Yeelight Shell Scripts 使用教程
项目介绍
Yeelight Shell Scripts 是一个专为 Linux 用户设计的开源项目,允许用户通过简单的 shell 脚本轻松地对 Xiaomi Mi Yeelight(RGB)灯具进行各种操作,无需额外软件或复杂的配置。该项目由 Heinz Peter Hippenstiel 开发,旨在帮助 Linux 用户利用命令行工具与 Yeelight 灯具进行交互。项目提供了一系列预设的 shell 脚本,包括开关灯、调整亮度、设置颜色和色温等,并支持通过自定义场景与第三方应用如 HA-Bridge 和 Amazon Alexa 集成,以实现更丰富的控制功能。
项目快速启动
环境准备
- 连接灯具到网络:使用 Yeelight 应用将灯具连接到您的网络,并启用开发者模式(或 LAN 控制模式)。
- 配置 IP 地址:确保您的 DHCP 服务器始终分配相同的 IP 地址给灯具。编辑
yeelight-ips文件,输入灯具的 IP 地址,每个地址用空格分隔。
安装与配置
-
克隆项目:
git clone https://github.com/hphde/yeelight-shell-scripts.git cd yeelight-shell-scripts -
编辑 IP 地址文件:
nano yeelight-ips输入灯具的 IP 地址,例如:
192.168.1.100 -
运行脚本:
./yeelight-on.sh这将打开灯具。其他脚本如
yeelight-off.sh、yeelight-brightness.sh等也可以类似方式调用。
应用案例和最佳实践
日常控制
您可以设定定时任务,使灯光随您的生活节奏自动变化。例如,使用 cron 定时任务:
crontab -e
添加如下内容:
0 18 * * * /path/to/yeelight-shell-scripts/yeelight-on.sh
0 23 * * * /path/to/yeelight-shell-scripts/yeelight-off.sh
智能家居集成
通过 HA-Bridge,可以让 Yeelight 灯具与 Amazon Alexa 或其他语音助手联动,实现语音控制。配置 HA-Bridge 后,添加 Yeelight 脚本作为设备。
节能模式
结合 redshift,可以自动调整灯光温度,减少夜间蓝光对眼睛的影响。使用 yeelight-redshift.sh 脚本:
./yeelight-redshift.sh
娱乐模式
使用 Disco 模式为派对增添动感色彩:
./yeelight-disco.sh
典型生态项目
HA-Bridge
HA-Bridge 是一个将 Yeelight 灯具与 Amazon Alexa 等语音助手集成的项目。通过配置 HA-Bridge,您可以实现语音控制 Yeelight 灯具。
Redshift
Redshift 是一个调整屏幕色温以减少夜间蓝光对眼睛影响的工具。结合 Yeelight Shell Scripts,可以实现灯光与屏幕色温同步调整。
通过以上教程,您可以快速上手并充分利用 Yeelight Shell Scripts 项目,实现智能灯光控制,提升生活品质。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00