iPhoneDetect 使用指南
项目介绍
iPhoneDetect 是一个专为 Home Assistant 设计的自定义组件,它能够侦测到本地局域网内连接的 iPhones,即使这些设备处于深度睡眠模式也不例外。该组件通过向UDP端口5353发送消息触发iPhone响应,从而在ARP缓存中创建条目。重要的是,它依赖于Home Assistant的设备追踪功能,并采用了return01的创意与脚本。请注意,此组件仅支持IP地址,不支持主机名配置。
项目快速启动
环境准备
确保你的系统上已安装了Home Assistant,并且了解如何添加自定义组件。
安装步骤
-
克隆仓库:
git clone https://github.com/mudape/iphonedetect.git -
移动组件: 将克隆下来的
iphonedetect文件夹复制到Home Assistant配置目录下的custom_components路径中。cp -r iphonedetect ~/your_home_assistant_config/custom_components/ -
配置Home Assistant: 编辑
configuration.yaml,加入以下设备追踪配置(如果尚未存在,则需创建device_tracker部分)并按需调整:device_tracker: - platform: iphonedetect hosts: ["YOUR_UDP_IP"] # UDP广播地址 -
重新加载或重启Home Assistant: 通过Home Assistant的UI或者命令行工具,重新加载或重启Home Assistant,使得新组件生效。
配置注意事项
对于known_devices.yaml中的设备,若要确保跟踪,需要手动将track:设置为true。
应用案例和最佳实践
- 家庭自动化场景:利用iPhoneDetect识别家人的到家与离家状态,自动控制灯光、温度或是启动安全模式。
- 节能策略:当检测到所有iPhone都离家时,自动进入节能模式,关闭不必要的电器。
- 个人化通知:结合Home Assistant的自动化,当特定iPhone连接到家庭网络时,发送个性化提醒。
典型生态项目
尽管iPhoneDetect自身聚焦于iPhone的局域网侦测,但它可以很好地融入到更广泛的智能家居生态系统中。例如,与IFTTT(If This Then That)、Zigbee或Z-Wave设备配合,实现更加复杂的联动场景。开发者和Home Assistant社区经常分享他们的集成案例,比如使用iPhoneDetect来触发智能锁的自动解锁,或者是通过手机的位置信息来调节家中环境设置,这些都是展示其强大生态结合能力的最佳示例。
以上就是关于iPhoneDetect的基本使用教程,通过这个组件,你可以让Home Assistant变得更加智能,更贴合你日常的智能家居需求。记得在实施任何配置更改后进行彻底测试,以确保一切如预期般工作。
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