从新手到专家AI Automation Suggester自动化规则生成原理与高级参数调优【免费下载链接】ai_automation_suggesterThis custom Home Assistant integration automatically scans your entities, detects new devices, and uses AI (via cloud and local APIs) to suggest tailored automations. It supports multiple AI providers, including OpenAI, Anthropic, Google, Groq, Ollama and more! The integration provides automation suggestions via HASS notifications项目地址: https://gitcode.com/gh_mirrors/ai/ai_automation_suggesterAI Automation Suggester是一款基于人工智能的Home Assistant集成工具它能够自动扫描您的智能设备实体检测新设备并通过云端和本地API利用AI技术为您提供量身定制的自动化规则建议。支持多种AI服务提供商包括OpenAI、Anthropic、Google、Groq、Ollama等通过HASS通知为您推送自动化建议让智能家庭管理变得更加智能高效。 AI Automation Suggester核心功能解析智能自动化规则生成原理AI Automation Suggester的工作流程主要分为五个关键步骤从数据收集到最终呈现建议形成一个完整的自动化规则生成闭环数据快照采集在手动触发或按计划执行时集成会收集有关您的实体包括属性、设备、区域以及现有自动化的信息。您可以使用过滤器和限制来控制采集范围。提示词构建将采集到的快照嵌入到详细的系统提示中描述您特定的Home Assistant设置。您可以通过添加自定义提示来引导建议朝向特定目标例如专注于存在感应照明。AI服务调用精心构建的提示词会被发送到您配置的AI提供商。支持多种主流AI服务包括OpenAI、Azure OpenAI、Anthropic、Google、Groq、LocalAI、Ollama等。响应解析处理集成会要求有能力的提供商返回结构化JSON若不支持则回退到 fenced YAML解析验证返回的YAML并记录缺失或可能被截断输出的警告。建议呈现存储建议会以Home Assistant持久通知、传感器属性和存储历史的形式呈现可通过捆绑的仪表板卡片或您自己的卡片使用。AI Automation Suggester自动化规则生成流程示意图展示了从数据采集到建议呈现的完整过程多AI提供商支持架构AI Automation Suggester采用了模型无关的灵活架构支持多种AI服务提供商让您可以根据成本、隐私和性能偏好进行选择云服务提供商OpenAI、Anthropic、Google、Groq、Mistral、Perplexity等本地模型LocalAI、Ollama等可以在本地网络中运行保护隐私每种AI提供商都有特定的配置选项包括温度控制0.0-2.0、模型选择、安全API密钥存储、自定义端点等。这种多提供商支持确保了工具的灵活性和可扩展性满足不同用户的需求。 快速上手安装与基础配置系统要求与安装步骤使用AI Automation Suggester需要满足以下系统要求Home Assistant2024.1或更高版本AI服务提供商访问云服务需要API密钥本地模型需要相应的服务器运行通过HACS安装推荐安装HACS如果尚未安装在HACS →集成中点击按钮搜索AI Automation Suggester选择集成并点击下载重启Home Assistant进入设置 → 设备与服务 → 添加集成搜索AI Automation Suggester手动安装下载本仓库内容将custom_components/ai_automation_suggester文件夹复制到Home Assistant的custom_components目录重启Home Assistant进入设置 → 设备与服务 → 添加集成搜索AI Automation Suggester基础配置向导添加集成后按照设置向导进行配置选择AI提供商从下拉列表中选择您偏好的AI服务输入API密钥或端点根据提供商类型提供必要的凭据或本地服务器URL选择模型选择您希望使用的特定模型变体设置最大令牌数定义AI响应的最大长度影响建议的详细程度可选自定义系统提示提供初始提示以指导AI的整体视角例如您是智能家居节能自动化专家配置完成后您可以随时通过设置 → 设备与服务中的集成选项调整这些设置。AI Automation Suggester集成配置界面展示了提供商选择和参数设置选项⚙️ 高级参数调优从入门到精通核心参数深度解析AI Automation Suggester提供了丰富的参数选项让您可以精确控制自动化规则的生成过程温度控制Temperature可用范围0.0更专注- 2.0更具创造性默认值0.7调优建议需要精确、可靠的自动化规则时使用较低值0.3-0.5寻求创新、多样化的建议时使用较高值0.8-1.2对于本地小型模型建议使用较低温度以获得更稳定的结果令牌管理Token Management输入/输出令牌限制可分别设置作用防止过度API使用优化响应长度最佳实践根据模型能力设置合理限制例如GPT-4o-mini建议输入令牌限制为4000-8000平衡实体数量和令牌使用避免超出限制导致截断实体选择与过滤all_entities布尔值默认false设置为true可考虑所有符合条件的实体domains字符串列表可选限制分析特定域的实体如[light, sensor]exclude_domains字符串列表可选排除特定域entity_limit整数可选设置AI应考虑的最大实体数高级过滤策略# 服务调用示例专注于照明和气候控制的节能自动化 service: ai_automation_suggester.generate_suggestions data: domains: [light, climate, sensor] exclude_entities: [sensor.test, light.Christmas_tree] entity_limit: 50 custom_prompt: Suggest energy-saving automations focusing on lighting and heating optimization temperature: 0.6自定义提示工程技巧自定义提示custom_prompt是引导AI生成特定类型建议的强大工具。