智能家居连接AI语音助手和MCP后,小爱同学要被玩坏了

一、第一步：解决HA的大麻烦

上一篇文章《犀牛王进不了米家，Codex手搓Home Assistant连一切》写到，我用Codex搭建了HA，把涂鸦和米家设备都集成到一个平台。

一天晚上，我正在在书桌捣鼓Codex，发现餐厅灯还没关，就顺手让Codex把餐厅灯关了。你猜怎么着？餐柜灯、射灯、灯带都关了，餐桌上面那三盏吊灯就是死活关不了。Codex回复说找不到餐厅吊灯。

只能扯开嗓子喊小爱同学，把吊灯关了。我手机打开米家 App ，点开，一眼就看见餐厅吊灯。那我用 HA 图什么？

又让Codex折腾开始干活吧，从xiaomi home重新集成，接口不通，让改路由器设置，折腾老半天，还是行不通。

换workbuddy试试吧。嘿，这次我学聪明了，我先Ta他查米家和涂鸦的MCP接口，把两个平台的设备都亮个相。然后再让Ta搭建HA，开始显示看不到餐厅吊灯，然后让他查是怎么回事？

很快破案了。问题不在功能，在底子。

米家集成认出来 99 个设备，我家实际是 179 条按键级数据、77 路灯控通道。差的那 80 个全藏在面板里：一块四键面板算 1 个设备，背后挂 4 路灯。

集成按"设备"数，我家灯是按"按键"长的。餐厅吊灯不是丢了，是压根没被拆出来。

上篇的 CODEX 就卡在这儿。不是代码写得不好，是接米家难在代码之外：开开放平台权限、动路由器、配网络通路，每一步都在给一段一次性脚本铺路。

这次换 WorkBuddy，路子完全不同。它跟 HA 跑在同一台电脑上，不用开开放平台，不用碰路由器。HA 自己开着 WebSocket API，拿个长期令牌直接握手，127.0.0.1，网络配置零。

from ha_ws import WS ws = WS()

# 关掉餐厅吊灯，一句话的事 ws.send({'type': 'call_service', 'domain': 'light',          'service': 'turn_off',          'service_data': {'entity_id': 'light.cantingdiaodeng'}})

# 批量改 67 个名字，一个循环 for ent, name in name_plan.items():     ws.send({'type': 'config/entity_registry/update',              'entity_id': ent, 'name': name})

这不是"生成代码给我跑"，是它自己在系统里干活：读注册表，确认 67 盏灯挂在哪，一批一批改，改完逐个验状态。

那一晚 67 盏灯从"按键1、按键2"换回米家实名。有 8 路实在没实名，就留着"客厅 按键3"，编不出来别编。

中途试过 MQTT，一盏灯一个虚拟设备，界面清爽，但跟米家打架。我说了句"退回原来状态"，67 条残留清干净，注册表从备份恢复。

敢退回来，比能跑通重要。

到这一步，打开 HA 看见的是"餐厅吊灯""茶桌""月球灯"。

但我还是得掏手机。

二、第二步：给 HA 装上嘴

设备齐了，还差个语音控制，啥都不如张嘴来的方便啊。

HA 什么都能干，就是没有这个入口。功能再全，她也得摸出手机点。

花了三天学习怎么搭建桌面智能语音助手。别小看，这玩意着实需要一点编程基础。光回音消除、播报中途打断这些基础功能，还是依赖经验。虽然不用敲代码，但怎么给Workbuddy提示词还是考验功底。（此处省略一万字，有需要部署AI语音助手的同学联系我，我已整理好源代码发你直接喂给workbuddy就能部署）

MCP把 HA 接进电脑上的智能语音助手。HA 自带一套对外接口，25 个工具直接暴露，接上就能用。

这步卡了挺久。最要命的是助手分不清"餐厅吊灯"是灯还是开关，两个实体同名，它回一句"多个实体共享这个名称"，然后啥也不干。

解法不复杂：把 67 个通道开关从对话暴露里摘出去，语音侧只认灯。353 个实体，冲突归零。

然后是场景。原来调个灯得点五六个开关，现在一句"客厅灯光调整到品茗场景"。这个场景从零建了六轮，每轮它都记得上一轮改了啥。

到这步，坐在电脑前喊一句"开灯"，灯亮；孩子要睡觉，喊一声"关儿童房所有灯"，全灭。

小爱同学那套体验，复制过来了。

没差别，是因为我一直在照着她抄。

三、第三步：嘴有了，胃口也大了

有天晚上在书房赶稿，突然想问一句今天 AI 圈出什么事了。

以前这动作是：拿手机，解锁，打开三个 App 刷。

那天我直接喊了一句。它念完了。

那一刻我反应过来：这玩意儿既然能开灯，凭什么只能开灯。

HA 那套接口有个名字，叫 MCP。开放协议，谁都能写服务器端，HA 只是我装的第一个。

接上浏览器能查公告，接上 B 站能挑视频，接上行情接口能问"半导体今天谁领涨"，接上邮箱能发邮件，接上文件系统能排序。

小爱做不了这些。不是它不努力，是它只有米家那一套动作。它是封闭的技能包，MCP 是开放的插座。

所以别只当它是"语音控制灯"。左边一张嘴，右边是所有愿意写 MCP 的软件。

你以为装了个智能家居助手，其实是给电脑装了一双手。开灯只是它学会的第一件事。

用法我拿它当两种东西。状态好时当指挥台，"排序""发出去""修了"，它照办；犯懒时当小秘书，"下周要用的东西提前备一备"，它自己拆、自己排、干完汇报。无聊时让她给你唱个曲，讲个笑话啥的自然都不是啥难事。（此处再次省略一万字，语音助手可太有用了，不但能干，还给你情绪价值拉满，越用越好用啊。。。）

