做了将近一个月，终于可以正式问世
龙虾 openclaw、爱马仕 hermes 很火，大家都在试着桥接到其他主机上控制 HASS，为什么要造这么重的轮子？原版桥接方案大量API接口而不是内部接口，MCP工具回调还会浪费大量Token，很多实现会乱改 YAML 导致重复报错，当然这样方案都很棒
但一旦你想“帮我把客厅的自动化脚本改一下”，当场就无能为力了
没有走这条路，是以自定义集成的方式直接寄生在 Home Assistant 内部，从底层接管了整个对话管道，一个自定义集成，开箱即用，自带完整人格系统，彻底逆向破解 HASS 原版 LLM 内部的单点单次机制，这意味着原生聊天窗口就是一个全能控制台，自动化、脚本、仪表盘、Shell 命令、Python 代码，全部在一句话的范围内
开箱即用，完美复刻把龙虾（人格）+爱马仕（智能迭代）+ Agent 变成次世代的 Home Assistant AI agent loop 集成，让一切不可能变成可能
大多数 Home Assistant 的 AI 集成，解决的是一个问题：
怎么让 AI 控制设备？
比如让 AI 开灯、关空调、查温度、执行服务调用。
这些当然有用，但这还只是把 AI 当成一个更聪明的遥控器。
其实想解决的是另一个问题：
能不能让 AI 直接进入 Home Assistant，像一个懂系统的操作员一样，接管排查、维护、编排和长期任务？
这不是又一个 OpenAI Conversation 替代品
Home Assistant 用得越久，就像一个慢慢长大的家庭系统：设备越来越多，自动化越来越复杂，仪表盘越来越乱，也会偶尔生病。而是真正帮你照看这个系统本身。
不是只会开灯，而是能管理整个 HA
普通 AI 对话集成通常停在这一层：
说话 → AI 选择一个工具 → 调一次服务 → 返回结果
这适合简单控制，但不适合真正的家庭系统维护。
会把一句话当成一个任务，并不是命令。
任务开始后，它可以连续读取系统状态、调用工具、检查结果、继续下一步。
如果发现回答还没完成，它会继续推进；如果工具执行失败，它会换路径；如果模型不行，它会切换备用 Agent；如果需要你确认，它会停下来说明原因。
这意味着它能处理的不是“打开某个设备”，而是：
- 自动化排查：为什么这个自动化最近不触发？
- 系统巡检：家里有哪些实体长期不可用？
- 长期值班：每天晚上检查门窗、灯、空调和扫地机状态
- 视觉判断：根据摄像头画面判断门口有没有快递，有就通知我
- 仪表盘整理：重新整理某个区域的 Lovelace 页面
- 配置维护：检查日志、诊断集成、暂存配置修改
- 模型容灾：主力模型失败时，换一个本地模型继续完成任务
- 经验沉淀：从一次失败中总结经验，下次自动避开同样的问题
- 设备控制：服务调用、批量控制、状态查询、区域设备发现
- 自动化 / 脚本：创建、读取、修改、删除、触发、启停
- 系统维护：日志、诊断、集成重载、HACS 管理、配置文件暂存修改
- 注册表管理：区域、楼层、标签、分类、实体注册表
- Helper 管理：创建 input_boolean、input_text、timer、counter、template sensor 等原生 helper
- 仪表盘管理：创建和编辑 Lovelace 视图、卡片，并支持原子 patch 修改
- 视觉理解：摄像头抓拍、图片 / GIF / 视频分析
- 联网查询：内置 Baidu / Bing 搜索与网页内容读取，不需要额外搜索 API
- 长期记忆：MemoryGraph、ConversationMemory、Workspace 文档
- 技能系统：Markdown Skill，可安装、可读取、可删除
- 自我进化：任务结束后复盘，提出 Skill / Guide / Memory 修改提案，人类审批后应用
- 自我治理：定期整理重复、过期、冲突的 Skill，避免越用越乱
- 多 Agent 容灾：主力 Agent 失败时自动切换备用 Agent
- 动态 AI 实体：创建 sensor、binary_sensor、switch、button，把 AI 的判断和任务状态变成 HA 实体
这些能力单独看只是工具。
组合起来之后，AI 就不再只是“会回答问题”，而是可以在 HA 里做系统级工作。
它可以像一个家庭运维一样：
- 看日志
- 查历史
- 对比状态
- 修自动化
- 整理仪表盘
- 创建长期巡检
- 生成诊断实体
- 记住以前踩过的坑
- 下次遇到类似问题少走弯路
真正的“值班”：不是提醒你，而是替你持续看着
很多助手所谓的长期任务，其实只是提醒。
Claw Assistant 的 值班任务系统。
你可以说：
