openHAB 5.0.0.M1 里程碑版本发布:智能家居自动化平台迎来重大更新
作为领先的开源智能家居自动化平台,openHAB项目近日发布了其5.0.0版本的第一个里程碑构建(5.0.0.M1)。这一版本标志着openHAB向5.0正式版迈出了重要一步,带来了诸多核心功能增强、性能优化和新增插件支持。
平台基础升级与系统要求
openHAB 5.0系列最显著的变化是对系统运行环境提出了新的要求。这一版本需要Java 21运行环境,并且仅支持64位操作系统。这一变更反映了现代智能家居系统对性能和稳定性的更高要求,同时也为后续功能扩展奠定了基础。
在运行时核心方面,开发团队进行了多项重要改进:
- 引入了专用的持久化别名机制,使数据存储配置更加灵活
- 升级了Karaf框架至4.4.7版本,提升了整体稳定性
- 改进了持久化服务,现在会在启动时自动恢复最后状态和状态变更时间
- 日志系统进行了重构,提供历史记录功能并提升了性能表现
- 新增了IntervalConditionHandler,为定时任务提供了更强大的支持
新增插件与功能扩展
本次更新引入了多个全新的插件,进一步扩展了openHAB的生态系统:
-
airparif空气质量监测绑定:支持从法国airparif服务获取空气质量数据,为环境监测类应用提供了新选择。
-
OpenAI文本转语音引擎:整合了OpenAI的先进语音合成技术,使语音交互更加自然流畅。
-
sbus协议绑定:为专业级智能控制系统提供了新的连接选项。
核心功能增强
openHAB 5.0.0.M1在多个核心功能领域进行了显著改进:
持久化服务:
- 现在支持在系统启动时自动恢复项目的最后状态和状态变更时间
- 针对QuantityType类型的计算优化,确保在绝对值基础上进行求和运算
- 改进了UI中的项目排除配置处理
规则引擎:
- 为基于文件的RulesDSL规则添加了sharedCache和privateCache支持
- 改进了脚本转换执行后的参数清理机制
- 增强了Cron表达式的异常处理能力
设备管理:
- 优化了SDDP发现服务的日志输出
- 改进了配置规范化处理
- 增强了设备更新时的警告信息
用户界面改进
openHAB的主用户界面在这一版本中获得了多项增强:
-
站点地图编辑器新增了拖放功能,使界面布局更加直观便捷。
-
WebSocket通信进行了重构,采用$oh命名空间,并通过头部传递访问令牌,提高了通信安全性和代码组织性。
-
图表功能扩展支持了更多图表类型,为数据可视化提供了更多选择。
-
开发者工具增加了WebSocket连接测试功能,便于调试和问题排查。
-
项目添加流程更加完善,现在会在创建后自动导航到新创建的项目页面。
插件生态更新
在插件生态方面,众多现有绑定获得了功能增强和问题修复:
- 智能家居控制类插件:
- 亚马逊Echo控制插件导入了SmartHomeJ分支,提高了兼容性
- 飞利浦电视插件解决了电源状态问题
- 米家设备插件新增了对Smart Air Purifier 4 Lite和Xiaomi Robot Vacuum X20+的支持
- 能源管理类插件:
- aWATTar插件现在包含费用计算功能
- Fronius插件支持设置备用电池容量
- sonnen插件新增了从电网主动充电电池的支持
- 环境监测类插件:
- 空气质量插件修复了圣诞节树收集的异常处理
- 辐射监测插件简化了代码并增加了衰减通道
- 多媒体控制类插件:
- Roku插件新增了结束时间和媒体进度通道
- LG WebOS插件订阅了播放/暂停状态变更
技术架构优化
在技术架构层面,这一版本进行了多项底层改进:
-
移除了对已弃用的DateTimeType方法的支持,提高了代码整洁度。
-
升级了多个关键依赖,包括Jollyday至1.4.0,Californium、CXF、JUnit和Swagger等。
-
改进了配置处理,确保配置项的正常化处理更加可靠。
-
优化了组项目计算,现在使用GroupItem的系统单位进行计算。
-
修复了数量类型比较时的维度反转问题。
总结展望
openHAB 5.0.0.M1作为通向5.0正式版的重要里程碑,展示了该项目在智能家居自动化领域的持续创新和进步。从核心架构的优化到用户界面的改进,再到插件生态的扩展,这一版本为最终用户和专业开发者都带来了显著的价值提升。
随着后续里程碑版本的陆续发布,我们可以期待openHAB 5.0将带来更加成熟稳定的智能家居自动化体验,为家庭自动化和物联网集成提供更加强大的平台支持。对于现有用户而言,现在是为升级到5.0版本开始准备测试环境的理想时机,特别是需要注意新的Java 21和64位系统要求。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-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