Companion自定义变量的数值范围控制技巧
概述
在Companion自动化控制系统中,自定义变量(Custom Variable)是构建复杂控制逻辑的基础元素。虽然Companion目前没有直接提供变量数值范围限制的内置功能,但通过表达式(Expression)可以灵活实现各种数值边界控制需求。
数值范围限制的实现方法
基础限制方法
对于需要限制变量在特定范围内的场景,可以使用以下表达式模式:
-
设置下限(不低于最小值):
max(最小值, 变量表达式)例如:确保变量不小于0
max(0, $(custom:some_variable) - 1) -
设置上限(不超过最大值):
min(最大值, 变量表达式)例如:确保变量不超过10
min(10, $(custom:some_variable) + 1)
循环滚动的实现
对于需要循环滚动的场景(如旋钮控制),可以使用以下技术:
-
正向循环(达到最大值后回到最小值):
(变量 + 步长) % (最大值 + 1)示例:0-255循环
($(custom:some_variable) + 1) % 256 -
反向循环(低于最小值后跳转到最大值):
变量 - 步长 >= 最小值 ? 变量 - 步长 : 最大值示例:255到0的反向循环
$(custom:some_variable) - 1 >= 0 ? $(custom:some_variable) - 1 : 255 -
对称循环(超出正负范围后跳转):
变量 + 步长 <= 上限值 ? 变量 + 步长 : 下限值示例:-128到128的对称循环
$(custom:some_variable) + 1 <= 128 ? $(custom:some_variable) + 1 : -128
技术实现原理
Companion的表达式引擎支持多种逻辑运算符和数学函数,使得开发者可以在变量赋值时直接实现复杂的边界控制逻辑。这种设计避免了创建额外的触发器,保持了系统的简洁性。
表达式中的条件运算符(?:)和数学函数(min/max/mod)是实现这些功能的关键。通过组合这些基本元素,可以构建出满足各种业务场景的边界控制方案。
应用场景建议
-
物理控制器集成:当使用Stream Deck Plus等带旋钮的硬件时,循环滚动模式可以提供更自然的用户体验。
-
状态机控制:在有限状态机实现中,使用范围限制可以确保状态值始终有效。
-
参数调节:对于需要限制调节范围的参数(如音量、亮度等),使用上下限限制可以防止意外越界。
注意事项
-
目前Companion的自定义变量是弱类型的,可以存储各种数据类型。数值范围控制仅适用于数值型变量。
-
对于复杂的边界条件,建议先在测试环境中验证表达式逻辑。
-
表达式中的变量引用使用$(custom:variable_name)语法,确保变量名正确。
通过掌握这些表达式技巧,开发者可以在Companion中实现灵活而强大的变量控制逻辑,满足各种自动化控制场景的需求。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112