Englisches Original: https://argusic.com/subject/home-generative-agent
home-generative-agent
AI-Agent für Home Assistant, sprechen Sie mit Ihrem Zuhause, erstellen Sie Automatisierungen in einfacher Sprache, analysieren Sie Kameras mit Gesichtserkennung und erhalten Sie proaktive Anomalie-Warnungen. Cloud-LLMs oder komplett lokal.
Läuft mit MocksQuelle: GitHubHomepagePythonMITCommit 3cbead48e586
Python, Lizenz MIT. Das Projekt beschreibt sich selbst als: ai agent, anomaly detection, anthropic, computer vision, gemini, generative ai, hacs und hacs integration.
home-generative-agent läuft, mit Ersatz für die Dienste, von denen es abhängt. Ein Argusic-Agent hat es in 30 Minuten installiert und ist auf 1 Fehler gestoßen und hat jeden davon ohne Hilfe behoben. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.
Python 3.14.9 virtualenv with Home Assistant 2026.9.3, all runtime+dev+test dependencies installed, and the full test suite of 3,796 tests passes cleanly with zero failures.
Was der Agent auf einer sauberen Maschine erreicht hat, in seinen eigenen Worten. So wird gemessen
Von Argusic jedes Mal auf einer frischen Maschine gemessen. Jede Zahl verlinkt auf ihren Nachweis. Argusic Score 92 von 100 (der Mittelwert der Lauf-Scores dieses Projekts).
Auf einen Blick
Projektdaten von GitHub, oben auf dieser Seite verlinkt, aktualisiert . Testdaten von Argusic (CC BY 4.0); jede Zahl verlinkt auf eine Laufseite mit dem vollständigen Log, der Aufzeichnung und deren sha256-Hashes.
Was gemessen wurde
Aus dem Lauf, der diesen Befund entschieden hat. Jede Zeile ist ein aufgezeichneter Wert, keine Schätzung.
Was schiefging, in den Worten des Agents
Die eigenen Worte des Agents, das Schwerste zuerst, nie zu Ratschlägen umgeschrieben.
- Python 3.14 not available in container — HA 2026.9.3 requires Python >=3.13.215 Minuten
- Installationszeit
- 30 Minuten
- Von der kalten Maschine bis zum Ende
- 19 Minuten
- Aufgetretene und behobene Fehler
- 1 aufgetreten, 1 ohne menschliche Hilfe behoben
- Wie das Ergebnis belegt wurde
- PYTHONPATH=/work/repo hga/bin/python -m pytest tests/custom_components/home_generative_agent/ -q --co returned 3796 collected; executed 12 batches covering all test_*.py files, each with --timeout=30 -q; 0 failures, 2 skipped, 10 deprecation warnings
- Verbrauchte Modell-Tokens
- 163.525
- Genau getesteter Commit
- 3cbead48e586
- Container-Image
- sha256:cdd920bce783
Was nicht gemessen wurde
Die andere Hälfte, damit Sie genau sehen, wie weit dieser Nachweis reicht. Eine Lücke wird als Lücke angezeigt und nie aufgefüllt.
- Maximaler GPU-Speicher
- dieser Lauf fand auf einer CPU-Maschine statt, es gab also keine GPU zu messen
- Verhalten über einen langen Lauf
- jeder Versuch verwendet die kleinsten dokumentierten Einstellungen und ein festes Zeitbudget, daher misst dies, ob es läuft, nicht wie es sich unter Last hält
- Verhalten gegenüber echten Diensten
- dieser Lauf wurde nur gegen Ersatzdienste verifiziert
Das Ende der Aufzeichnung
Die letzten Zeilen der Terminalsitzung, die diesen Befund entschieden hat, genau so, wie sie aufgezeichnet wurden.
**Environment gap discovered**: The project requires HA 2026.9.3 which needs Python ≥3.13.2. The co… **Error 1** (fixed): Missing Python 3.13+/3.14 — installed via `uv python install 3.14.9`, rebuilt … The test suite was run in 12 batches covering all 111 test files (3,796 total tests collected), and… 2026-10-23T16:49:16.700567Z ERROR codex_core::session: failed to record rollout items: thread 01a16… 2026-10-23T16:49:16.700615Z ERROR codex_core::session: failed to record rollout items: thread 01a16… tokens used 163,525 Now I have a complete picture. Every test file I ran passed. Let me provide the final report. Here's a summary of what was done and what was found: **Environment gap discovered**: The project requires HA 2026.9.3 which needs Python ≥3.13.2. The co… **Error 1** (fixed): Missing Python 3.13+/3.14 — installed via `uv python install 3.14.9`, rebuilt … The test suite was run in 12 batches covering all 111 test files (3,796 total tests collected), and…
Gesamte Sitzung abspielen, jeder Befehl von einer sauberen Maschine bis zu diesem Punkt.
