node-red-contrib-knx-ultimate 6.2.0 → 6.2.1

package/nodes/locales/it/knxUltimateAI.json

@@ -2,14 +2,19 @@
   "knxUltimateAI": {
     "title": "KNX AI (Analisi Traffico)",
     "sections": {
-      "quickSetup": "Configurazione rapida",
-      "capture": "Cattura",
-      "storage": "Storico e Summary",
-      "detection": "Rilevamento e Avvisi",
+      "groupAssistant": "Assistente AI",
+      "groupChatHome": "Conversazioni e casa",
+      "groupKnxAnalysis": "Analisi traffico KNX",
+      "quickSetup": "Configurazione assistente",
+      "capture": "Telegrammi dal bus",
+      "storage": "Storico e riepiloghi KNX",
+      "detection": "Anomalie e pattern",
       "llmConnection": "Connessione Assistente AI",
-      "llmContext": "Contesto Assistente AI",
-      "chatAdapter": "Adattatori chat",
-      "advanced": "AI avanzata"
+      "llmContext": "Conoscenza e contesto AI",
+      "chatAdapter": "Canali chat",
+      "homeIntelligence": "Casa proattiva e memoria",
+      "homeIntelligenceAdvanced": "Impostazioni proattive avanzate",
+      "advanced": "Provider e limiti"
     },
     "properties": {
       "server": "Gateway",
@@ -46,6 +51,14 @@
       "chatAdapterPreset": "Preset adattatore",
       "chatInputCode": "Mappatura ingresso (chat → KNX AI)",
       "chatOutputCode": "Mappatura uscita (KNX AI → chat)",
+      "proactiveEnabled": "Abilita notifiche domestiche proattive",
+      "proactiveRecipient": "Destinatario principale / chat ID",
+      "proactiveOpenMinutes": "Avvisa dopo apertura (minuti)",
+      "proactiveCooldownMinutes": "Intervallo prima di ripetere (minuti)",
+      "proactiveQuietStart": "Inizio ore silenziose",
+      "proactiveQuietEnd": "Fine ore silenziose",
+      "homeMemoryMaxKb": "Dimensione massima memoria casa (KB)",
+      "aiEducation": "Educazione AI (gestita dall'utente)",
       "llmIncludeDocsSnippets": "Includi estratti documentazione (help/README/esempi)",
       "llmDocsLanguage": "Lingua documentazione"
     },
@@ -82,13 +95,18 @@
       "ollamaInstallSteps": "1) Apri la libreria, scegli un modello e copiane il nome (es. llama3.1). 2) Inserisci il nome nel campo Modello e clicca Installalo.",
       "ollamaStartedAuto": "Server Ollama avviato automaticamente.",
       "chatAdapterIntro": "Scegli un preset per inserire il codice di mappatura in ingresso e in uscita. La lista viene caricata dal file degli adattatori chat incluso nel pacchetto; il codice generato resta modificabile.",
-      "chatAdapterCodeHelp": "Le mappature sono sincrone. Restituisci msg per continuare oppure nessun valore per scartarlo. Gli errori vengono intercettati e segnalati senza arrestare Node-RED."
+      "chatAdapterCodeHelp": "Le mappature sono sincrone. Restituisci msg per continuare oppure nessun valore per scartarlo. Gli errori vengono intercettati e segnalati senza arrestare Node-RED.",
+      "homeIntelligenceIntro": "Il nodo crea un modello ETS semantico multilingue e può avvisare la chat quando una persiana, finestra o porta riconosciuta con sufficiente affidabilità rimane aperta. Non invia mai autonomamente comandi KNX.",
+      "aiEducationHelp": "Solo l'utente può modificare questa sezione. L'AI la legge come istruzione autorevole, ma la memoria appresa non può mai sovrascriverla. Massimo 16.000 caratteri.",
+      "homeMemoryLimitHelp": "La memoria Markdown viene riscritta atomicamente ogni 15 minuti ed è sempre limitata tra 64 e 1.024 KB. Le osservazioni vecchie vengono eliminate prima delle abitudini e degli oggetti semantici."
     },
     "placeholder": {
       "llmBaseUrl": "https://api.openai.com/v1/chat/completions (o endpoint compatibile)",
       "llmApiKey": "Incolla la chiave (inizia con sk-)",
       "llmModel": "es. gpt-4o-mini",
-      "llmSystemPrompt": "Opzionale. Lascia vuoto per default."
+      "llmSystemPrompt": "Opzionale. Lascia vuoto per default.",
+      "proactiveRecipient": "Opzionale: chat ID Telegram; altrimenti viene ricordata l'ultima sessione chat",
+      "aiEducation": "Esempio: non avvisarmi tra le 23:00 e le 07:00. La persiana dello studio può restare aperta di notte."
     },
     "sidebar": {
       "ui": {

