使用 OpenCloud 控制智能家居时，常因模型遗忘设备导致控制失灵。一种创新的“设备声明能力”思路，将每个设备封装为独立的 Skill，让设备自我介绍功能。再通过 HA Manager 自动发现和生成 Skill，彻底解决了遗忘问题，并大幅降低了多设备的管理成本，实现了精准高效的智能控制。
智能速览
OpenCloud 直接对接 HA 存在设备遗忘和查询混乱问题。
创新思路：将设备封装为 Skill，让其主动声明能力。
渐进式披露 Skill，节省 Token 并提升决策精准度。
开发 HA Manager，实现设备自动发现与 Skill 动态生成。
支持精确匹配模板与动态生成兜底，灵活覆盖各类设备。
实战演示：全自动安装配置，精准读取温湿度、控制净化器。
精华内容
要解决 OpenCloud 遗忘设备和多设备管理的难题，关键在于改变思路。不再让模型记忆设备，而是让设备主动“发声”，清晰地告诉模型它的能力所在。
问题的根源
使用 OpenCloud 控制 Home Assistant (HA) 中的设备时，发现了一个严重问题：AI 助手会“遗忘”已对接的设备。例如，当询问房间温度时，它并非调用小米温湿度计，而是错误地通过天气 API 获取室外温度，甚至地理位置都不准确。
这种错误的根源在于 OpenCloud 的 Agent 采用 ReAct 模式，先推理再行动。模型本身并不知道自己拥有哪些具体设备，当用户提问时，它会根据通用知识推测工具，从而选择了天气接口。此外，一个设备在 HA 中常被拆分为多个功能相似的实体，进一步加剧了查询的混乱。
核心思路：设备即技能
为解决此问题，提出了一个核心思路：与其让模型记住设备，不如让设备主动声明自己的能力。具体做法是将每个设备封装成一个独立的 Skill。
每个 Skill 包含两部分核心内容：一是描述，用自然语言告诉 Agent 这个 Skill 能做什么；二是实现，定义具体的 API 调用或脚本执行逻辑。这样，当 OpenCloud 知道存在一个“温湿度计”的 Skill，且其描述为“读取温度和湿度数据”时，它就能在用户提问时精准地调用该 Skill，而不会误用其他工具。
渐进式披露的优势
这种 Skill 化的设计采用了 Anthropic 推荐的“渐进式披露”原则。不同于传统方式将所有设备信息一次性塞给大模型（耗费大量 Token 且易造成信息过载），新模式下，系统不会主动加载所有 Skill。
它先用 Skill 的简短描述信息进行初步筛选，只有在需要时才动态加载完整的 Skill 实现。例如，用户问温度时才加载温湿度计的 Skill，问空气质量时才加载空气净化器的 Skill。这不仅显著节省了 Token 消耗，也让 Agent 的决策更加精准和快速。
HA Manager 的自动化
如果拥有十几个甚至更多设备，手动为每个设备创建和注册 Skill 将非常繁琐。为此，开发了一个名为“HA Manager”的管理工具，用来自动化处理所有设备。
HA Manager 的核心能力有两点：首先是自动发现设备，它会调用 HA 的 API 拉取所有实体，然后根据设备 ID 将多个实体智能合并，并自动解析出每个设备的能力。其次是自动生成 Skill，它会根据解析出的设备功能，结合预设规则，自动生成对应的 Skill 描述文件，实现了从发现到部署的全自动化。
精确匹配与动态生成
为了方便管理、共享和持续优化，所有设备的 Skill 都被存放在一个独立的 Git 仓库中。该仓库设计了一套优先匹配机制：对于常见设备，如“小米温湿度计”，仓库中有专门的 Skill 模板，HA Manager 会优先精确匹配并下载使用，后续的优化迭代也能直接同步更新。
对于仓库中没有模板的设备，HA Manager 会启动动态生成兜底机制。它会根据设备实体的具体功能（如传感器、开关、灯光等），结合通用的规则模板，自动生成基础的 Skill 描述，确保方案能灵活覆盖各类设备。
实战效果演示
整个方案的安装和配置过程极为简化。只需将 GitHub 仓库地址发给 OpenCloud 并说出“安装”，系统便会自动引导。用户只需提供 HA 的访问地址和 Long-Lived Access Token，整个过程无需手动配置任何设备，完全自动化。
实测中，当提问“现在房间的温度是多少”时，系统能准确找到小米温湿度计并返回读数 26℃。当发出“把空气净化器开大一点”的指令时，它能智能地将风扇风速调至更快的“中速”模式，展现了精准的设备理解和控制能力。
这套方案将设备从被管理的对象转变为主动声明的能力，从根本上解决了 AI 控制中的遗忘问题。通过自动化工具，大幅降低了多设备场景的部署门槛。这不仅是一个有效的解决方案，也为人机交互与智能设备的未来融合提供了新的可能性，期待社区共同探讨与完善。
