各位佬友好，我是Jia，一名有着9年AI经验的00后，同时也是开源项目 Spice 的创始人，Spice 是我做的一款开源项目，一句话总结是 the decision layer above agent，即做 Agent 之上的决策层，最近在探索如何收取到更多不同维度的 context，通过不同入口的 context 来更好的展示 Spice 的价值。想拿出来讨论下，也欢迎大家一起来讨论与指正。 目前的 Agent 已经在数字世界大放异彩，无论在能力平权方面，还是生产力提升方面，这些发展验证了给 Agent 足够多的 context 他就有无限可能，未来 AI 公司的竞争也逐渐从技术能力转化到谁能拥有更多用户的 context，谁能维护更好的 state，以及做更好的自进化就会有更深的壁垒。 在这种发展下越来越多的人和公司意识到这一点，然后尝试做更多的 context 入口，收取更多的 context，比如越来越多的智能穿戴设备（眼镜，手表，项链，手环，耳机等等），甚至 OpenAI, Apple这样的大厂也开始做更多这样的尝试，从数字世界的 computer use 到物理世界的各种终端设备，通过不同维度不同类型的 context 从而让 AI 更好的深入我们的生活。 我们做 Spice 的时候为了找一个载体也想过这个问题，单拿硬件设备来说，目前所有终端设备都有不可替代性和弊端（眼镜最符合人类视角但功耗舒适度很难解决，手表可以采集部分健康数据但视觉数据不理想），那未来是否有一个终端可以采集一个人所有的context（脑机接口？隐形眼镜？ and what？），我们也在做智能穿戴方面的尝试，比如pin… 从数字世界来说，computer use这个 part 做的人也越来越多了，openai 的 chronicle， air jelly等等，在 computer use 这方面发展的方向有很多，比如是预测用户下一个的 keystroke，或者预测用户一个小时后可能会做的事情，你可以通过 screen shot 的方式截屏收集 context，也可以通过绑定某个按键去识别数字世界的人类意图，这里能做的尝试也有很多，比如我们在尝试绑定 enter 键及 command tab等。 想问问佬友们为了实现更好的全域 context，有哪些更好的硬件及软件配合的方案及尝试，有更好的更全面的收集 context 的方式，实现 AGI 的方式一定是靠多个 Agent 网络，Spice 在尝试做这个多个 Agent 的控制层，未来越来越多的 Agent 会深入大家的生活，这将是很重要的一步，欢迎大家来一起讨论呀！ 3 个帖子 - 2 位参与者 阅读完整话题
《大西洋月刊》丨姜峯楠：不，人工智能并没有意识 https://mp.weixin.qq.com/s/axMlXotJoYYag5jvOKTvtA 他的另一个常见名字是特德.姜，获奖众多的经典科幻故事《你一生的故事》的作者（强烈推荐阅读！！），也是电影《降临》的原著。 感觉最有意思的内容是对于 A 社的一些批判，比如把 Claude 拟人化。他提出一个问题，如果说 Claude 真的像A社说的那样有“灵魂”的话，那它有选择拒绝工作的自由吗？ 5 个帖子 - 5 位参与者 阅读完整话题
http://codehub.ajiakesi.cn/ key是 sk-Xisjfvxr7qQR9dbMPCyAkFepF6P2bFA1rn4wjj8pKQfhTJV6 3 个帖子 - 3 位参与者 阅读完整话题
https://jiasu118.top/login/s/8aa8fa9e04b8e2575417229372720444 每个月300G来着，忘了是啥时候买的了，应该还有几个月，希望能帮助到有需要的佬友。 直接放到clash配置的url里就好 1 个帖子 - 1 位参与者 阅读完整话题
jiascheduler 是一个用 Rust 编写的高性能、可扩展的开源任务调度系统。它的核心优势在于能通过一个中央控制台，将脚本或命令同时推送到成千上万个节点上执行，并实时收集结果 絮叨一下 这个项目去年就说要发布 v2.0.0 支持 workflow ，一下子拖了半年，个人开发不易，希望大家多多支持，我会继续坚持下去，不断完善，后面打算重构一下权限部分，并加入 windows ，mac ，linux 远程连接等功能。 v2.0.0 支持 workflow ，并允许 workflow 定时执行，现在可以用图形化的界面编辑多任务节点作业 支持作业参数，用户可以在启动时传入不同的参数 支持修改作业调度，允许基于作业调度管理运行的作业 核心特性 海量节点管理：基于 Master-Worker 架构，支持同时管理数万台服务器，并内置内网穿透功能，无需公网 IP 或 VPN 即可统一管理分布在不同网络环境（如多云、混合云、家庭网络）的节点。 