package/nodes/locales/zh-CN/knxUltimateAI.html

@@ -1,7 +1,7 @@
 <script type="text/markdown" data-help-name="knxUltimateAI">
 此节点会监听所选 KNX Ultimate 网关上的**所有 KNX 电报**，生成流量统计、检测异常，并可选调用 LLM。
 
-编辑器各部分使用与 Matter 节点相同的左侧垂直选项卡。**快速配置**仅包含常用 AI 选项（启用、提供商、凭据、模型、KNX 状态读取/执行器控制和确认）；技术参数按主题归入其他选项卡。
+编辑器使用三个主要折叠面板：**AI 助手**包含配置、知识/上下文以及提供商限制；**对话与家庭**包含聊天渠道、主动家庭和受限记忆；**KNX 总线流量分析**包含总线报文、历史/摘要以及异常/模式。打开一个主要面板即可同时看到其中全部相关选项。已保存字段的 ID 和值保持不变。
 
 ## 输出
 1. **摘要/统计**（`msg.payload` 为 JSON）
@@ -14,7 +14,7 @@
 ## 命令（输入）
 发送 `msg.topic`：
 - `summary`（或空）：立即输出摘要
-- `reset`：清空内部历史与计数器
+- `reset`：清空内部历史、计数器和已学习的家庭记忆；AI 教育保持不变
 - `ask`：向已配置的 LLM 提问
 - `confirm` / `cancel`：无需再次调用 LLM，即可确认或取消待处理的 KNX 命令
 - `clear_chat`：清除当前会话的对话记忆
@@ -35,6 +35,40 @@
 
 随附的 **windkh/node-red-contrib-telegrambot** 预设遵循该包的 receiver/sender 消息约定。把 `telegram receiver` 直接连接到 KNX AI，并把输出 3 直接连接到 `telegram sender`。如需内联确认按钮，还要把配置为 `callback_query` 的 `telegram event` 连接到同一个 KNX AI 输入。输入映射会提取 `msg.payload.content`、`msg.payload.chatId` 和 Telegram 语言；输出映射会创建所需的 `msg.payload.chatId`、`type` 和 `content`，并在写入等待确认时从 `msg.knxAi.confirmationRequest` 添加 `options.reply_markup`。Telegram 包仍是独立的可选依赖项。
 
