Miloco 深度打通 Home Assistant,实现设备级精准控制

在智能家居的演进过程中,AI Agent 的核心价值在于其"手"延伸得有多远。

此前,Xiaomi Miloco 已经实现了对 Home Assistant(以下简称 HA)自动化的获取与触发,但这仅仅是冰山一角。对于追求极致控制感的用户和智能家居玩家来说,显然是不够的,我们需要直接握住每一个开关、读取每一个传感器的数值。

今天,我在Miloco最新代码基础上,增加对HA设备支持,正式发布了 v0.1.4版本( https://github.com/huangyajie/xiaomi-miloco/releases/tag/v0.1.4 ,这一版本实现了对 Home Assistant 设备(Entities)的全面获取、同步与精准控制


为什么要从"自动化"转向"设备控制"?

在当前版本中,Miloco 更多是作为一个"执行者",通过调用 HA 预设的自动化来完成任务。但这种方式存在局限性:

  1. 灵活性受限:你必须先在 HA 中写好自动化,Miloco 才能调用。
  2. 感知力不足:AI 无法实时知道某个特定的净水器滤芯寿命,或者某个灯泡的具体亮度。

v0.1.4 的改变:通过接入 HA 的设备实体(Entity)层,Miloco 现在可以直接感知并控制成百上千个细分设备。

1. 全新的设备管理维度

在新的"设备管理"界面中,我们增加了专门的 HA 设备 选项卡。Miloco 会自动同步 HA 中的各类实体,包括传感器(sensor)、开关(switch)、灯光(light)以及多媒体播放器(media_player)等。

可以看到,从小米净水器的滤芯寿命、TDS 数值到小爱音箱的状态,所有实体现在都以结构化的形式呈现在 Miloco 的管理体系中。


核心机制:基于 MCP 的设备赋能

为了让 AI 逻辑与硬件控制解耦,Miloco 深度集成了 MCP (Model Context Protocol)。在对话开始前,你可以灵活选择开启哪些控制能力。

2. 动态能力挂载

在 AI 中心,通过简单的勾选,即可赋予当前 Agent 控制 HA 设备的能力。

这种设计保持了系统的轻量与灵活。当你需要 AI 帮你管理家务时,只需开启 Home Assistant Device Control


实战演练:从感知到执行

当 AI 拥有了设备列表的上下文,它不仅能回答"家里有哪些设备",还能通过 Function Calling (Tool Use) 完成复杂的链式操作。

3. 智能推理与工具调用

通过 LLM 的推理能力,Miloco 可以自动识别用户的意图并转化为具体的 HA API 调用。

在这个案例中,当用户提出控制需求时,AI 首先调用 get_devices 获取设备状态,随后精准定位到 light.xiaomi_cn_..._indicator_light,并自动执行 turn_on 操作。整个过程无需人工干预,真正实现了"所言即所得"。


Release 信息

相关推荐
tHeya06II2 分钟前
.NET AI 核心构建块:重塑智能应用开发的架构范式与生态
人工智能·架构·.net
m0_737246987 分钟前
B端&企业内部产品AI赋能的机会点识别和落地
人工智能
comedate12 分钟前
【OpenClaw】图像配置指南
人工智能·openclaw·图像修改
王忘杰14 分钟前
0基础CUDA炼丹、增加断点保存,从零开始训练自己的AI大模型 87owo/EasyGPT Python CUDA
开发语言·人工智能·python
枫叶林FYL20 分钟前
第 7 章 感知不确定性估计
人工智能·机器学习
沪漂阿龙23 分钟前
从感知机到GPT:一个1957年的“神经元”如何引爆2026年的AI革命?
人工智能·gpt·机器学习
AI视觉网奇24 分钟前
‘figurecanvasInteragg‘ object has no attribute ‘tostring_rgb‘
人工智能
fof92030 分钟前
Base LLM | 从 NLP 到 LLM 的算法全栈教程 第七天
人工智能·深度学习
缘友一世37 分钟前
当LLM Agent遇上真实渗透测试:从失败分类到难度感知规划的系统性突破
人工智能·渗透测试
躺柒42 分钟前
读2025世界前沿技术发展报告32极地考察与开发
人工智能·北极·海洋工程·极地探索·海洋技术