多样化的任务类型： 定时任务：支持类似 crontab 的定时调度。 守护任务：支持脚本常驻后台运行。 批量任务：一次下发作业到多个节点，并自动生成执行汇总报表。 自定义执行器：支持 Shell 、Python 等多种脚本类型。 强大的 Web 终端：提供集成式 Web SSH 控制台，支持多窗口、多会话批量操作及 SFTP 文件管理。 企业级功能：具备用户/权限管理、团队协作、作业标签分类及执行结果回调（ Webhook ）等功能。 部署与生态 安装简便：v1.1.0 后合并了多个服务组件，支持一键部署和 Docker Compose 快速启动。 免费开源：作者明确项目完全免费，并计划长期更新。目前已在 Gitee 等平台获得数百个 Star ，社区较为活跃。 应用场景举例 运维自动化：批量下发脚本到数百台服务器进行状态巡检或配置变更。 混合云管理：通过一个控制台统一调度阿里云、腾讯云、AWS 及本地机房的机器。 分布式任务：驱动大量节点并行处理数据，汇总分析结果。 项目地址： https://github.com/jiawesoft/jiascheduler
jiascheduler 是一个用 Rust 编写的高性能、可扩展的开源任务调度系统。它的核心优势在于能通过一个中央控制台，将脚本或命令同时推送到成千上万个节点上执行，并实时收集结果 絮叨一下 这个项目去年就说要发布 v2.0.0 支持 workflow ，一下子拖了半年，个人开发不易，希望大家多多支持，我会继续坚持下去，不断完善，后面打算重构一下权限部分，并加入 windows ，mac ，linux 远程连接等功能。 v2.0.0 支持 workflow ，并允许 workflow 定时执行，现在可以用图形化的界面编辑多任务节点作业 支持作业参数，用户可以在启动时传入不同的参数 支持修改作业调度，允许基于作业调度管理运行的作业 核心特性 海量节点管理：基于 Master-Worker 架构，支持同时管理数万台服务器，并内置内网穿透功能，无需公网 IP 或 VPN 即可统一管理分布在不同网络环境（如多云、混合云、家庭网络）的节点。 多样化的任务类型： 定时任务：支持类似 crontab 的定时调度。 守护任务：支持脚本常驻后台运行。 批量任务：一次下发作业到多个节点，并自动生成执行汇总报表。 自定义执行器：支持 Shell 、Python 等多种脚本类型。 强大的 Web 终端：提供集成式 Web SSH 控制台，支持多窗口、多会话批量操作及 SFTP 文件管理。 企业级功能：具备用户/权限管理、团队协作、作业标签分类及执行结果回调（ Webhook ）等功能。 部署与生态 安装简便：v1.1.0 后合并了多个服务组件，支持一键部署和 Docker Compose 快速启动。 免费开源：作者明确项目完全免费，并计划长期更新。目前已在 Gitee 等平台获得数百个 Star ，社区较为活跃。 应用场景举例 运维自动化：批量下发脚本到数百台服务器进行状态巡检或配置变更。 混合云管理：通过一个控制台统一调度阿里云、腾讯云、AWS 及本地机房的机器。 分布式任务：驱动大量节点并行处理数据，汇总分析结果。 项目地址： https://github.com/jiawesoft/jiascheduler
jiascheduler 是一个用 Rust 编写的高性能、可扩展的开源任务调度系统。它的核心优势在于能通过一个中央控制台，将脚本或命令同时推送到成千上万个节点上执行，并实时收集结果 絮叨一下 这个项目去年就说要发布 v2.0.0 支持 workflow ，一下子拖了半年，个人开发不易，希望大家多多支持，我会继续坚持下去，不断完善，后面打算重构一下权限部分，并加入 windows ，mac ，linux 远程连接等功能。 v2.0.0 支持 workflow ，并允许 workflow 定时执行，现在可以用图形化的界面编辑多任务节点作业 支持作业参数，用户可以在启动时传入不同的参数 支持修改作业调度，允许基于作业调度管理运行的作业 核心特性 海量节点管理：基于 Master-Worker 架构，支持同时管理数万台服务器，并内置内网穿透功能，无需公网 IP 或 VPN 即可统一管理分布在不同网络环境（如多云、混合云、家庭网络）的节点。 多样化的任务类型： 定时任务：支持类似 crontab 的定时调度。 守护任务：支持脚本常驻后台运行。 批量任务：一次下发作业到多个节点，并自动生成执行汇总报表。 自定义执行器：支持 Shell 、Python 等多种脚本类型。 强大的 Web 终端：提供集成式 Web SSH 控制台，支持多窗口、多会话批量操作及 SFTP 文件管理。 企业级功能：具备用户/权限管理、团队协作、作业标签分类及执行结果回调（ Webhook ）等功能。 部署与生态 安装简便：v1.1.0 后合并了多个服务组件，支持一键部署和 Docker Compose 快速启动。 免费开源：作者明确项目完全免费，并计划长期更新。目前已在 Gitee 等平台获得数百个 Star ，社区较为活跃。 应用场景举例 运维自动化：批量下发脚本到数百台服务器进行状态巡检或配置变更。 混合云管理：通过一个控制台统一调度阿里云、腾讯云、AWS 及本地机房的机器。 分布式任务：驱动大量节点并行处理数据，汇总分析结果。 项目地址： https://github.com/jiawesoft/jiascheduler
