基于 Miloco 的全屋智能家居 AI 自动化部署方案
关于 Miloco
Miloco（Xiaomi Local Copilot）是小米发布的智能家居未来探索方案，以米家摄像机为视觉信息来源，打通全屋 IoT 设备。该项目在 Github 上开源。
项目亮点特性：
- 交互新范式：基于大模型的开发范式，通过自然语言交互完成规则设置、设备的复杂指令控制。
- 端侧大模型：将家庭场景任务拆分规划 + 视觉理解两个阶段，提供小米自研端侧模型，实现端侧视频理解，保障家庭隐私安全。
- 视觉数据新用途：以摄像头数据流作为感知信息源，使用大模型将视觉数据包含的各种家庭场景事件解析出来。
- 米家生态：打通米家生态，支持米家设备、米家场景的获取与执行。
简单理解，Miloco 就是通过 AI 大模型技术，将米家摄像头变成了有思维方式的'最强大脑'，然后通过视觉信息，自动给家里其它的智能家居下达指令。
Miloco 部署
部署前的说明
Miloco 的服务分主服务和 AI 引擎两部分，都可以使用 Docker 的方式部署在本地。根据使用 AI 引擎的方式不同，分为两个方案：
- 调用云端 AI 大模型：仅需部署主服务部分。NAS 只负责设备发现与自动化逻辑，所有 AI 推理都交给云端完成，适合对隐私要求不高，轻量级的使用场景。
- 启用本地 AI 大模型：需要先将大模型下载到本地，然后在 NAS 上同时部署主服务和 AI 引擎。对 GPU 有要求，需要 30 系及以上 NVIDIA 显卡，显存 8G 及以上；显卡驱动版本 527.41 及以上；CUDA 版本 12.5.1 及以上。
本篇分享的方案是调用云端 AI 大模型，只部署主服务，没有独显要求，资源占用很低。
部署前的准备
- 需要一个正常联网且运行中的米家摄像头。
- 准备大模型的 API Key。个人使用的是硅基流动，里面提供了多种不同类型的多模态模型，并且这些模型都可以通过统一的 API Key 调用。
开始部署
打开 NAS 的文件管理器，在 Docker 目录下新建一个'miloco'的文件夹，然后在它下面新建 data、log 两个子文件夹。
点击 NAS 的'Docker'应用，点击【Compose】 > 【新增项目】。
在新增项目页面自定义项目名称，输入以下 Docker Compose 配置信息后点'创建'按钮：
services:
backend:
container_name: miloco-backend
image: ghcr.io/xiaomi/miloco-backend:latest
network_mode: host
environment:
- BACKEND_HOST=0.0.0.0
- BACKEND_PORT=8002
- AI_ENGINE_HOST=0.0.0.0
- AI_ENGINE_PORT=8001
- BACKEND_LOG_LEVEL=info
