境中直接运行Python代码,实现更灵活、更强大的自动化控制逻辑。相比HA原生的YAML自动化配置,Pyscript提供了完整的Python编程能力,包括函数定义、条件判断、循环控制等高级特性,大大提升了自动化脚本的表达能力。
1.6.2版本核心更新
最新发布的1.6.2版本主要针对Home Assistant 2025.3.3进行了适配,并带来了一系列功能增强和问题修复:
-
新增状态检查功能:添加了
state.exist方法,开发者现在可以方便地检查某个entity_id是否存在,这在处理动态实体或不确定实体状态的场景下非常有用。 -
MQTT触发器文档完善:对
@mqtt_trigger装饰器的使用文档进行了补充,特别是关于通配符使用的说明和示例,帮助开发者更好地处理MQTT消息订阅。 -
异步函数处理优化:修复了内部函数变量遮蔽导致的
NameError问题,并移除了多余的await调用,提升了异步代码的执行效率。 -
配置流警告修复:针对配置流程中的警告信息进行了处理,使组件集成更加稳定。
技术细节解析
状态检查功能实现
新加入的state.exist方法为开发者提供了一种简洁的方式来验证实体是否存在。其实现原理是通过查询HA的内部状态机来确认指定实体ID是否已注册。这在编写健壮的自动化脚本时特别有价值,可以避免因实体不存在而导致的运行时错误。
异步处理优化
本次版本对异步处理进行了两处重要改进:
- 修复了内部函数变量遮蔽问题,确保在嵌套函数中变量引用符合预期
- 移除了多余的
await调用,优化了异步执行流程
这些改进使得Pyscript脚本在HA事件循环中的执行更加高效,减少了不必要的上下文切换开销。
MQTT触发器增强
@mqtt_trigger装饰器是Pyscript中处理MQTT消息的核心机制。新版本完善了相关文档,特别是关于主题通配符的使用说明。开发者现在可以更清晰地了解如何使用单级(+)和多级(#)通配符来订阅复杂的MQTT主题模式。
最佳实践建议
-
实体存在性检查:在使用任何实体前,建议先使用
state.exist进行检查,特别是在处理可能动态添加/移除的设备时。 -
异步代码编写:虽然Pyscript支持同步代码,但在处理I/O密集型操作时,建议使用async/await模式以获得更好的性能。
-
MQTT主题设计:利用通配符特性可以创建更灵活的MQTT消息处理逻辑,但要注意避免过度订阅导致的性能问题。
-
依赖管理:避免在脚本中懒加载大型库(如pytz),这可能导致脚本初始化延迟。
版本兼容性说明
1.6.2版本主要针对Home Assistant 2025.3.3进行了适配,同时将Python版本要求提升至3.13。用户在升级前应确保环境满足这些要求。对于仍在使用较旧HA版本的用户,建议先升级HA核心再安装此版本Pyscript。
总结
Pyscript 1.6.2版本通过新增实用功能和修复关键问题,进一步提升了在Home Assistant中使用Python编写自动化的体验。特别是状态检查功能的加入和异步处理的优化,使得开发者能够编写更健壮、更高效的自动化脚本。对于已经使用Pyscript的用户,这个版本值得升级;对于尚未尝试的用户,现在是一个很好的开始时机,可以利用Python的强大能力来扩展HA的自动化可能性。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00