BEHAVIOR-004: trust HA automation actions

CHANGELOG.md

@@ -1,5 +1,12 @@
 # Changelog
 
+## 0.6.2 - 2026-06-14
+- Eindeutig im Home-Assistant-Logbuch erkannte Automationen und Scripts zählen für
+  Lernen und Freigabe gleichwertig wie manuelle Bedienungen
+- Automationsmuster erhalten dieselbe Modellgewichtung wie manuelle Handlungen
+- Oberfläche zeigt die gemeinsame Zahl als `eindeutig geregelt`; eine
+  ausdrückliche Aktivierung pro Aktor bleibt weiterhin erforderlich
+
 ## 0.6.1 - 2026-06-14
 - Manuelle Prüfung als `Aktuelle Situation auswerten` eindeutig von Simulation
   oder Aktorschaltung abgegrenzt

README.md

@@ -109,8 +109,9 @@ Lernentscheidungen erfolgen automatisch.
    System das lokale Modell automatisch.
 5. Vorhersagen laufen zunächst ausschließlich im Shadow-Modus.
 6. Erst nach ausdrücklicher Freigabe pro Aktor werden hochkonfidente,
-   erlaubte Zustände geschaltet. Eigene Schaltungen und erkannte
-   HA-Automationen werden nicht als Nutzerhandlungen zurückgelernt.
+   erlaubte Zustände geschaltet. Eindeutig im HA-Logbuch erkannte Automationen
+   und Scripts zählen dabei gleichwertig wie manuelle Bedienungen. Eigene
+   Schaltungen von SillyHome werden nicht zurückgelernt.
 
 Vor einem Update sollte in Home Assistant unter **Einstellungen → System → Backups**
 eine Teil-Sicherung des Add-ons erstellt werden. Zur Wiederherstellung das gewünschte

addon/config.yaml

@@ -1,5 +1,5 @@
 name: SillyHome Next
-version: "0.6.1"
+version: "0.6.2"
 slug: sillyhome_next
 description: Lernt automatisch aus deinem Verhalten und steuert freigegebene Aktoren
 url: http://192.168.6.31:3000/pino/sillyhome-next

app/behavior/engine.py

@@ -124,7 +124,9 @@ class BehaviorEngine:
             logbook=logbook,
             own_executions=record.behavior.execution_events,
         )
-        high_confidence = sum(1 for pattern in patterns if pattern.source == "user")
+        trusted_actions = sum(
+            1 for pattern in patterns if pattern.source in {"user", "automation"}
+        )
         status = (
             BehaviorStatus.TRAINED
             if len(patterns) >= self._settings.min_behavior_actions
@@ -142,7 +144,7 @@ class BehaviorEngine:
             update={
                 "status": status,
                 "sample_count": len(patterns),
-                "high_confidence_sample_count": high_confidence,
+                "high_confidence_sample_count": trusted_actions,
                 "patterns": patterns[-_MAX_PATTERNS:],
                 "last_trained_at": now,
                 "reason": reason,
@@ -296,8 +298,8 @@ class BehaviorEngine:
                 < self._settings.min_behavior_actions
             ):
                 raise ValueError(
-                    "Für die Freigabe fehlen noch eindeutig dir zugeordnete Handlungen. "
-                    "Bediene den Aktor einige Male über Home Assistant."
+                    "Für die Freigabe fehlen noch eindeutig zugeordnete manuelle "
+                    "oder automatisierte Handlungen."
                 )
             mode = BehaviorMode.ACTIVE
             approved_at = now
@@ -338,8 +340,6 @@ class BehaviorEngine:
                 context_ids,
                 point.timestamp,
             )
-            if source == "automation" and trigger is None:
-                continue
             contexts = {
                 entity_id: state
                 for entity_id in context_ids
@@ -520,7 +520,7 @@ def _action_source(
     if nearest.context_user_id:
         return "user", 1.0
     if nearest.context_domain in _AUTOMATION_CONTEXT_DOMAINS:
-        return "automation", 0.1
+        return "automation", 1.0
     return "physical_or_unknown", 0.7
 
 