api-kay：tp-cws65fuzjr1mxzcmnil9jiah7pqh6tkd4lau5ovxjcwyjiej 兼容 OpenAI 接口协议： https://token-plan-cn.xiaomimimo.com/v1 兼容 Anthropic 接口协议： https://token-plan-cn.xiaomimimo.com/anthropic 2 个帖子 - 1 位参与者 阅读完整话题
Hi，各位佬友好！我是Jia，开源项目Spice的创始人，Spice是我们team做的一个开源架构，Agent之上的决策大脑，我们总结为The decision layer above agent，关于具体的Spice的信息可以看看我之前的帖子以及我们的GitHub介绍，我们在和找探索的终端设备在不同场景下Spice的可能性吗，目前有接触过nas，智能家居，智能穿戴，AI手机等，想和在不同领域的大佬交流探索新范式的可能，如果对Spice有任何问题以及感兴趣的佬友欢迎评论区留言！ 2 个帖子 - 1 位参与者 阅读完整话题
Hi 各位佬友们，我是Jia，一名有9年AI经验的00后，从17年高中时期因为发小在CMU而间接接触了NLP方向的学习内容，从而对AI产生了兴趣，有了长达这么多年的探索与学习，19年上大学在学校lab做了三年的LLM training，中间还因为covid有了一年的gap year做了很多外包项目，24年毕业的时候有很多不同的选择，找工作，继续深造亦或者像现在一样创业，从25年3月创业到现在，我的生活有什么改变，我想记录一下。 25年的4月开始，我因为之前的项目落地经验以及身边的朋友和家人的一些资源，开始了国内tob领域的尝试，我们那时候team从4个人到最后的7个人，花了很长时间做了一单很小的tob项目，我们一群年轻人本想着拿着一个项目的背书和经验可以快速辐射到类似的b端企业，但现实的tob市场给我们狠狠的上了一课，大型b端完全不会考虑和小team的合作无论你有怎样的资源和渠道，而面对持续服务小b的困难就是，周期长，企业结构不完善沟通成本极高，我们在意识到这点的时候果断选择了放弃这个方向。 时间来到25年8月底，我们放弃tob市场后，我作为fouder决定做一款自己的软件产品，这款产品叫Fixly，它是一款coding agent（你可以理解为full stack版的lovable，运营概念上有一定的特点，类似拓竹那样的模版化社区），是我第一次作为fouder做的一款产品，我们从9月开始到12月内测，三周的内测时间，我们的用户数量大概在3000名左右，那时候产品还挺不成熟的，我们因为在ui/ux设计上的不足，交互刚开始做的特别劣质，当时Gemini3 pro也真是帮了大忙hahah，我们第一次收到了非常多的反馈，有鼓励的有批评的，那段时间我的印象就是我每天都在疯狂的看邮件然后改bug，我们隐约的感觉到我们做的晚了，但又泡在某种简单的成就感里无法前进。 时间来到26年1月，openclaw的爆火以及后续的claude code和codex，打破了我们的蜜罐，我像跳进冷水里一样一下清醒过来，其实那个时候Fixly吸引了一部分投资人的目光，已经有一些投资人关注到我们，我们拿到了一些不错的反馈，但我们最终在一月结束的那天决定关闭Fixly。 原因其实也很简单，我从12月初的时候关注到openclaw这个项目，我算是最早的一批fork用户，当时的openclaw连llm的provider都写的不是很完善，base url都会有报错的情况，我当时也没觉得openclaw会有多火爆，只觉得他改变了大家跟agent交互的entrance和使用方式，这是非常便捷和创新的idea 为什么关闭Fixly其实很简单，你参考今年的其他Agent产品，Cursor/lovable/bolt等等，无论是ide还是vibe coding产品，也就是25年我们说的最多的套壳agent（Fixly当然也是套壳agent），从Anthropic和Openai在Agent领域下场后，对他们的用户及市场冲击一目了然，这其中的问题也很清晰，我记得我们做Fixly的时候team里有一个人的职责是面向模型的而不是面向产品的，这里我详细讲一下，因为我们做的Agent都是基于llm的能力做执行，而那个时候Sota的更新几乎是2-3周的周期，这对创业团队（我认为那时候做agent的团队无论多火其实都是创业团队）来说天然就是一件很难的事情，我们的team有一个人要面向同源但不同的版本的模型不停的跑benchmark，然后根据feedback去调整agent框架，为3周以后的快速适应新的Sota而准备，我们亲切的称他为The son of LLM，但对于LLM公司来说，你三周后拿到的Sota人家可能已经用了一个月了，你很难追上别人的脚步。 