“以后每天晚上 10 点帮我检查门窗、空调、灯和扫地机，有异常就通知我。”
它可以创建一个后台 Heartbeat 任务，按 cron 或 interval 执行。
任务执行后可以记录状态，成功后自动删除一次性任务，也可以持续保留为长期巡检。
更重要的是，它不只会发文字。
Heartbeat 可以把结果推送回会话来源，也可以发送摄像头图片、语音、视频、GIF 等媒体内容。
多媒体不是玩具，是家庭场景里的眼睛
Claw Assistant 支持摄像头抓拍，也支持用户上传图片、GIF、视频。
如果你上传一张图或一段视频，它会先走媒体分析流程，再回答。
图片会被压缩、清理元数据，避免把大图直接塞给模型，也避免 EXIF 这类无关信息污染上下文。
这让它可以处理更接近真实生活的请求：
- “这张截图里的 HA 报错是什么意思？”
- “这个仪表盘哪里布局不对？”
- “看一下宠物摄像头，猫是不是在饭盆旁边？”
- “这段视频里扫地机是不是卡住了？”
智能家居不只有状态值。
很多时候，摄像头和截图才是最直接的现场。
仪表盘维护：不是重写，是像人一样小心修改
很多 AI 写 Lovelace 的方式很粗暴：
读一点配置，然后整段重写。
Claw Assistant 的 Dashboard 工具有 patch-first 规则。
修改现有卡片时，它优先做锚点式、小范围、原子 patch；可以 dry-run 预览 diff；只有改动超过一半时才会整体更新。
这对长期维护 HA 很重要。
因为仪表盘不是一次性 demo。
你已经花了很多时间调布局、样式和卡片，AI 不应该为了加一个传感器就把整张卡重写。
最小 token，不是最大 token
很多人一听 Agent，就会担心 token 成本。
简单的事情不进 LLM，复杂的事情少走弯路。
开灯、关门、查温度这些明确命令，继续走 HA 原生本地 intent。
速度快，零 token，也更稳定。
只有当请求需要判断、排查、创建、验证时，才进入 Agent 循环。
进入循环后，它也不是无限烧 token。
它有任务循环、continuation 判断、预算上限、上下文压缩和响应清理。
长对话超过阈值时，会先压缩上下文再继续，避免把无关历史一直塞给模型。
换句话说，它不把所有东西都丢给大模型，而把大模型用在真正需要推理的地方。
Skill、Guide 和记忆：它会随着你的家一起长大
Claw Assistant 有自己的 Workspace、Skill、Home Assistant Guide 和 MemoryGraph。
你可以把它理解成四层：
- Workspace：定义它是谁、怎么说话、你家有哪些习惯、工具应该怎么用
- Skill：给它安装新的做事方法，比如设备巡检、用电分析、家庭日报、HACS 排障
- Home Assistant Guide：内置 HA 运行手册，遇到排障、仪表盘、集成、备份、ESPHome 等任务时先查指南
- MemoryGraph：记录长期事实、决策、修复经验，以及它们之间的关系
这让它不是一个写死能力的聊天机器人。
你可以让它安装一个“晚间巡检 Skill”，以后每天睡前检查门窗、灯、空调、扫地机。
也可以让它安装一个“HA 故障排查 Skill”，以后遇到自动化不触发、实体不可用、集成异常时，按固定流程检查。
还可以让它记住某些家庭习惯，比如夜间不要打扰、儿童房通知要更谨慎、某些设备经常误报。
更重要的是
任务完成后，系统可以复盘这次执行。
如果发现某个经验值得保留，它会提出修改 Skill / Guide / Memory 的提案。
如果 Skill 太多、重复、过期，它也可以提出整理建议。
但它不能静默改自己。
所有自我进化都需要人工批准。
这点很重要：
它会成长，但控制权仍然在你手里。
为什么不是 add-on，不是外部 MCP 客户端
外部 Agent、MCP、add-on 都有适合的场景。
但 Claw Assistant 选择做成 HA 集成，是因为它要接入的是 HA 自己的生活现场：
- 语音 Assist
- 仪表盘
- 自动化触发
- 实体状态
- 历史记录
- HACS
- 注册表
- 配置文件
- 系统日志
- 摄像头
- 通知和 IM 推送
这些东西本来就在 HA 里。
把 Agent 放在 HA 内部，不用绕一层桥接，也不需要额外容器。
它可以直接看到 HA 的状态，直接使用 HA 的工具，直接把长期任务布置到 HA 里。
HACS 装上即可，不喜欢删掉即可。
让 HA 的 AI 体验在“装上就能用”这个层面真正追上现代 Agent 工具，而不是永远停留在“你得先配置 20 条 function 规格”的阶段。
发表于 2026-4-25 13:31:47
