一、MiLoco 简介
小米推出了首个大模型加智能家居解决方案 Xiaomi Miloco，全称为 Xiaomi Local Copilot（小米本地协同智能助手）。该项目以米家摄像头为视觉信息源，核心是自研的大语言模型 MiMo-VL-Miloco-7B，旨在连接家中所有物联网设备，框架已开源。
GitHub 仓库地址：https://github.com/XiaoMi/xiaomi-miloco
MiMo-VL-Miloco-7B 模型基于小米发布的 MiMo 模型调优而来。从小米公布的页面来看，主视觉是一个类似 ChatGPT 的聊天框，左侧包含 AI 中心、模型管理、MCP 服务、设备管理等导航选项，相机设备则独立陈列视频记录。
1. 关键特性
- 交互新范式：基于大模型开发范式，通过自然语言即可完成规则设置和复杂指令控制。
- 视觉数据新用途：将摄像头数据流作为感知信息源，利用大模型解析家庭场景事件并回复用户查询。
- 端侧大模型：任务拆分为规划与视觉理解两个阶段，采用端侧模型实现视频理解，保障隐私安全。
- 米家生态：打通米家生态，支持设备获取与执行，可发送自定义通知。
此外，Miloco 通过标准化的 MCP 协议封装，实现了与 Home Assistant 生态的打通，并支持第三方 IoT 平台接入。
从软硬件要求来看，部署门槛并不高。仅需 x64 架构硬件，图形处理器在英伟达 30 系列及以上，存储建议 16GB 以上即可。
2. 四层架构
二、快速开始
1. 系统要求
硬件要求
- CPU: x64 架构
- 显卡：NVIDIA 30 系及以上，显存 8GB 及以上（最低），建议 12GB 及以上
- 存储：建议 20GB 及以上可用空间
软件要求
- 操作系统：Linux (x64, Ubuntu 22.04+ LTS)、Windows (x64, Win10+, 需 WSL2)。
- Docker: 20.10 及以上版本，支持 docker compose。
- NVIDIA 驱动：支持 CUDA。
- NVIDIA Container Toolkit: 用于 Docker GPU 支持。
2. 安装依赖环境
请确保系统满足上述要求。Windows 用户需要进入 WSL 环境。
（1）WSL 安装与配置
系统要求 Windows 11 22H2 及以上 + WSL2。
首先启用功能：打开控制面板 > 程序 > 启动或关闭 Windows 功能，勾选 Hyper-V 和适用于 Linux 的 Windows 子系统，重启电脑。
接着安装 WSL：在终端输入 wsl --install。若已安装，可使用 wsl --update 更新。
下载发行版：在应用商店搜索 Ubuntu 并下载 Ubuntu 24.04.1 LTS，或在终端使用 wsl --install -d Ubuntu-24.04。
初始化：打开后按提示输入用户名和密码完成初始化。
常用操作参考：
# 启动默认发行版
wsl
# 列出所有发行版及状态
wsl --list --verbose
# 查看详细信息
wsl --status
# 设置默认启动发行版
wsl --set-default Ubuntu-22.04
# 关闭所有 WSL 实例
wsl --shutdown
网络模式配置
在系统中搜索 WSL Setting，将网络模式修改为 Mirrored。修改后需使用 wsl --shutdown 停止子系统，重新运行 wsl -d Ubuntu-24.04 进入，输入 ip a 检查网络配置是否与宿主一致。
设置为 Mirrored 模式后，需配置 Hyper-V 防火墙允许入站连接。在 PowerShell 窗口中以管理员权限运行以下命令：
Set-NetFirewallHyperVVMSetting -Name '{40E0AC32-46A5-438A-A0B2-2B479E8F2E90}' -DefaultInboundAction Allow
（2）Docker 环境
在 WSL2 中推荐使用官方脚本安装：
curl -fsSL https://get.docker.com | bash -s docker
# 国内用户可指定 Aliyun 源
curl -fsSL https://get.docker.com | bash -s docker --mirror Aliyun
将当前用户加入 docker 组以便直接使用命令：
sudo usermod -aG docker $USER
添加完成后需重新登录使更改生效，使用 docker --version 验证。
（3）显卡驱动及开发工具
推荐安装 CUDA Toolkit：
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2404/x86_64/cuda-keyring_1.1-1_all.deb
sudo dpkg -i cuda-keyring_1.1-1_all.deb
sudo apt-get update
sudo apt install nvidia-cuda-toolkit
sudo apt-get -y install cuda-drivers
或者配置 NVIDIA Container Toolkit：
sudo apt-get update && sudo apt-get install -y --no-install-recommends curl gnupg2
curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg
curl -s -L https://nvidia.github.io/libnvidia-container/stable/deb/nvidia-container-toolkit.list | sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' | sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list
export NVIDIA_CONTAINER_TOOLKIT_VERSION=1.18.0-1
sudo apt-get install -y nvidia-container-toolkit=${NVIDIA_CONTAINER_TOOLKIT_VERSION} nvidia-container-toolkit-base=${NVIDIA_CONTAINER_TOOLKIT_VERSION}
3. 环境验证
验证 Docker
docker run hello-world
# 显示 Hello from Docker! 即成功，之后可移除镜像
docker rmi hello-world
验证 NVIDIA 显卡驱动
nvidia-smi
nvcc --version
验证 NVIDIA Container Toolkit
docker run --rm --gpus all nvidia/cuda:12.4.0-base-ubuntu22.04 nvidia-smi
4. 安装与启动
下载源码后执行一键安装脚本：
git clone https://github.com/XiaoMi/xiaomi-miloco.git
cd xiaomi-miloco
bash scripts/install.sh
运行界面会提示选择安装方式，选择 "1. Quick Install"。
下载路径建议选择国内节点如 Xiaomi FDS。
安装完成后会有提示，随后启动服务。
5. 前端访问
通过 https://<your ip>:8000 访问服务。本机访问 IP 为 127.0.0.1。
注意：
- 请使用 https 访问，而非 http。
- Windows 下可直接尝试访问 WSL 的 IP 地址。
- macOS 环境下若网络模式为桥接，请使用 Docker 所在虚拟机的 IP。
6. 使用指南
前端管理界面提供模型设置与规则管理功能。
设置后端模型：在界面中选择对应的后端模型。
设置规则：主界面可自动生成，也可在规则管理里手动添加。添加前需在米家 APP 内测试设备控制有效性。设置时务必点击'测试'按钮生成有效指令，因为 AI 模型生成的指令可能需要多次调试。
若规则执行有问题，可在日志管理中查看相关执行日志。