以下是一些有效的提示工程策略明确目标型提示Create automations that maximize energy savings by optimizing the use of solar panels and battery storage. Focus on peak/off-peak electricity rates and weather conditions.场景导向型提示Design automations for a family with young children that enhance home safety, including door/window monitoring, temperature control, and bedtime routines.技术限制型提示Suggest automations that work with my existing Z-Wave devices only. Avoid suggestions requiring additional hardware. Prioritize reliability over complexity.提示组合策略将领域过滤与自定义提示结合使用以获得高度针对性的建议# 结合领域过滤和自定义提示的服务调用 service: ai_automation_suggester.generate_suggestions data: domains: [binary_sensor, lock, camera] custom_prompt: Create security automations that respond to door/window sensors, lock status, and camera motion detection. Include alert notifications and deterrent actions. temperature: 0.4自动化规则生成策略为了获得最佳的自动化规则建议需要结合不同的生成策略定时全面分析设置每周全面分析使用较高的实体限制和适中的温度以发现新的自动化机会# 每周日凌晨2点运行全面分析 alias: Weekly AI Automation Review trigger: platform: time at: 02:00:00 condition: condition: time weekday: - sun action: service: ai_automation_suggester.generate_suggestions data: all_entities: true entity_limit: 100 temperature: 0.7 custom_prompt: Provide a variety of automation suggestions including energy saving, security, and convenience improvements.事件触发型分析当添加新设备时自动触发分析帮助快速集成新设备# 新实体添加时触发分析 alias: New Entity AI Suggestions trigger: platform: event event_type: entity_registry_updated event_data: action: create action: service: ai_automation_suggester.generate_suggestions data: all_entities: false domains: [{{ trigger.event.data.entity_id.split(.)[0] }}] custom_prompt: Suggest automations for the newly added {{ trigger.event.data.entity_id }} device.领域专注型分析针对特定设备类型进行深度分析获取专业建议# 照明系统专项分析 alias: Lighting AI Automation Review trigger: platform: time at: 12:00:00 condition: condition: time weekday: - wed action: service: ai_automation_suggester.generate_suggestions data: domains: [light, switch, sensor] entity_limit: 80 temperature: 0.5 custom_prompt: Analyze my lighting system and suggest automations for energy efficiency, convenience, and ambiance. Include adaptive lighting based on time of day and occupancy. 实际应用案例与最佳实践能源节约自动化案例AI Automation Suggester特别擅长生成节能相关的自动化规则。以下是一个由AI生成的基于峰谷电价的电池充电优化自动化alias: Optimize Battery Charging based on Octopus Energy Prices description: Automation to charge battery during low-cost electricity periods trigger: - platform: state entity_id: sensor.octopus_energy_saving_sessions to: on # When Octopus saving session starts condition: - condition: numeric_state entity_id: sensor.octopus_energy_electricity_current_rate below: 0.10 # Threshold for low-cost electricity (GBP/kWh) - condition: numeric_state entity_id: sensor.battery_charge_level below: 80 # Only charge if battery is below 80% action: - service: switch.turn_on entity_id: switch.battery_charger - delay: 02:00:00 # Charge for 2 hours - service: