Xiaomi Miot Auto插件0.7.16版本更新后电量统计属性丢失问题分析
问题概述
近期在Xiaomi Miot Auto插件从0.7.15升级到0.7.16版本后,部分用户反馈小米智能插座设备的电量统计相关属性(如power_cost_today和power_cost_month)出现丢失现象。这一问题主要影响cuco.plug.cp1md、cuco.plug.cp2d、cuco.plug.v3以及lumi.acpartner.mcn02等型号设备。
问题表现
受影响设备在升级后,实体属性中原本存在的电量统计信息突然消失。这些属性对于监控设备能耗非常重要,包括:
- 今日用电量(power_cost_today)
- 本月用电量(power_cost_month)
- 实时功率(power_consumption)
通过查看实体属性,可以发现这些关键指标不再显示,而其他功能如开关状态、电压电流等仍正常工作。
问题根源
经过分析,这一问题主要与以下因素相关:
-
Home Assistant核心版本兼容性:该问题在HA 2024.3.0版本中表现明显,而在2024.2.x版本中则工作正常,表明存在版本兼容性问题。
-
插件内部实体生成机制变更:0.7.16版本对实体生成逻辑进行了调整,可能导致部分属性未被正确映射。
-
事件循环处理异常:错误日志中显示"no running event loop"提示,表明在异步处理过程中出现了事件循环问题。
临时解决方案
在官方修复前,用户可以尝试以下临时解决方案:
-
回退HA核心版本:将Home Assistant降级至2024.2.5版本可暂时解决问题。
-
使用属性转实体:通过模板传感器将设备属性转换为独立实体:
sensor:
- platform: template
sensors:
power_today:
value_template: "{{ state_attr('switch.device_id', 'power_cost_today') }}"
unit_of_measurement: "Wh"
- 清理实体注册表:当出现重复实体ID错误时,可手动编辑core.entity_registry文件删除冲突实体。
官方修复
插件开发者已在0.7.17版本中修复了此问题。升级后,电量统计属性应能恢复正常显示。建议用户:
- 确保同时升级到最新版Home Assistant(2024.3.1)
- 检查所有相关实体是否已正确生成
- 验证各电量统计指标是否准确更新
技术建议
对于智能家居开发者,从此事件中可以吸取以下经验:
-
版本兼容性测试:在发布新版本前,应在多个HA核心版本上进行充分测试。
-
属性持久化:关键指标应考虑实现持久化存储,避免因临时问题导致数据丢失。
-
优雅降级机制:当检测到运行环境不兼容时,应提供明确的错误提示和回退方案。
-
监控关键指标:对于能耗监控类设备,建议设置自动化规则监控数据更新状态,及时发现异常。
通过这次事件,我们可以看到开源社区快速响应和修复问题的能力,也提醒用户在升级前做好充分测试和备份工作。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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