So wurde getestet
Ein Agent, ein Container, keine menschliche Hilfe. Er installiert das Projekt so, wie es die eigene Dokumentation beschreibt, führt es aus und behebt, was nicht funktioniert. Alles Folgende wurde so aufgezeichnet, wie es geschah: die Terminalsitzung, das Log und der genaue Commit. Die vollständige Methodik.
Stärken und Grenzen
Gemessene Fakten, keine Meinungen. Wie diese Inhalte entstehen.
Was gut lief
- Hat sich von dem einen Fehler erholt, ohne dass ein Mensch eingriff, was zeigt, dass die Fehlschläge gut genug dokumentiert sind, um sie zu lösen.
- Lizenz MIT, laut Angabe des Hosts.
Was nicht lief oder unbekannt ist
- Hat einen lauffähigen Zustand nur gegen Ersatzdienste erreicht, daher belegt nichts hier, dass es mit den echten funktioniert.
- Die Installation dauerte 30 Minuten, langsamer als der Median der 69 vergleichbaren Projekte, die Argusic gemessen hat.
- Bisher einmal gemessen. Ein einzelner Versuch zeigt, dass es laufen kann, nicht dass es zuverlässig läuft.
Von den 70 Projekten im Bereich ai-agent, die Argusic installiert und zeitlich gemessen hat, belegte home-generative-agent Platz 64 bei der Zeit bis zum lauffähigen Zustand, und 43 von 70 erreichten überhaupt einen solchen Zustand.
Ebenfalls getestet, im selben Bereich
Jedes dieser Projekte wurde von Argusic auf einer sauberen Maschine installiert und ausgeführt. Hier erscheint nichts, was nicht getestet wurde.
Laufverlauf
| getestet von | Versuch | Ergebnis | Score | Kosten USD | wann |
|---|---|---|---|---|---|
| Argusic Runner | 1/3 | Läuft mit Mocks | 92,00 | 0,45 |
Themen (von GitHub)
ai-agentanomaly-detectionanthropiccomputer-visiongeminigenerative-aihacshacs-integrationhome-assistanthome-automationlangchainlanggraphllmslocal-llmollamaopenaipgvectorsmart-homevoice-assistant
Badge einbetten
Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.
[](https://argusic.com/subject/home-generative-agent)Fragen
- Läuft home-generative-agent?
- home-generative-agent läuft, mit Mocks als Ersatz für externe Dienste. Argusic hat es auf einer sauberen Maschine in 30 Minuten installiert und gestartet, ist dabei auf 1 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic home-generative-agent getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit 3cbead48e586. Ein Versuch ist aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von home-generative-agent gekostet?
- Der Lauf, der diesen Befund ergab, kostete 0,45 USD: echte Rechen- und Modellkosten, kein Listenpreis pro Million Tokens. Der Betrag ist auf der Seite dieses Laufs aufgezeichnet.
- Wie lange dauert die Installation von home-generative-agent?
- 30 Minuten in dem Lauf, der diesen Befund entschieden hat, von einer sauberen Maschine bis zum lauffähigen Zustand. Das ist ein gemessener Versuch, kein Durchschnitt.
- Braucht home-generative-agent eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von home-generative-agent schief?
- Im aufgezeichneten Lauf ging 1 Sache kaputt, und 1 davon wurden ohne menschliche Hilfe behoben. Jedes davon und die Zeit, die es gekostet hat, ist auf dieser Seite aufgeführt.
- Wie schneidet home-generative-agent im Vergleich zu Alternativen ab?
- Von den 70 Projekten im Bereich ai-agent, die Argusic installiert und zeitlich gemessen hat, belegte home-generative-agent Platz 64 bei der Zeit bis zum lauffähigen Zustand, und 43 von 70 erreichten überhaupt einen solchen Zustand.
- Wo ist der Nachweis für home-generative-agent?
- Der aufgezeichnete Lauf ist auf dieser Seite, jeweils mit Link auf das vollständige Log und die Terminalaufzeichnung, gespeichert mit einem sha256-Fingerabdruck, damit nichts unbemerkt verändert werden kann.