switch.turn_off entity_id: switch.battery_charger mode: singleAI生成的能源节约自动化建议示例展示了基于电价和电池状态的智能充电策略存在感应照明自动化另一个常见应用是基于存在感应的照明控制以下是AI生成的卧室照明自动化alias: Master Bedroom Lighting based on Motion and Presence description: Control bedroom lighting based on motion and presence trigger: - platform: state entity_id: sensor.master_bedroom_presence_sensor_motion_state to: motion condition: - condition: time after: 06:00:00 before: 23:00:00 # Avoid turning lights on during the night action: - service: light.turn_on entity_id: light.master_bedroom_main_light data: brightness: 75 # Medium brightness during day - wait_for_trigger: platform: state entity_id: sensor.master_bedroom_presence_sensor_motion_state to: no_motion for: 00:05:00 # 5 minutes of no motion - service: light.turn_off entity_id: light.master_bedroom_main_light mode: single高级参数调优最佳实践总结经过实践验证以下参数组合在大多数场景下表现最佳日常使用配置temperature: 0.6-0.7entity_limit: 50-80custom_prompt: 简洁明确专注于1-2个目标探索新自动化机会temperature: 0.9-1.1entity_limit: 100-150all_entities: truecustom_prompt: 开放式鼓励创新特定领域深度分析temperature: 0.4-0.5entity_limit: 30-50 (针对单一领域)domains: 限定特定设备类型custom_prompt: 详细描述具体需求和期望结果本地模型优化temperature: 0.3-0.5 (降低创造性以补偿本地模型能力)entity_limit: 30-50 (避免超出模型上下文限制)custom_prompt: 更具体、更明确的指令 故障排除与性能优化常见问题解决问题症状检查/解决措施无建议可用- 验证API密钥是否正确- 检查AI Provider Status传感器是否有错误- 查看Home Assistant日志中与集成相关的错误- 使用较小的entity_limit手动触发服务- 确保有足够的实体/设备以生成有意义的建议AI提供商状态显示error- 检查Home Assistant日志(home-assistant.log)中的详细错误消息- 检查与提供商服务器的网络连接- 确认API密钥有效且具有权限- 确保本地AI服务器正在运行且可访问建议提示过长- 触发服务时减少entity_limit参数- 使用domains过滤器缩小分析范围- 简化custom_prompt建议重复- 确保使用all_entities并启用随机实体选择- 尝试不同的custom_prompt值- 增加entity_limit以提供更多数据点性能优化技巧实体管理排除不相关或测试实体使用领域过滤专注于特定设备类型根据模型能力合理设置entity_limit调度策略避免在高系统负载时段运行分析大型系统考虑分时段分析不同领域新设备添加时触发针对性分析而非全面分析模型选择日常使用选择更高效的小型模型如gpt-4o-mini复杂分析使用能力更强的大型模型本地部署考虑适合您硬件的模型大小缓存利用保留有价值的建议供日后参考对相似的分析请求使用相同的参数设置 未来展望与进阶学习AI Automation Suggester持续发展未来计划的功能和改进包括更具交互性的建议探索反馈机制帮助AI从用户接受或拒绝建议中学习一键自动化创建简化从查看建议到在Home Assistant中创建自动化的过程扩展本地化通过社区贡献支持更多语言改进的实体/设备上下文增强提供给AI的关于设备类型、能力和关系的信息要深入学习和掌握AI Automation Suggester建议参考以下资源官方文档项目中的docs/目录包含详细的功能说明和升级计划AI功能源码custom_components/ai_automation_suggester/目录下的suggestions.py和model_catalog.py文件示例自动化custom_components/ai_automation_suggester/automations/目录包含新实体检测和每周审查的示例通过不断探索和实验不同的参数组合与提示策略您将能够充分利用AI Automation Suggester的潜力创建一个更智能、更高效的智能家居系统。无论您是刚入门的新手还是有经验的Home Assistant专家AI Automation Suggester都能为您的智能家庭自动化提供有价值的建议和灵感帮助您解锁智能家居的全部潜力。【免费下载链接】ai_automation_suggesterThis custom Home Assistant integration automatically scans your entities, detects new devices, and uses AI (via cloud and local APIs) to suggest tailored automations. It supports multiple AI providers, including OpenAI, Anthropic, Google, Groq, Ollama and more! The integration provides automation suggestions via HASS notifications项目地址: https://gitcode.com/gh_mirrors/ai/ai_automation_suggester创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 从新手到专家：AI Automation Suggester自动化规则生成原理与高级参数调优