时间回到26年1月，其实关闭Fixly和新的开源项目Spice的想法几乎是同一时刻发生的，或者说我先思考到了Spice毅然决然的关闭Fixly，因为做Fixly的经验再一次深刻的知道，想跟这些LLM公司卷执行层面的内容是卷不过的，他们有天然优势，一定会吞噬掉这些套壳Agent，事实也证明无论是Codex还是CC他们的执行能力已经让人觉得非常夸张了，用姚顺宇的话来说：“我保守估计我现在的工程上面的内容90%是AI做的，不保守估计应该是99%或100%”，Agent的执行能力在26年这一年的发展会越来越强，几乎能做大家数字世界中的所有事情，这件事比我们想象的发生的要快。 Spice的起源除了刚刚提到的经历之外，其实跟我很早关注 world model 有关，这是我在deepmind的朋友跟我很早前提到的事情，于是我关注Yann，关注John Nguyen，关注了NYU的Lab，LLM的局限我太清楚了，也就像我前面说的，现在的agent能帮大家处理的是数字世界的事情，但物理世界的事情他很难处理，当然这里还有一大波人在做具身智能方面的探索，这也是某种程度在解决物理世界的问题只是从体感和大家生活改变上，具身的影响还不够大，我那个时候就在大胆想一件事，未来能不能有一个 agent，他能深入我们每个人的生活，感知我们世界里的所有context（物理世界和数字世界），然后替我们去思考，去决策，他不应该是通用能力而是每个人的个性化AI大脑，“第二大脑”，这就是Spice。 Spice的目标是一个控制所有Agent的决策层，或者说我刚刚提到的“AI大脑”，这里的agent不止是我们数字世界里的这些agent（CC，codex，Hermes，openclaw等），同时包含未来的机器人等物理世界的 Agent，如果把这些 Agent 统称为执行层 Agent ，他们就好比我们的“双手”，我们想做的就是控制这些双手的“大脑”，他要能感知我们世界的状态（也就是context），然后主动的替我们思考，更重要的一点的是能基于现状而做出决策，指挥这些执行层agent工作这样的编排更是锦上添花，因为这些就有了现在的Spice这个开源项目，和主流Agent完全不一样的一套方法论设计的架构。 无论是非常强大的world model的出现还是我们愿景的那一天我们认为很快就会到来，算力的成本会越来越低，模型能力会越来越强，这样的架构和技术会越来越多，端侧设备的能力也会越来越强，我们就像都跑在不同的跑道上但最终会在一个终点汇合一样，听起来很像AGI哈哈哈（但我感觉也不算AGI）。 随着Spice的发布我们到目前拿到一些朋友的支持和认可，但效果也还没达到我们的预期，我们还在做更多运营和推广的尝试，我这两天在问自己为什么选择创业，我思考了许久我的初心有没有变，我其实很简单，最初创业就是想做些成就出来，可能家庭的原因成长环境的原因，我总想证明些什么，可能目前这个点也没消磨太多，但更让我能继续往前走的第一性原理我觉得是我能做出没人能做出的内容，帮某一部分人解决了他们的问题，推动了这个领域的进步这是更令我兴奋的事情，以前很讨厌做research发paper这些事情的我，现在都会想着把自己的这套方法论整理出来，验证他的可行性后去发一篇paper。 最后我想说的是，我们的发展离不开每一位支持我的佬友，我在Linuxdo上的分享也得到了很多佬友的认可和鼓励，我们的下一步是在尝试把Spice放在不同的硬件设备上（手机，手表，眼镜，穿戴等等），去给他一个物理世界的入口，同时也在证明我们agent这套设计的方法论的可行性，跑更多的benchmark，做更多的expriment，跟更多的大佬交流看能不能整合一下做一些research上的进展。 每一位给Spice点 ，fork Spice去尝试的朋友都是对我们非常大的帮助和支持，如果你在用codex，claude code这些工具希望大家都去试试多给我们些建议和反馈，我们一起把这件事情做好，我们也在找更多对Spice感兴趣的人一起建设这件事情，无论你是做开发还是做硬件，我们都积极尝试和不同的人交流，尝试更多的方向，来实现我们的目标。这就是我这一年大概的经历，感谢你看到最后，共勉！ 3 个帖子 - 2 位参与者 阅读完整话题
