触发-动作编程（TAP）是一种流行的智能家居自动化范例，使用户能够以“如果触发，则执行相应动作”的方式创建规则。虽然大型语言模型（LLMs）为从自然语言生成TAP规则提供了有前景的途径，但其简单应用（如仅依赖于预训练知识和基本提示）在平台发展以支持增强TAP规则时表现不佳。这些规则结合了条件逻辑、计算和外部API调用的脚本。增强的TAP规则要求用户表达复杂的逻辑和环境背景，使得没有强大编程背景的用户很难创建这些规则。本文介绍了HomeGenii，这是一个自动化增强TAP创建的检索增强生成（RAG）系统。HomeGenii构建了一个紧凑而具有代表性的规则库，使用聚类-再搜索的方法检索语义对齐的规则，并应用压缩技术以最小化令牌开销。评估结果显示，HomeGenii将增强TAP规则生成的准确率提高到84%，相较于没有RAG的系统提高了70%。我们的工作展示了一种可行的路径，使非专家用户能够利用LLMs进行富有表现力和复杂的家居自动化。
Zhao等（Mon，）研究了这个问题。