从新手到专家AI Automation Suggester自动化规则生成原理与高级参数调优【免费下载链接】ai_automation_suggesterThis custom Home Assistant integration automatically scans your entities, detects new devices, and uses AI (via cloud and local APIs) to suggest tailored automations. It supports multiple AI providers, including OpenAI, Anthropic, Google, Groq, Ollama and more! The integration provides automation suggestions via HASS notifications项目地址: https://gitcode.com/gh_mirrors/ai/ai_automation_suggesterAI Automation Suggester是一款基于人工智能的Home Assistant集成工具它能够自动扫描您的智能设备实体检测新设备并通过云端和本地API利用AI技术为您提供量身定制的自动化规则建议。支持多种AI服务提供商包括OpenAI、Anthropic、Google、Groq、Ollama等通过HASS通知为您推送自动化建议让智能家庭管理变得更加智能高效。 AI Automation Suggester核心功能解析智能自动化规则生成原理AI Automation Suggester的工作流程主要分为五个关键步骤从数据收集到最终呈现建议形成一个完整的自动化规则生成闭环数据快照采集在手动触发或按计划执行时集成会收集有关您的实体包括属性、设备、区域以及现有自动化的信息。您可以使用过滤器和限制来控制采集范围。提示词构建将采集到的快照嵌入到详细的系统提示中描述您特定的Home Assistant设置。您可以通过添加自定义提示来引导建议朝向特定目标例如专注于存在感应照明。AI服务调用精心构建的提示词会被发送到您配置的AI提供商。支持多种主流AI服务包括OpenAI、Azure OpenAI、Anthropic、Google、Groq、LocalAI、Ollama等。响应解析处理集成会要求有能力的提供商返回结构化JSON若不支持则回退到 fenced YAML解析验证返回的YAML并记录缺失或可能被截断输出的警告。建议呈现存储建议会以Home Assistant持久通知、传感器属性和存储历史的形式呈现可通过捆绑的仪表板卡片或您自己的卡片使用。AI Automation Suggester自动化规则生成流程示意图展示了从数据采集到建议呈现的完整过程多AI提供商支持架构AI Automation Suggester采用了模型无关的灵活架构支持多种AI服务提供商让您可以根据成本、隐私和性能偏好进行选择云服务提供商OpenAI、Anthropic、Google、Groq、Mistral、Perplexity等本地模型LocalAI、Ollama等可以在本地网络中运行保护隐私每种AI提供商都有特定的配置选项包括温度控制0.0-2.0、模型选择、安全API密钥存储、自定义端点等。这种多提供商支持确保了工具的灵活性和可扩展性满足不同用户的需求。 快速上手安装与基础配置系统要求与安装步骤使用AI Automation Suggester需要满足以下系统要求Home Assistant2024.1或更高版本AI服务提供商访问云服务需要API密钥本地模型需要相应的服务器运行通过HACS安装推荐安装HACS如果尚未安装在HACS →集成中点击按钮搜索AI Automation Suggester选择集成并点击下载重启Home Assistant进入设置 → 设备与服务 → 添加集成搜索AI Automation Suggester手动安装下载本仓库内容将custom_components/ai_automation_suggester文件夹复制到Home Assistant的custom_components目录重启Home Assistant进入设置 → 设备与服务 → 添加集成搜索AI Automation Suggester基础配置向导添加集成后按照设置向导进行配置选择AI提供商从下拉列表中选择您偏好的AI服务输入API密钥或端点根据提供商类型提供必要的凭据或本地服务器URL选择模型选择您希望使用的特定模型变体设置最大令牌数定义AI响应的最大长度影响建议的详细程度可选自定义系统提示提供初始提示以指导AI的整体视角例如您是智能家居节能自动化专家配置完成后您可以随时通过设置 → 设备与服务中的集成选项调整这些设置。AI Automation Suggester集成配置界面展示了提供商选择和参数设置选项⚙️ 高级参数调优从入门到精通核心参数深度解析AI Automation Suggester提供了丰富的参数选项让您可以精确控制自动化规则的生成过程温度控制Temperature可用范围0.0更专注- 2.0更具创造性默认值0.7调优建议需要精确、可靠的自动化规则时使用较低值0.3-0.5寻求创新、多样化的建议时使用较高值0.8-1.2对于本地小型模型建议使用较低温度以获得更稳定的结果令牌管理Token Management输入/输出令牌限制可分别设置作用防止过度API使用优化响应长度最佳实践根据模型能力设置合理限制例如GPT-4o-mini建议输入令牌限制为4000-8000平衡实体数量和令牌使用避免超出限制导致截断实体选择与过滤all_entities布尔值默认false设置为true可考虑所有符合条件的实体domains字符串列表可选限制分析特定域的实体如[light, sensor]exclude_domains字符串列表可选排除特定域entity_limit整数可选设置AI应考虑的最大实体数高级过滤策略# 服务调用示例专注于照明和气候控制的节能自动化 service: ai_automation_suggester.generate_suggestions data: domains: [light, climate, sensor] exclude_entities: [sensor.test, light.Christmas_tree] entity_limit: 50 custom_prompt: Suggest energy-saving automations focusing on lighting and heating optimization temperature: 0.6自定义提示工程技巧自定义提示custom_prompt是引导AI生成特定类型建议的强大工具。