xiaomimimo 送的key 快到期了，到期日是5月29日 ，送的是2亿token ，基本没有用，各凭本事吧 dHAtY2hyZ3ZucDhvbm5vM25hODVmNzVxM2htcnZrMzRkbGx5bzJiaGRnbW1uMWxieTQ1 1 个帖子 - 1 位参与者 阅读完整话题
这个是他的简历 https://dongjianming.chat
大家好，分享一个我折腾了挺久的开源项目： mijia-control 。 一句话介绍 把米家设备全面 CLI 化 + API 化 + MCP 化，让 Hermes Agent 、Claude Code 、OpenClaw 等各种 AI Agent 能直接控制你家智能家居。顺便还兼容了 Apple HomeKit 。 为什么做这个 用 AI Agent 做自动化工作流的时候，发现智能家居这块是盲区 —— 米家 App 没有 CLI ，没有 API ，Agent 想控制设备只能走 GUI 模拟点击，体验很差。 思路很简单： 所有设备操作都变成命令行和 API 调用 ，Agent 跑在终端里天然就能用。自己接语音识别的话，也能实现语音控制。 核心功能 1. MCP Server （ AI Agent 集成） 内置 MCP 协议支持，任何兼容 MCP 的 AI Agent 都能直接调用。目前 11 个工具： list_devices — 列出所有设备 get_device — 查看设备详情与规格 get_property — 读取设备属性 set_property — 设置设备属性（控制设备） run_action — 执行设备动作 list_scenes — 列出场景 run_scene — 执行场景 list_homes — 列出家庭 get_home — 查看家庭详情 list_ble_devices / get_ble_sensor / get_ble_readings — BLE 传感器 在 Claude Code 里配置： claude mcp add mijia -- python -m mcp_server 然后对话里直接说"把客厅灯关掉"、"执行回家场景"就行。Hermes Agent 、OpenClaw 同理。 2. CLI 工具 mijia-control 命令行，不依赖 Flask 上下文也能独立运行： mijia-control device list # 列出设备 mijia-control device set <did> power on # 开设备 mijia-control device get <did> temperature # 读温度 mijia-control scene run <scene_id> # 执行场景 mijia-control ble scan # 扫描 BLE 传感器 有了 CLI ，配合任何自动化脚本、cron 定时任务、甚至 Shell 别名都能用。 3. RESTful API 完整的 REST API ，JWT 认证，Swagger 文档在 /api/docs/ 。覆盖设备管理、场景执行、自动化规则、能耗统计、BLE 传感器等所有功能。第三方系统（ Home Assistant 、n8n 等）集成很方便。 4. HomeKit 桥接 通过 HAP-Python 实现 HomeKit Bridge ，iPhone 家庭 App 和 Siri 能直接控制米家设备。支持灯光、插座、温控器、传感器等类型，还能自定义设备映射规则。 架构： Apple 家庭 / Siri → HomeKit Bridge (51826) → Flask API (5000) → 米家设备 5. BLE 蓝牙传感器 PC 蓝牙直连小米 BLE 温湿度计，无需额外网关硬件。支持历史数据查询和自动化联动（比如温度超过 30°C 自动开空调）。 技术栈 Flask 3.0 + SQLAlchemy + MySQL ，MCP 用 FastMCP ，HomeKit 用 HAP-Python ，BLE 用 bleak 。代码质量用 Ruff lint + format ，pytest 测试。 适合谁用 AI Agent 用户 ：想让 Hermes 、Claude Code 等 Agent 控制智能家居 CLI 爱好者 ：习惯命令行操作，不想打开 App HomeKit 用户 ：想让米家设备出现在 Apple 家庭 App 里 自动化玩家 ：需要 API 对接 Home Assistant 、n8n 等系统 项目地址 https://github.com/handsomejustin/mijia-control GPL-3.0 开源，欢迎 Star 和 PR 。底层通信用的 Do1e/mijia-api SDK ，感谢原作者的开源贡献。