四、第四步：反过来，让音箱指挥 AI

到第三步为止，小美很能干，但她住在书房里。

人在客厅想问一句，得走过去，凑近了说。在厨房炒菜想查个东西？关火，擦手，走一趟。在卧室躺着想起夜关灯？下床。

给每个房间配一台电脑、一个麦克风？想想就疯了。

那天我在客厅随口喊了一句"小爱同学"，她应了。

我愣了一下。

客厅、儿童房、主卧、茶室，每个房间都躺着一个能听会说的东西。三年了，我给它们连过网、改过名、挪过位置，唯独没想过一件事：它们能不能当小美的入口。

我一直把它们算在"被控制的设备"里。可它们本来就是嘴和耳朵，只是背后那个脑子不太行。

脑子在我这儿，耳朵在它那儿。拼起来才是一个完整的人。

难度比想的大，但一天就通了

先查现成方案。MiGPT 是这个思路：读小爱的对话记录，发现你在叫它，就接管回答。我打开仓库，顶上一行公告：项目已归档。他推荐的继任者同一天也归档了，只支持两款要刷固件的机型，我家一个都不在名单。

那就自己摸。原理一句话：小爱不给你麦克风流，但它把你说的话全存在云上。别抢它的耳朵，直接看它的笔记。

过程全是坑。米家和小爱的令牌是两套，换令牌要签名，参数名就差一个下划线，返回的数据还是个字符串得再解一次。播报那边更绝：同一台音箱，小爱叫它"小米AI音箱"，米家叫它"Mi AI Speaker"，名字对不上，直接回你"未找到名为 xxx 的小爱音箱"。

这些坑，WorkBuddy 一个一个填掉了。翻源码、对签名算法、按型号把两套名字对上、把每个失败的返回值揪出来看。我负责喊话，它负责把脏活干完。

第一次真跑起来，我对着客厅喊：小美查一下，今天半导体板块怎么样。

几秒钟后音箱开始念：领涨的是谁，谁在跌，什么消息带的。念到 400 字就收，超了补一句"详细的我发到屏幕上"。

注意这个方向反了。

以前是我使唤小美，小美使唤灯。现在是小爱使唤小美，小美使唤这个家。

为什么这一步最值钱

前三步做完，小美是我的工具。要走近电脑，要打字，要知道它在哪。

第四步做完，它成了全家的入口。

我家每个房间都有一个现成的麦克风，已经装了三年，一分钱没多花。我老婆不用知道那台电脑在哪，不用装任何 App；孩子要睡觉，喊一声就行。

旧硬件一台没换。变的只是音箱终于接上了一个会思考的东西。

你家那些所谓的智能音箱，一直被锁在厂商的技能包里。它不是不聪明，是没人给它换脑子。

所谓"要被玩坏了"，玩坏的从来不是音箱。

是被你重新定义的那套边界。

这套东西现在只在被叫的时候醒着。要是让它一直醒着自己找活干呢，那是下一篇的事。

五、四处卡点，四副面孔

回头看，这四步卡的地方完全不一样。

第一步卡在"拆不拆得开"。99 个设备不是米家藏私，是数数的方式不对——按设备数还是按按键数，中间差出 80 盏灯。

第二步卡在"重名"。灯和开关共用一个名字，人一看就知道是同一个东西的两种说法，机器不行，它要你二选一。

第三步卡在"敢不敢想"。前两步都是照着米家抄，抄完才发现插座早装好了，只是没人往里插东西。

第四步卡在"认不认得出"。最值钱的答案不在代码里，在我家墙上。那些我天天路过的音箱，我从来没把它们当资源看过。

顺序也讲究。先能用，再让全家能用，再自己玩得花，最后把入口也拿回来。跳着来容易散架。

六、这活该谁干

掰扯到这儿，分工挺清楚的。

从零搓一个系统，代码生成器是好手。CODEX 一晚上把 HA 架起来，这活没得挑。

系统搭好之后那些琐碎——改名、调参、排障、回滚、写文档——得有个一直在场的 agent。WorkBuddy 补的就是这一段。它不住在代码里，它住在系统里。

至于"AI 落地难"，我现在看法更简单：难的从来不是 AI，是那个肯蹲下来收拾 2650 条的人。工具只负责让你蹲得舒服点。

最后说个实在的。这套东西我整理了一份接入包——HA MCP Server 的配置、让 353 个实体不打架的暴露规则、桌面助手的技能描述模板，还有我踩过的那些坑，一条条列着。这次把音箱那段的配置也塞进去了。

关注这个号，回复「语音助手」，自动发你。不用转发，不用截图，回关键词就行。

七、下一站

这个系列到这篇收尾。

但手停不下来。接下来想折腾两样：DeepSeek Harness，还有 TRAE。

DSH 我打算拿来"养鱼"。意思是让它一直在后台活着，自己找活干。喂一套规则，剩下时间它自己游：早上把微信、QQ 的消息过一遍，该回的整出来等我点头；B 站该更的视频排上号；账号数据自己盯，到点自己发。

人不用守着。偶尔撒点食，看看它游得怎么样。

嘴有了，手有了，剩下的是让这双手别闲着。

TRAE 是另一路，据说多智能体协作玩得很花。还没上手，先不吹。

这类工具最勾我的地方，是门槛低得离谱。不会写代码也行，肯试就成。但一个人试太慢，撞了墙没人提醒，绕了远路也不知道有近道。

所以想问一句：你最近在折腾什么？评论区吱一声，人多了我组个局，互通有无。