以下是一些有效的提示工程策略明确目标型提示Create automations that maximize energy savings by optimizing the use of solar panels and battery storage. Focus on peak/off-peak electricity rates and weather conditions.场景导向型提示Design automations for a family with young children that enhance home safety, including door/window monitoring, temperature control, and bedtime routines.技术限制型提示Suggest automations that work with my existing Z-Wave devices only. Avoid suggestions requiring additional hardware. Prioritize reliability over complexity.提示组合策略将领域过滤与自定义提示结合使用以获得高度针对性的建议# 结合领域过滤和自定义提示的服务调用 service: ai_automation_suggester.generate_suggestions data: domains: [binary_sensor, lock, camera] custom_prompt: Create security automations that respond to door/window sensors, lock status, and camera motion detection. Include alert notifications and deterrent actions. temperature: 0.4自动化规则生成策略为了获得最佳的自动化规则建议需要结合不同的生成策略定时全面分析设置每周全面分析使用较高的实体限制和适中的温度以发现新的自动化机会# 每周日凌晨2点运行全面分析 alias: Weekly AI Automation Review trigger: platform: time at: 02:00:00 condition: condition: time weekday: - sun action: service: ai_automation_suggester.generate_suggestions data: all_entities: true entity_limit: 100 temperature: 0.7 custom_prompt: Provide a variety of automation suggestions including energy saving, security, and convenience improvements.事件触发型分析当添加新设备时自动触发分析帮助快速集成新设备# 新实体添加时触发分析 alias: New Entity AI Suggestions trigger: platform: event event_type: entity_registry_updated event_data: action: create action: service: ai_automation_suggester.generate_suggestions data: all_entities: false domains: [{{ trigger.event.data.entity_id.split(.)[0] }}] custom_prompt: Suggest automations for the newly added {{ trigger.event.data.entity_id }} device.领域专注型分析针对特定设备类型进行深度分析获取专业建议# 照明系统专项分析 alias: Lighting AI Automation Review trigger: platform: time at: 12:00:00 condition: condition: time weekday: - wed action: service: ai_automation_suggester.generate_suggestions data: domains: [light, switch, sensor] entity_limit: 80 temperature: 0.5 custom_prompt: Analyze my lighting system and suggest automations for energy efficiency, convenience, and ambiance. Include adaptive lighting based on time of day and occupancy. 实际应用案例与最佳实践能源节约自动化案例AI Automation Suggester特别擅长生成节能相关的自动化规则。以下是一个由AI生成的基于峰谷电价的电池充电优化自动化alias: Optimize Battery Charging based on Octopus Energy Prices description: Automation to charge battery during low-cost electricity periods trigger: - platform: state entity_id: sensor.octopus_energy_saving_sessions to: on # When Octopus saving session starts condition: - condition: numeric_state entity_id: sensor.octopus_energy_electricity_current_rate below: 0.10 # Threshold for low-cost electricity (GBP/kWh) - condition: numeric_state entity_id: sensor.battery_charge_level below: 80 # Only charge if battery is below 80% action: - service: switch.turn_on entity_id: switch.battery_charger - delay: 02:00:00 # Charge for 