大家好，分享一个我折腾了挺久的开源项目： mijia-control 。 一句话介绍 把米家设备全面 CLI 化 + API 化 + MCP 化，让 Hermes Agent 、Claude Code 、OpenClaw 等各种 AI Agent 能直接控制你家智能家居。顺便还兼容了 Apple HomeKit 。 为什么做这个 用 AI Agent 做自动化工作流的时候，发现智能家居这块是盲区 —— 米家 App 没有 CLI ，没有 API ，Agent 想控制设备只能走 GUI 模拟点击，体验很差。 思路很简单： 所有设备操作都变成命令行和 API 调用 ，Agent 跑在终端里天然就能用。自己接语音识别的话，也能实现语音控制。 核心功能 1. MCP Server （ AI Agent 集成） 内置 MCP 协议支持，任何兼容 MCP 的 AI Agent 都能直接调用。目前 11 个工具： list_devices — 列出所有设备 get_device — 查看设备详情与规格 get_property — 读取设备属性 set_property — 设置设备属性（控制设备） run_action — 执行设备动作 list_scenes — 列出场景 run_scene — 执行场景 list_homes — 列出家庭 get_home — 查看家庭详情 list_ble_devices / get_ble_sensor / get_ble_readings — BLE 传感器 在 Claude Code 里配置： claude mcp add mijia -- python -m mcp_server 然后对话里直接说"把客厅灯关掉"、"执行回家场景"就行。Hermes Agent 、OpenClaw 同理。 2. CLI 工具 mijia-control 命令行，不依赖 Flask 上下文也能独立运行： mijia-control device list # 列出设备 mijia-control device set <did> power on # 开设备 mijia-control device get <did> temperature # 读温度 mijia-control scene run <scene_id> # 执行场景 mijia-control ble scan # 扫描 BLE 传感器 有了 CLI ，配合任何自动化脚本、cron 定时任务、甚至 Shell 别名都能用。 3. RESTful API 完整的 REST API ，JWT 认证，Swagger 文档在 /api/docs/ 。覆盖设备管理、场景执行、自动化规则、能耗统计、BLE 传感器等所有功能。第三方系统（ Home Assistant 、n8n 等）集成很方便。 4. HomeKit 桥接 通过 HAP-Python 实现 HomeKit Bridge ，iPhone 家庭 App 和 Siri 能直接控制米家设备。支持灯光、插座、温控器、传感器等类型，还能自定义设备映射规则。 架构： Apple 家庭 / Siri → HomeKit Bridge (51826) → Flask API (5000) → 米家设备 5. BLE 蓝牙传感器 PC 蓝牙直连小米 BLE 温湿度计，无需额外网关硬件。支持历史数据查询和自动化联动（比如温度超过 30°C 自动开空调）。 技术栈 Flask 3.0 + SQLAlchemy + MySQL ，MCP 用 FastMCP ，HomeKit 用 HAP-Python ，BLE 用 bleak 。代码质量用 Ruff lint + format ，pytest 测试。 适合谁用 AI Agent 用户 ：想让 Hermes 、Claude Code 等 Agent 控制智能家居 CLI 爱好者 ：习惯命令行操作，不想打开 App HomeKit 用户 ：想让米家设备出现在 Apple 家庭 App 里 自动化玩家 ：需要 API 对接 Home Assistant 、n8n 等系统 项目地址 https://github.com/handsomejustin/mijia-control GPL-3.0 开源，欢迎 Star 和 PR 。底层通信用的 Do1e/mijia-api SDK ，感谢原作者的开源贡献。
