让 clawdbot(openclaw) 变身超强米家管家:一套通用的 AI Agent 智能家居控制方案

【开源】让 clawdbot(openclaw) 变身超强米家管家:一套通用的 AI Agent 智能家居控制方案

💡 引言

还在用传统的手机 APP 一个个点选开关?或者受限于小爱同学相对固定的指令集?随着 AI Agent(人工智能代理)时代的到来,我们完全可以用更自然、更像“真人”的方式来掌管我们的智能家居。

最近我开发并整理了一套米家控制通用 AI 代理技能包,实测在 Claude (Agent Skills)GitHub Copilot 以及 Cursor 等 AI 助理中运行非常完美。今天就把这套方案分享给大家。


在这里插入图片描述

🔥 核心亮点

  1. 真正的自然语言理解:不用死记硬背指令,对 AI 说“我要睡觉了”,它会自动帮你关灯、拉窗帘、开启空气净化器睡眠模式。
  2. 跨平台兼容:不仅支持 Claude 的官方 Skill 模式,也能在任何具备本地文件读取和 Python 执行能力的 AI 环境中运行。
  3. 自愈式环境配置:内置环境自检脚本,如果依赖没装或者没登录,AI 会引导你一步步完成。
  4. 安全可靠:针对开锁、摄像头等敏感操作,强制加入二次确认逻辑。

🏗️ 项目架构

该项目主要由以下几部分组成:

  • mijiaAPI 驱动:底层基于开源的米家协议封装,支持扫码登录。
  • Skill 定义 (SKILL.md):向 AI 声明它具备的能力和触发条件。
    • SOP 指令 (instructions.md):详细的逻辑步骤,确保 AI “做事有章法”。
    • 执行脚本 (scripts/):包含环境检查、设备枚举和精准控制的纯 Python 实现。
    • 设备映射表 (reference/):解决了不同厂商型号不同导致的 siid/piid 匹配难题。

🛠️ 快速上手

1. 准备环境

确保你的电脑安装了 Python 3.8+ 环境。建议在虚拟环境中操作:

# 进入项目目录cd mijia-skills # 创建并激活虚拟环境 python -m venv .venv .\.venv\Scripts\activate # Windows

2. 安装依赖

直接以可编辑模式安装项目,会自动通过 setup.py (或 requirements) 配置好命令:

pip install -e .

3. 扫码登录

运行以下命令,使用米家 APP 扫描出现的二维码完成授权:

mijiaAPI -l 

🚀 进阶玩法:联动 Claude / Cursor / Copilot

将此项目文件夹打开,你可以直接对 AI 发起挑战:

User: “看看客厅现在的温湿度是多少?如果超过26度就帮我把空调打开,制冷模式,24度。”

Claude: (自动调用 list_devices.py 查找设备 -> 解析 device_catalogs.md 获取 siid/piid -> 调用 control_device.py -> 返回结果) “好的,当前客厅温度 27.5℃,已为您开启空调并设置为制冷 24℃。”

🔒 安全与建议

  • 二次确认:在 instructions.md 中,我特别设定了敏感操作必须询问用户。
  • 本地执行:所有控制指令均在本地触发,不经过任何第三方中转云(除小米官方 API 外),隐私更有保障。

📈 结语

这套方案真正让 AI 从“聊天框”走进了“物理世界”。如果你也想打造一个真正懂你的 AI 管家,欢迎尝试这个项目!

项目地址: https://github.com/lllooollpp/mijia-skills.git (记得给个 Star ⭐️ 哦!)


#SmartHome #AI #Claude #Agent #Mijia #Python #开源项目

Read more

【保姆级教程】AI图生图+视频生成完整工作流(附提示词+参数表)

【保姆级教程】AI图生图+视频生成完整工作流(附提示词+参数表)

【保姆级教程】AI图生图+视频生成完整工作流(附提示词+参数表) 目录 * 一、前言 * 二、环境搭建与工具选择 * 三、第一步:生成高质量基础图片(图生图) * 3.1 模型选择 * 3.2 提示词编写 * 3.3 参数设置参考 * 四、第二步:图生视频核心操作 * 4.1 AnimateDiff插件安装与配置 * 4.2 运动参数详解 * 4.3 生成视频与后处理 * 五、实战案例与提示词解析 * 六、常见问题与解决方案(避坑指南) * 七、资源下载 * 八、结语 一、前言 最近AI视频生成技术火得一塌糊涂,从Runway Gen-2到Stable Diffusion的AnimateDiff插件,

Qlib——AI 导向量化投资平台:2026 年最新简单入门

Qlib——AI 导向量化投资平台:2026 年最新简单入门

Qlib 是微软开源的 AI 导向量化投资平台(AI-oriented quantitative investment platform),旨在用 AI 技术赋能量化研究,从探索想法到生产落地全流程支持。目前最新活跃版本基于 GitHub microsoft/qlib 主仓库,它不是一个简单的回测框架,而是试图把机器学习(尤其是监督学习、市场动态建模、强化学习)无缝融入量化全链路。 一句话总结: Qlib = Quant + ML 的“一站式”工具箱,让你可以用 Python 快速实验 Alpha 挖掘、特征工程、模型训练、回测、组合优化、风险建模,甚至现在还集成了 RD-Agent 来自动化部分 R&D 过程。 核心定位与设计理念 Qlib 的目标是“

SQL学习路上的AI导航:初级开发者如何避免弯路焦虑?—— 老码农的实战指南

SQL学习路上的AI导航:初级开发者如何避免弯路焦虑?—— 老码农的实战指南

前言:哈喽,大家好,今天给大家分享一篇文章!并提供具体代码帮助大家深入理解,彻底掌握!创作不易,如果能帮助到大家或者给大家一些灵感和启发,欢迎点赞 + 收藏 + 关注哦 💕 📚 本文简介 本文探讨了AI时代初级软件开发者在学习新技术(如SQL)时的路径焦虑问题。文章分析了AI优化学习路径的工作原理,揭示了其基于数据拟合的局限性,并通过SQL代码示例和真实案例展示了人类学习者在试错中积累的不可替代价值。作者指出,AI推荐路径虽高效但可能忽略个人上下文和行业变化,并提供了结合AI与人类智慧的实战指南,如定制学习路径、利用SQL生态工具和培养学习直觉。核心观点认为,AI可作为辅助工具,但人类开发者的主动性、批判性思维和跨界联想能力才是避免弯路、守护学习主权的关键。 目录 * 📚 本文简介 * 📚 引言:当AI成了学习路上的“GPS”,我们该信导航还是信直觉? * 📚 一、先别慌!扒一扒AI优化学习路径的“底裤” * 📘 1.1 AI推荐学习路径的原理:本质是“数据拟合”而非“个性化定制” * 📘 1.2 AI路径推荐的“翻车现场”:当标准化遇上真