2 hours - service: switch.turn_off entity_id: switch.battery_charger mode: singleAI生成的能源节约自动化建议示例展示了基于电价和电池状态的智能充电策略存在感应照明自动化另一个常见应用是基于存在感应的照明控制以下是AI生成的卧室照明自动化alias: Master Bedroom Lighting based on Motion and Presence description: Control bedroom lighting based on motion and presence trigger: - platform: state entity_id: sensor.master_bedroom_presence_sensor_motion_state to: motion condition: - condition: time after: 06:00:00 before: 23:00:00 # Avoid turning lights on during the night action: - service: light.turn_on entity_id: light.master_bedroom_main_light data: brightness: 75 # Medium brightness during day - wait_for_trigger: platform: state entity_id: sensor.master_bedroom_presence_sensor_motion_state to: no_motion for: 00:05:00 # 5 minutes of no motion - service: light.turn_off entity_id: light.master_bedroom_main_light mode: single高级参数调优最佳实践总结经过实践验证以下参数组合在大多数场景下表现最佳日常使用配置temperature: 0.6-0.7entity_limit: 50-80custom_prompt: 简洁明确专注于1-2个目标探索新自动化机会temperature: 0.9-1.1entity_limit: 100-150all_entities: truecustom_prompt: 开放式鼓励创新特定领域深度分析temperature: 0.4-0.5entity_limit: 30-50 (针对单一领域)domains: 限定特定设备类型custom_prompt: 详细描述具体需求和期望结果本地模型优化temperature: 0.3-0.5 (降低创造性以补偿本地模型能力)entity_limit: 30-50 (避免超出模型上下文限制)custom_prompt: 更具体、更明确的指令 故障排除与性能优化常见问题解决问题症状检查/解决措施无建议可用- 验证API密钥是否正确- 检查AI Provider Status传感器是否有错误- 查看Home Assistant日志中与集成相关的错误- 使用较小的entity_limit手动触发服务- 确保有足够的实体/设备以生成有意义的建议AI提供商状态显示error- 检查Home Assistant日志(home-assistant.log)中的详细错误消息- 检查与提供商服务器的网络连接- 确认API密钥有效且具有权限- 确保本地AI服务器正在运行且可访问建议提示过长- 触发服务时减少entity_limit参数- 使用domains过滤器缩小分析范围- 简化custom_prompt建议重复- 确保使用all_entities并启用随机实体选择- 尝试不同的custom_prompt值- 增加entity_limit以提供更多数据点性能优化技巧实体管理排除不相关或测试实体使用领域过滤专注于特定设备类型根据模型能力合理设置entity_limit调度策略避免在高系统负载时段运行分析大型系统考虑分时段分析不同领域新设备添加时触发针对性分析而非全面分析模型选择日常使用选择更高效的小型模型如gpt-4o-mini复杂分析使用能力更强的大型模型本地部署考虑适合您硬件的模型大小缓存利用保留有价值的建议供日后参考对相似的分析请求使用相同的参数设置 未来展望与进阶学习AI Automation Suggester持续发展未来计划的功能和改进包括更具交互性的建议探索反馈机制帮助AI从用户接受或拒绝建议中学习一键自动化创建简化从查看建议到在Home Assistant中创建自动化的过程扩展本地化通过社区贡献支持更多语言改进的实体/设备上下文增强提供给AI的关于设备类型、能力和关系的信息要深入学习和掌握AI Automation Suggester建议参考以下资源官方文档项目中的docs/目录包含详细的功能说明和升级计划AI功能源码custom_components/ai_automation_suggester/目录下的suggestions.py和model_catalog.py文件示例自动化custom_components/ai_automation_suggester/automations/目录包含新实体检测和每周审查的示例通过不断探索和实验不同的参数组合与提示策略您将能够充分利用AI Automation Suggester的潜力创建一个更智能、更高效的智能家居系统。无论您是刚入门的新手还是有经验的Home Assistant专家AI Automation Suggester都能为您的智能家庭自动化提供有价值的建议和灵感帮助您解锁智能家居的全部潜力。【免费下载链接】ai_automation_suggesterThis custom Home Assistant integration automatically scans your entities, detects new devices, and uses AI (via cloud and local APIs) to suggest tailored automations. It supports multiple AI providers, including OpenAI, Anthropic, Google, Groq, Ollama and more! The integration provides automation suggestions via HASS notifications项目地址: https://gitcode.com/gh_mirrors/ai/ai_automation_suggester创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考