小米智能家居集成完整指南:如何在Home Assistant中管理各类设备
想要在Home Assistant中统一管理小米智能家居设备吗?小米官方推出的Xiaomi Home Integration插件让你轻松实现这一目标!这款终极集成组件支持绝大多数小米IoT智能设备,为你打造统一的智能家居控制中心。💡
🏠 小米智能家居集成概述
Xiaomi Home Integration是小米官方支持的Home Assistant集成组件,让你能够在Home Assistant中使用小米IoT智能设备。该集成支持云控制和本地控制两种模式,覆盖了从灯光、传感器到家电的各类设备。
📥 快速安装方法
Git Clone安装(推荐)
cd config
git clone https://gitcode.com/GitHub_Trending/ha/ha_xiaomi_home.git
cd ha_xiaomi_home
./install.sh /config
HACS一键安装
在HACS中搜索"Xiaomi Home"即可一键下载安装,操作简单快捷!
手动安装
通过Samba或FTPS将custom_components/xiaomi_home文件夹复制到Home Assistant的配置目录中。
🔐 配置与登录步骤
小米账号登录
- 进入Home Assistant设置 > 设备与服务
- 添加集成 > 搜索"Xiaomi Home"
- 点击登录按钮 > 使用小米账号登录
设备添加与管理
成功登录后,系统会弹出"选择家庭和设备"对话框,你可以选择要导入到Home Assistant中的设备所在家庭。
🌐 设备分类管理详解
支持的设备类型
该集成支持多种小米智能设备类型,包括:
- 传感器类:温湿度传感器、人体传感器等
- 开关类:智能开关、无线开关等
- 家电类:空调、风扇、加湿器等
- 灯光类:智能灯泡、灯带等
- 安防类:摄像头、门锁等
🔧 高级功能配置
多用户支持
支持多个小米账号同时登录,不同账号下的设备可以添加到同一个区域进行统一管理。
本地控制配置
通过启用小米LAN控制功能,可以在与Home Assistant同一局域网内控制IP设备(通过WiFi或网线连接路由器的设备)。
调试模式
开启动作调试模式后,可以通过Text实体手动发送带参数的Action命令消息到设备。
📊 设备分类管理报表
实体转换规则
小米智能家居集成基于MIoT-Spec-V2协议,将设备功能转换为Home Assistant实体:
- 属性转换:可写属性转换为Switch、Select、Number等实体
- 事件转换:MIoT-Spec-V2事件转换为Home Assistant的Event实体
- 动作转换:无参数动作转换为Button,有参数动作转换为Notify实体
设备分类统计
集成会自动对设备进行分类管理,生成详细的设备分类报表,包括:
- 设备类型分布统计
- 在线状态监控
- 控制权限管理
🔒 安全注意事项
集成采用OAuth 2.0登录流程,不保存账号密码,但用户信息会以明文形式保存在配置文件中,请确保配置文件的存储安全。
❓ 常见问题解答
Q: 是否支持所有小米智能设备? A: 目前支持大多数设备类别,仅蓝牙设备、红外设备和虚拟设备暂不支持。
Q: 是否支持本地控制? A: 通过小米中枢网关或启用LAN控制功能可以实现部分设备的本地控制。
🎯 使用建议
- 定期更新:建议定期检查集成更新,获取最新功能
- 备份配置:重要配置修改前做好备份
- 关注日志:遇到问题时查看调试日志获取详细信息
通过Xiaomi Home Integration,你可以轻松在Home Assistant中管理各类小米智能设备,实现统一的智能家居控制体验!🚀
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00

