在Home Assistant OS中配置Changedetection.io与Browserless Chromium集成
前言
Changedetection.io是一个强大的网站变更检测工具,而Browserless Chromium则提供了无头浏览器功能。在Home Assistant OS环境中将这两个插件集成使用,可以显著增强Changedetection.io的网页抓取能力,特别是对于那些需要JavaScript渲染的现代网页。
配置步骤详解
1. 安装必要插件
首先确保已在Home Assistant OS中安装以下两个插件:
- Changedetection.io
- Browserless Chromium
2. Browserless Chromium配置
Browserless Chromium插件安装后默认会运行在3000端口。验证其正常运行的方法是通过浏览器访问http://[你的HA IP]:3000/docs,应该能看到API文档页面。
重要提示:建议保持默认的3000端口,修改端口可能导致连接问题。
3. 获取Browserless Chromium的主机名
有两种方法可以获取Browserless Chromium的主机名:
-
通过UI查看: 在Home Assistant的插件页面,Browserless Chromium插件卡片上会显示其完整主机名。
-
通过SSH查看: 连接到Home Assistant的SSH后,执行命令:
docker exec -i hassio_dns cat "/config/hosts"在输出中查找类似这样的行:
172.30.33.5 2937404c-browserless-chrome 2937404c-browserless-chrome.local.hass.io使用
2937404c-browserless-chrome或完整主机名均可。
4. 配置Changedetection.io
使用Home Assistant的文件编辑器插件,编辑以下文件:
/homeassistant/addons_config/changedetection.io/config.yaml
在文件末尾添加以下配置(注意保留文件末尾的空行):
PLAYWRIGHT_DRIVER_URL: ws://[Browserless主机名]:3000/chromium?launch={"defaultViewport":{"height":720,"width":1280},"headless":false,"stealth":true}&blockAds=true
其中[Browserless主机名]替换为前面获取的主机名。
5. 重启Changedetection.io插件
完成配置后,重启Changedetection.io插件使配置生效。
功能验证
在Changedetection.io的网页界面中,现在应该能够选择"WebDriver Chrome/Javascript"作为抓取方法。创建一个新的监控任务,选择此方法,系统将使用Browserless Chromium来渲染网页。
常见问题解决
-
连接失败:
- 确认Browserless Chromium运行在3000端口
- 检查主机名是否正确
- 确保配置中的协议是
ws://而非http://
-
性能问题:
- 可以调整
defaultViewport参数中的分辨率 - 对于复杂网页,可以增加超时时间
- 可以调整
-
广告屏蔽: 配置中的
blockAds=true参数会启用广告屏蔽,若不需要可移除
高级配置建议
对于需要更复杂交互的网页,可以在配置中添加更多Playwright启动参数,例如:
ignoreHTTPSErrors: 忽略HTTPS错误slowMo: 减慢操作速度(调试用)timeout: 设置超时时间
通过这种集成方式,Changedetection.io获得了处理现代JavaScript网页的能力,大大扩展了其监控范围和应用场景。
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