+## 主动家庭智能与有限记忆
+**对话与家庭**中的**主动家庭与记忆**子部分以可选方式启用主动通知。节点会根据 ETS 层级、名称、角色和 DPT，使用意大利语、英语、德语、法语、西班牙语和中文术语，为卷帘、窗户、门、照明、温度、气候、占用和报警建立确定性的语义模型。首个主动检测器只监视可靠识别且非命令的卷帘/窗户/门状态。超过配置的打开时间且当前不在静默时段时，输出 3 会发送本地化消息，并设置 `msg.knxAi.type = "proactive_notification"`。节点绝不会主动使用输出 4，也不会自行修改 KNX；用户之后提出的任何操作仍须经过正常的校验与确认。
+
+最近一次聊天会话会被记为主人，也可以通过**主要接收者 / 聊天 ID**明确指定。合成的 `msg.inputMessage` 会保留接收者，使 Telegram 适配器能够发送主动通知。冷却时间和每小时最多三条主动通知可防止消息泛滥。
+
+学习到的参考文件会在启动时从 `<userDir>/knxai/memory/knxai-home-memory-<node-id>.md` 加载，每 15 分钟以原子方式重写，并严格限制在可配置的 64–1,024 KB（默认 256 KB）。最多保留 120 条重要观察、80 条聚合习惯、80 条通知和 300 个 ETS 语义对象，绝不会保存无限的原始报文流。较旧且优先级较低的项目会先被删除。**AI 教育**最多 16,000 个字符，并且始终来自节点配置：AI 可以将其作为权威指导读取，但不能修改或覆盖。如果已填写 AI 教育但 LLM 无法进行评估，候选通知会被抑制，以免违反用户指导。
+
+## 实用配置示例
+此示例创建一个简洁的助手：它会报告重要的长时间开启状态，但允许书房卷帘保持开启。
+
+| 编辑器字段 | 示例值 | 结果 |
+|---|---|---|
+| **启用主动家庭通知** (`proactiveEnabled`) | 启用 | 节点评估可靠识别的卷帘、窗户和门开启状态。 |
+| **主要接收者 / 聊天 ID** (`proactiveRecipient`) | `123456789` | 主动消息发送到该聊天；留空则记住最近一次 Ask 会话。 |
+| **开启多久后通知** (`proactiveOpenMinutes`) | `120` | 开启两小时后评估是否需要通知。 |
+| **静默时间开始 / 结束** | `23:00` / `07:00` | 夜间不会发送主动消息。 |
+| **重复冷却时间** (`proactiveCooldownMinutes`) | `360` | 同一对象六小时内不会再次通知。 |
+| **家庭记忆文件上限** (`homeMemoryMaxKb`) | `256` | 此节点的 Markdown 参考文件始终小于 256 KB。 |
+
+**AI 教育** (`aiEducation`) 示例：
+
+```text
+称呼我为 Alex，并使用与我相同的语言回答。
+除非我要求技术细节，否则回答要简短。
+书房卷帘白天可以保持开启：不要因此通知我。
+其他卷帘、窗户或门异常长时间开启时请通知我。
+如果“客厅灯”指向多个灯，请先询问我具体是哪一个。
+在 KNX 状态对象确认之前，绝不要声称执行器已经改变。
+```
+
+使用这些设置后，客厅卷帘开启 120 分钟时，输出 3 可以发送本地化的 `proactive_notification`；而书房卷帘的候选通知会根据 AI 教育被抑制。如果 Alex 随后要求关闭客厅卷帘，KNX AI 会准备准确的 ETS 命令，但在输出 4 前仍执行正常的验证与确认。
+
+请使用清晰的 ETS 层级和对象名称，并正确设置状态/命令角色。AI 教育可以个性化决策和措辞，但不能虚构组地址、更改 DPT 或绕过 KNX 验证。
+
 ## 快速工作流程：KNX 控制
 1. 将 ETS CSV 导入网关，并配置 LLM 提供商、模型和凭据。
 2. 启用 **LLM 助手**和 **读取 KNX 状态并控制执行器**；保持确认选项启用。
@@ -90,6 +124,13 @@
 - **适配器预设**：从随附的聊天适配器文件加载一对输入/输出映射。选择预设会有意替换两个文本框，之后仍可编辑代码。
 - **输入映射（聊天 → KNX AI）**：在处理输入命令前运行的同步 JavaScript。
 - **输出映射（KNX AI → 聊天）**：仅应用于输出 3 消息的同步 JavaScript。
+- **启用主动家庭通知**：可选检测器，仅处理可靠识别的卷帘、窗户和门开启状态；绝不会自主写入 KNX。
+- **主要接收者 / 聊天 ID**：主动消息的可选目标；未填写时记住最近一次 Ask 会话。
+- **开启多久后通知（分钟）**：考虑发送主动通知前的开启时长阈值。
+- **静默时间开始 / 结束**：每天禁止主动消息的时间段。
+- **AI 教育**：仅由用户管理的权威指导，AI 可以读取但永远不能修改。
+- **重复冷却时间（分钟）**：同一对象再次通知前的最短间隔。
+- **家庭记忆文件上限（KB）**：64 到 1,024 KB 的硬限制；默认 256 KB。
 - 如果启用了磁盘归档，**Ask** 默认会查询该归档：若问题里写了明确日期/时间范围就按其查询，否则默认查询最近 24 小时并补上当前 RAM 事件。
 - **Include raw payload hex**：在提示词中包含原始十六进制 payload。
 - **包含 Node-RED 项目清单**：在提示词中加入整个 Node-RED 项目的节点清单，不仅包含 KNX 节点，也包含 function/change/inject/template 等在内且带有 KNX 逻辑或组地址的有用节点。