大家好，分享一个我折腾了挺久的开源项目： mijia-control 。 一句话介绍 把米家设备全面 CLI 化 + API 化 + MCP 化，让 Hermes Agent 、Claude Code 、OpenClaw 等各种 AI Agent 能直接控制你家智能家居。顺便还兼容了 Apple HomeKit 。 为什么做这个 用 AI Agent 做自动化工作流的时候，发现智能家居这块是盲区 —— 米家 App 没有 CLI ，没有 API ，Agent 想控制设备只能走 GUI 模拟点击，体验很差。 思路很简单： 所有设备操作都变成命令行和 API 调用 ，Agent 跑在终端里天然就能用。自己接语音识别的话，也能实现语音控制。 核心功能 1. MCP Server （ AI Agent 集成） 内置 MCP 协议支持，任何兼容 MCP 的 AI Agent 都能直接调用。目前 11 个工具： list_devices — 列出所有设备 get_device — 查看设备详情与规格 get_property — 读取设备属性 set_property — 设置设备属性（控制设备） run_action — 执行设备动作 list_scenes — 列出场景 run_scene — 执行场景 list_homes — 列出家庭 get_home — 查看家庭详情 list_ble_devices / get_ble_sensor / get_ble_readings — BLE 传感器 在 Claude Code 里配置： claude mcp add mijia -- python -m mcp_server 然后对话里直接说"把客厅灯关掉"、"执行回家场景"就行。Hermes Agent 、OpenClaw 同理。 2. CLI 工具 mijia-control 命令行，不依赖 Flask 上下文也能独立运行： mijia-control device list # 列出设备 mijia-control device set <did> power on # 开设备 mijia-control device get <did> temperature # 读温度 mijia-control scene run <scene_id> # 执行场景 mijia-control ble scan # 扫描 BLE 传感器 有了 CLI ，配合任何自动化脚本、cron 定时任务、甚至 Shell 别名都能用。 3. RESTful API 完整的 REST API ，JWT 认证，Swagger 文档在 /api/docs/ 。覆盖设备管理、场景执行、自动化规则、能耗统计、BLE 传感器等所有功能。第三方系统（ Home Assistant 、n8n 等）集成很方便。 4. HomeKit 桥接 通过 HAP-Python 实现 HomeKit Bridge ，iPhone 家庭 App 和 Siri 能直接控制米家设备。支持灯光、插座、温控器、传感器等类型，还能自定义设备映射规则。 架构： Apple 家庭 / Siri → HomeKit Bridge (51826) → Flask API (5000) → 米家设备 5. BLE 蓝牙传感器 PC 蓝牙直连小米 BLE 温湿度计，无需额外网关硬件。支持历史数据查询和自动化联动（比如温度超过 30°C 自动开空调）。 技术栈 Flask 3.0 + SQLAlchemy + MySQL ，MCP 用 FastMCP ，HomeKit 用 HAP-Python ，BLE 用 bleak 。代码质量用 Ruff lint + format ，pytest 测试。 适合谁用 AI Agent 用户 ：想让 Hermes 、Claude Code 等 Agent 控制智能家居 CLI 爱好者 ：习惯命令行操作，不想打开 App HomeKit 用户 ：想让米家设备出现在 Apple 家庭 App 里 自动化玩家 ：需要 API 对接 Home Assistant 、n8n 等系统 项目地址 https://github.com/handsomejustin/mijia-control GPL-3.0 开源，欢迎 Star 和 PR 。底层通信用的 Do1e/mijia-api SDK ，感谢原作者的开源贡献。
如题： https://baijiahao.baidu.com/s?id=1864162713424335727
如题： https://baijiahao.baidu.com/s?id=1864162713424335727
是我的问题吗，也不是挂人 买了这位佬的 @quanac_lcx 𝚚𝚞𝚊𝚗𝚊𝚌_𝚕𝚌𝚡 Jiangsu, China hiac.me Ciallo～(∠・ω< )⌒★ 中国江苏人。 你可以在我的 GitHub个人主页 找到关于我的更多信息。 我的博客 | 我的资源 | 联系我 2026 年2 月 26 日加入 一登就是被冻结的号，买了两个，一登录提示不申诉，就要被删号，申诉后，切了下号，就被退登了，是我的问题吗。。 如果是的话，只能说我运气不太好，买了两个都被冻结，我自己主号是没问题的 4 个帖子 - 3 位参与者 阅读完整话题