Уютен апартамент в Банско с TCL климатик, интелигентно отопление и гледка към заснежената Пирин планина.
Илюстративна визуализация на уютен апартамент в Банско с климатик TCL. С помощта на ChatGPT разработих система за отопление, свързана с резервациите в Airbnb.

Исках просто да управлявам отоплението от телефона. Накрая създадохме цяла система с ChatGPT

Как два климатика TCL, един апартамент в Банско и календарът на Airbnb се превърнаха в собствен проект за интелигентно отопление. С помощта на ChatGPT, Google Antigravity и Codex стигнах от обикновеното дистанционно управление до облачна автоматизация, която вече споделям и в GitHub.

Всичко започна с апартамент в Банско

Имам апартамент в Банско, който отдавам през Airbnb. Намира се на около 500 метра пеша от кабинковия лифт, което го прави удобен за хората, които идват да карат ски.

Има отделна спалня, дневна с разтегателен диван, оборудвана кухня, трапезария и тераса с гледка към планината. Подходящ е за до четирима души, а през зимния сезон гостите могат да използват и басейн, сауна и парна баня в комплекса.

Апартаментът е приятен и уютен. Харесвам го особено през зимата, когато след ден по пистите човек иска просто да се прибере на топло, да си направи вечеря и да си почине.

Можете да разгледате апартамента в Airbnb.

Като собственик обаче трябва да мисля и за неща, които гостите обикновено не забелязват. Например какво се случва с отоплението, когато апартаментът е празен, как да го подготвя преди следващото настаняване и как да избегна ненужното потребление на електроенергия.

Оттам тръгна и цялата история.

Защо избрах TCL?

Когато трябваше да реша как да отоплявам апартамента, разгледах различни варианти. Не търсех непременно най-скъпите климатици, а добро съотношение между цена, ефективност и функционалност.

Консултирах се и с ChatGPT. Обсъждахме характеристиките на различни модели, дистанционното управление, енергийната ефективност и възможностите за бъдеща автоматизация.

В крайна сметка избрах два инверторни климатика TCL.

За дневната — TCL TAC-12CHSD/UG11V3A, 12 000 BTU, със сезонен коефициент SCOP 4,7 и клас A++ при отопление.

За спалнята — TCL TAC-09CHSD/ZG11I, 9 000 BTU, със SCOP 4,0 и клас A+ при отопление.

Двата климатика могат да се управляват независимо. Това е важно, защото хората имат различни предпочитания. Някой обича да спи на по-хладно, а друг предпочита по-топла спалня.

Големият плюс за мен беше приложението TCL Home. През него мога да проверявам състоянието на климатиците, зададените температури и да ги управлявам дистанционно.

Приложението показва и статистика за консумацията на електроенергия. По-късно точно тези данни се оказаха една от най-интересните части на проекта.

Разбира се, изборът на климатик зависи от конкретното помещение и условията. Не твърдя, че TCL е най-добрият вариант за всяка ситуация. Но в моя случай моделите ми дадоха възможност да направя това, което исках, без да се налага да изграждам сложна инсталация.

А защо отоплението да не се свързва с Airbnb?

След като започнах да използвам TCL Home, ми хрумна нещо съвсем просто.

Airbnb знае кога пристигат гостите и кога напускат. Климатиците могат да се управляват през интернет. Защо да не свържа двете системи?

Например, когато гостите се настаняват в 15:00 часа, отоплението да започва да подготвя апартамента от 13:00.

Когато напускат в 11:00 часа и няма следваща резервация, системата да преминава към икономичен режим.

Това би ми спестило ръчното проверяване на календара и климатиците преди всяко настаняване.

Обясних идеята на ChatGPT. Започнахме да обсъждаме различните ситуации, които трябва да предвидим, и постепенно оформихме техническо задание.

За реалната разработка използвах Google Antigravity. Работехме по следния начин: обсъждах с ChatGPT какво искам да постигна, той ми помагаше да формулирам задачите и да анализирам техническите решения, а Antigravity работеше по програмния код.

След това се връщахме към ChatGPT, за да прегледаме резултатите, грешките и тестовете.

Така постепенно се получи нещо доста по-сериозно от първоначалната идея.

Направихме собствена облачна система

Реших да използвам Amazon Web Services, защото не исках автоматизацията да зависи от компютъра ми вкъщи.

Използвахме AWS Lambda за изпълнение на програмната логика, EventBridge за периодичните проверки, S3 за съхраняване на настройки и състояния и CloudWatch за техническите логове.

Направихме и собствен уеб панел, от който мога да следя системата.

Връзката с Airbnb става чрез iCal календара на апартамента. Програмата го проверява и определя дали има потвърдена резервация, кога започва тя и кога приключва.

Създадохме и различни профили.