package/nodes/locales/zh-CN/knxUltimateAI.json

@@ -2,14 +2,19 @@
   "knxUltimateAI": {
     "title": "KNX AI (Traffic Analyzer)",
     "sections": {
-      "quickSetup": "快速配置",
-      "capture": "Capture",
-      "storage": "历史与摘要",
-      "detection": "检测与告警",
+      "groupAssistant": "AI 助手",
+      "groupChatHome": "对话与家庭",
+      "groupKnxAnalysis": "KNX 总线流量分析",
+      "quickSetup": "助手配置",
+      "capture": "总线报文输入",
+      "storage": "KNX 历史与摘要",
+      "detection": "异常与模式",
       "llmConnection": "AI 助手连接",
-      "llmContext": "AI 助手上下文",
-      "chatAdapter": "聊天适配器",
-      "advanced": "AI 高级设置"
+      "llmContext": "AI 知识与上下文",
+      "chatAdapter": "聊天渠道",
+      "homeIntelligence": "主动家庭与记忆",
+      "homeIntelligenceAdvanced": "高级主动通知设置",
+      "advanced": "提供商与限制"
     },
     "properties": {
       "server": "Gateway",
@@ -46,6 +51,14 @@
       "chatAdapterPreset": "适配器预设",
       "chatInputCode": "输入映射（聊天 → KNX AI）",
       "chatOutputCode": "输出映射（KNX AI → 聊天）",
+      "proactiveEnabled": "启用主动家庭通知",
+      "proactiveRecipient": "主要接收者 / 聊天 ID",
+      "proactiveOpenMinutes": "保持打开多少分钟后通知",
+      "proactiveCooldownMinutes": "重复通知冷却时间（分钟）",
+      "proactiveQuietStart": "静默时段开始",
+      "proactiveQuietEnd": "静默时段结束",
+      "homeMemoryMaxKb": "家庭记忆文件最大值（KB）",
+      "aiEducation": "AI 教育（由用户管理）",
       "llmIncludeDocsSnippets": "Include documentation snippets (help/README/examples)",
       "llmDocsLanguage": "Docs language"
     },
@@ -74,13 +87,18 @@
       "ollamaInstallSteps": "1) Open the model library and copy the model name (for example llama3.1). 2) Put the name in the Model field and click Install it.",
       "ollamaStartedAuto": "Ollama server started automatically.",
       "chatAdapterIntro": "选择预设即可插入输入和输出映射代码。列表从随包提供的聊天适配器文件加载；生成的代码仍可编辑。",
-      "chatAdapterCodeHelp": "映射同步运行。返回 msg 以继续，或不返回值以丢弃消息。错误会被捕获并报告，不会停止 Node-RED。"
+      "chatAdapterCodeHelp": "映射同步运行。返回 msg 以继续，或不返回值以丢弃消息。错误会被捕获并报告，不会停止 Node-RED。",
+      "homeIntelligenceIntro": "节点会创建多语言 ETS 语义模型，并在可靠识别的卷帘、窗户或门长时间保持打开时主动通知聊天。它绝不会自行发送 KNX 命令。",
+      "aiEducationHelp": "只有用户可以编辑此部分。AI 会把它作为权威指导读取，但学习到的记忆绝不能覆盖它。最多 16,000 个字符。",
+      "homeMemoryLimitHelp": "Markdown 记忆每 15 分钟以原子方式重写，并始终限制在 64 到 1,024 KB。达到限制时会先删除较旧的观察，再删除习惯和语义对象。"
     },
     "placeholder": {
       "llmBaseUrl": "https://api.openai.com/v1/chat/completions (or your compatible endpoint)",
       "llmApiKey": "Paste API key (starts with sk-)",
       "llmModel": "e.g. gpt-4o-mini",
-      "llmSystemPrompt": "Optional. Leave empty for default."
+      "llmSystemPrompt": "Optional. Leave empty for default.",
+      "proactiveRecipient": "可选：Telegram 聊天 ID；留空则记住最近一次聊天会话",
+      "aiEducation": "示例：23:00 到 07:00 之间不要通知我。书房卷帘夜间可以保持打开。"
     },
     "sidebar": {
       "ui": {