Единият е за типична ски ваканция, когато гостите вероятно прекарват повече време навън. Другият е за хора, които остават по-дълго в апартамента.

Разбира се, календарът не показва дали човек е излязъл да кара ски. Това са предварително избрани отоплителни режими, а не система за следене на гостите.

Предвидихме и отделен режим, когато аз самият използвам апартамента.

Постепенно добавихме обработка на грешки, проверки при недостъпен календар и защити срещу нежелано включване или изключване.

И точно когато изглеждаше, че основната логика е готова, реалните гости ни показаха, че сме пропуснали нещо важно.

Оказа се, че гостите са по-пестеливи от нашия алгоритъм

Първоначално бяхме направили сравнително стандартен график.

Например 23°C в хола през деня и 20°C през нощта.

Идеята беше да има комфорт през активните часове и умерена икономия по време на сън.

Но при една от резервациите забелязах, че гостите държат хола на 21°C, а климатика в спалнята често изключват.

Първо се зачудих дали някоя от нашите автоматизации не променя настройките.

С помощта на ChatGPT и Antigravity проверихме състоянията на климатиците и логовете. Установихме, че промените не идват от нашата AWS автоматизация. Най-вероятно гостите ги бяха направили сами.

Това ме накара да се замисля.

Ако хората се чувстват добре на 21°C, защо нашата система трябва всяка сутрин да връща 23°C?

Така бихме могли да увеличим разхода, без да подобрим комфорта.

Обсъдихме въпроса с ChatGPT и решихме да променим подхода.

Вместо да налагаме температурата, която сме определили предварително, автоматизацията трябва да запомня разумните предпочитания на гостите.

Например, ако гостът избере 21°C през деня, системата може да приложи умерено нощно понижение с един градус и на сутринта да възстанови неговата температура.

21°C през деня → 20°C през нощта → 21°C сутринта.

Не 23°C, само защото така пише в първоначалния график.

Ако гостът изключи климатика в спалнята, програмата трябва да запази това състояние, вместо да го включва отново при следващата промяна на режима.

Но не всички гости ще бъдат толкова икономични

Тук се появи и обратният въпрос.

Какво ще стане, ако някой зададе 27–28°C и остави климатиците да работят така с дни?

Очевидно не можем да разчитаме само на това, че всички ще използват отоплението разумно.

Затова с ChatGPT разработихме по-балансирана идея.

Системата трябва да помни предпочитаната температура на гостите, но и да позволява на собственика да зададе разумни икономически ограничения.

Важното беше да избегнем постоянното променяне на настройките.

Проверките могат да продължат на всеки 15 минути, но това не означава, че програмата трябва да изпраща команда към климатика на всеки 15 минути.

Предвидихме няколко контролни момента през денонощието, в които да се правят необходимите корекции.

Така няма да се получава непрекъснато надлъгване между госта и автоматизацията.

Новата адаптивна логика е разработена и преминала софтуерни тестове. Засега обаче физическото автоматично управление остава в защитен режим, докато проверявам дали всички правила работят надеждно при реални условия.

Най-интересното се оказа потреблението

TCL Home показва статистика за електроенергията, използвана от климатиците.

Започнах да следя показанията и останах изненадан.

В някои дни консумацията на двата климатика общо беше около 5–6 kWh, а в отделни дни — дори около 1,5 kWh.

Това са стойности от TCL Home, а не от независим електромер.

Разбира се, говорим за сравнително мек есенен период. В Банско нощите могат да бъдат доста студени, но октомври не може да се сравнява с януари при продължителни отрицателни температури.

Въпреки това числата ме накараха да поставя под съмнение някои от първоначалните ни идеи.

Ако гостите вече отопляват достатъчно икономично, може би няма голям смисъл да се опитваме да подобряваме нещо, което работи добре.

С ChatGPT стигнахме до решението първо да наблюдаваме поведението на климатиците, а след това да правим допълнителни оптимизации.

Първо данните, после решенията

Подготвихме и модул за историческо наблюдение.

Целта е да проследяваме кога се включва и изключва всеки климатик, какви температури се избират, колко време работи отоплението и как се променя температурата в помещенията.

Интересува ме и връзката с външните температури. Един ден с 5 kWh разход при сравнително топло време не е същото като ден с 5 kWh при минус 10°C.

В момента проучваме и как TCL Home получава енергийните данни, които показва в приложението, за да разберем дали можем автоматично да ги включим в отчетите.

Не искам да изчисляваме предполагаеми kWh от времето на работа и да ги представяме като реално измерена консумация.

Идеята е да събираме достатъчно надеждна информация за поне седем пълни дни, преди да променяме отоплителната политика.

Оказа се, че трудното не е да включиш климатика

Когато започвах, мислех, че най-сложната част ще бъде да изпращаме команди към TCL през интернет.

Оказа се, че това е само малка част от работата.

По-трудното беше да направим системата достатъчно надеждна.

Например трябваше да проверим много внимателно идентификаторите на двата климатика, защото в един момент бяха разменени в конфигурацията.

Друг проблем беше разпознаването на ръчните настройки на гостите.

Ако човек изключи климатика, програмата трябва да разбере, че това може да е съзнателно решение, а не техническа грешка.

Оказа се също, че когато климатикът е изключен, температурата, която последно е изпратил към облака, може да остане непроменена с часове.

Затова добавихме различни състояния за актуални, остарели и липсващи измервания.

Разработихме и предупреждения за ниска температура, проблеми с връзката и необичайно високи настройки.

Добавихме интеграция за Telegram известия, като реалната доставка на съобщенията трябва да бъде проверена отделно.

Всичко това беше разработвано и проверявано постепенно.

Тук помощта на ChatGPT ми беше особено полезна. Често обсъждахме не само как да реализираме дадена функция, но и какво би могло да се обърка.

При работа с устройства, които се намират в жилище с реални гости, това е доста важно.

Защо използвах ChatGPT и Google Antigravity?

Не съм написал сам всяка функция в проекта и нямам причина да го представям така.

Използвах изкуствения интелект като помощник в разработката.

ChatGPT ми помагаше да обмислям архитектурата, да формулирам техническите задания, да анализирам резултатите и да проверявам предложените решения.

Google Antigravity използвах за програмния код, тестовете и работата с AWS.

Имаше грешки, разбира се. Налагаше се да преработваме функционалности, да уточняваме изисквания и понякога да се връщаме няколко стъпки назад.

Но това също беше полезна част от процеса.

Проектът ми показа, че с достатъчно интерес и търпение човек може да направи доста неща с помощта на AI инструменти.

Не е необходимо да разполага с цял програмистки екип. Необходимо е обаче да знае какъв проблем решава и да не приема всеки успешен тест за доказателство, че системата вече е напълно готова.

Публикувах проекта в GitHub

Реших да споделя кода, защото предполагам, че има и други собственици на ваканционни имоти, които се сблъскват с подобни въпроси.

С помощта на ChatGPT и Codex подготвихме отделна публична версия на проекта. Проверихме я за чувствителни данни и премахнахме производствените настройки, ключовете за достъп, реалните идентификатори на устройствата и информацията за резервациите.

Добавихме документация на английски, примерни конфигурации, тестове и описание на архитектурата.

Публичният проект е под MIT лиценз и е свободно достъпен за разглеждане и развитие.

Разгледайте проекта airbnb-tcl-smart-heating в GitHub

Това не е готов комерсиален продукт. Използваният TCL Cloud интерфейс е неофициален, а за реално управление на чужди устройства е необходима внимателна настройка и проверка.

Но се надявам проектът да е полезен като пример за хора, които се интересуват от домашна автоматизация, Python, AWS и използването на AI в практически задачи.

Какво следва?

Продължавам да развивам системата.

Искам да натрупам достатъчно наблюдения за поведението на гостите и консумацията, да проверя надеждността на известията и чак след това да активирам автоматичното физическо управление.

Засега облачната система е внедрена и работи в защитен режим. Тя следи състоянията и изчислява необходимите действия, но не командва самостоятелно климатиците.

Не мога да твърдя, че вече съм постигнал определен процент икономия. За това ще са необходими повече данни и сравнение при сходни външни условия.

Но дори сега проектът ми е полезен, защото разбирам много по-добре как се използва отоплението в апартамента.

А и научих нещо, което първоначално не очаквах.

Не всяко действие трябва да бъде автоматизирано. Понякога най-доброто решение е системата да наблюдава и да не пречи на хората да правят нещата по своя начин.

Това е посоката, в която искам да продължа.


Апартаментът в Airbnb: https://www.airbnb.com/h/bansko21

Публичният GitHub проект: https://github.com/bulgariaaugustnorway-crypto/airbnb-tcl-smart-heating

Статията описва личен практически проект, разработван с помощта на ChatGPT, Google Antigravity и Codex. Енергийните показатели са от TCL Home и не представляват независимо измерване. Автоматичното физическо управление остава в защитен режим по време на описания етап от разработката.

Сподели
Предишна страницаПожелания за рожден ден на жена – 70 оригинални, красиви и незабравими пожелания
Технологичен журналист от 2012 г. със сериозен опит в отразяването на новини за софтуер, мобилни технологии, мобилни приложения. Има в активите си стотици статии по теми като 3G, 4G, 5G, приложенията за iPhone, Android и други популярни платформи, както и множество други сфери.

Отговори

Please enter your comment!
Please enter your name here