app/static/index.html

@@ -239,20 +239,20 @@ async function showActuator(actuatorId, evaluationMessage = "") {
       .map(candidate => `<li><strong>${escapeHtml(candidate.friendly_name || candidate.entity_id)}</strong>: ${candidate.evidence.map(escapeHtml).join(", ") || "statistisch relevanter Kandidat"}</li>`)
       .join("");
     const prediction = record.behavior.prediction;
-    const requiredUserActions = 3;
+    const requiredTrustedActions = 3;
     const learnedAutomationActions = record.behavior.patterns.filter(
       pattern => pattern.source === "automation",
     ).length;
-    const missingUserActions = Math.max(
+    const missingTrustedActions = Math.max(
       0,
-      requiredUserActions - record.behavior.high_confidence_sample_count,
+      requiredTrustedActions - record.behavior.high_confidence_sample_count,
     );
     const activationButton = record.behavior.mode === "active"
       ? `<button class="danger" onclick="setActivation('${escapeHtml(record.actuator_entity_id)}', false)">Autonomes Schalten stoppen</button>`
-      : record.behavior.status === "trained" && missingUserActions === 0
+      : record.behavior.status === "trained" && missingTrustedActions === 0
         ? `<button onclick="setActivation('${escapeHtml(record.actuator_entity_id)}', true)">Lernen und Schalten freigeben</button>`
         : record.behavior.status === "trained"
-          ? `<p class='muted'>Freigabe noch gesperrt: ${missingUserActions} eindeutig manuelle Bedienung${missingUserActions === 1 ? "" : "en"} fehlen. Bediene das Licht dafür direkt über Home Assistant.</p>`
+          ? `<p class='muted'>Freigabe noch gesperrt: ${missingTrustedActions} eindeutig zugeordnete manuelle oder automatisierte Handlung${missingTrustedActions === 1 ? "" : "en"} fehlen.</p>`
           : "<p class='muted'>Freigabe wird möglich, sobald genügend Handlungen gelernt wurden.</p>";
     box.innerHTML = `
       <div class="grid-two">
@@ -268,7 +268,7 @@ async function showActuator(actuatorId, evaluationMessage = "") {
           <h3>Lernfortschritt</h3>
           <p><strong>Betriebsart:</strong> ${escapeHtml(behaviorLabel(record))}</p>
           <p><strong>Gelernte Handlungen:</strong> ${record.behavior.sample_count}</p>
-          <p><strong>Davon eindeutig Benutzer:</strong> ${record.behavior.high_confidence_sample_count}</p>
+          <p><strong>Davon eindeutig geregelt:</strong> ${record.behavior.high_confidence_sample_count}</p>
           <p><strong>Davon erkannte HA-Automationen:</strong> ${learnedAutomationActions}</p>
           <p><strong>Letztes Training:</strong> ${escapeHtml(record.behavior.last_trained_at || "noch nicht")}</p>
           <p><strong>Was noch passiert:</strong> ${escapeHtml(record.behavior.reason)}</p>

docs/ml_training.md

@@ -12,10 +12,10 @@ Für jeden Aktor lädt SillyHome Next:
 - automatisch zugeordnete Mess- und Kontext-Entities
 - deren Zustand zum Zeitpunkt der Handlung
 
-Eindeutig einem Home-Assistant-Benutzer zugeordnete Handlungen erhalten das
-höchste Gewicht. Erkannte Automations- und Script-Aktionen werden verworfen.
-Physische oder nicht eindeutig zuordenbare Bedienungen dürfen das
-Shadow-Modell ergänzen, reichen allein aber nicht zur Aktivierung.
+Eindeutig einem Home-Assistant-Benutzer zugeordnete Handlungen und im Logbuch
+erkannte Automations- oder Script-Aktionen erhalten das höchste Gewicht.
+Physische oder nicht eindeutig zuordenbare Bedienungen dürfen das Shadow-Modell
+ergänzen, reichen allein aber nicht zur Aktivierung.
 
 ## Modell
 
@@ -36,8 +36,8 @@ Kontext. Mehrere passende historische Handlungen erhöhen die Confidence.
 2. `shadow`: Modell ist trainiert; Vorhersagen werden angezeigt, aber nicht ausgeführt.
 3. `active`: Nutzer hat den Aktor ausdrücklich freigegeben.
 
-Die Aktivierung verlangt genügend eindeutig einem Benutzer zugeordnete
-Handlungen. Ausgeführt werden nur erlaubte Zustände reversibler Domains:
+Die Aktivierung verlangt genügend eindeutig zugeordnete manuelle oder
+automatisierte Handlungen. Ausgeführt werden nur erlaubte Zustände reversibler Domains:
 `light`, `switch`, `fan`, `humidifier` und `cover`.
 
 ## Schutzmechanismen
@@ -48,4 +48,4 @@ Handlungen. Ausgeführt werden nur erlaubte Zustände reversibler Domains:
 - keine Ausführung bei bereits erreichtem Zielzustand
 - keine Ausführung unbekannter Zustände oder riskanter Domains
 - eigene Schaltungen werden beim nächsten Training herausgefiltert
-- bekannte Automation-/Script-Aktionen werden nicht als Nutzerverhalten gelernt
+- Automation-/Script-Aktionen zählen nur bei eindeutiger Herkunft im HA-Logbuch

tests/behavior/test_engine.py

@@ -161,8 +161,8 @@ def test_engine_trains_predicts_in_shadow_and_executes_only_after_approval(
     shadow = engine.evaluate("light.office")
 
     assert trained.behavior.status is BehaviorStatus.TRAINED
-    assert trained.behavior.sample_count == 3
-    assert trained.behavior.high_confidence_sample_count == 3
+    assert trained.behavior.sample_count == 6
+    assert trained.behavior.high_confidence_sample_count == 6
     assert shadow.behavior.mode is BehaviorMode.SHADOW
     assert shadow.behavior.prediction is not None
     assert shadow.behavior.prediction.target_state == "on"
@@ -179,17 +179,27 @@ def test_engine_trains_predicts_in_shadow_and_executes_only_after_approval(
     ]
 
 
-def test_engine_excludes_known_automation_actions(tmp_path: Path) -> None:
+def test_engine_counts_known_automation_actions_like_manual_actions(
+    tmp_path: Path,
+) -> None:
     now = datetime.now(timezone.utc).replace(second=0, microsecond=0)
     engine, _ = _engine(tmp_path, now)
 
     trained = engine.train("light.office")
 
-    assert {pattern.target_state for pattern in trained.behavior.patterns} == {"on"}
-    assert {pattern.source for pattern in trained.behavior.patterns} == {"user"}
+    assert {pattern.target_state for pattern in trained.behavior.patterns} == {
+        "on",
+        "off",
+    }
+    assert {pattern.source for pattern in trained.behavior.patterns} == {
+        "user",
+        "automation",
+    }
+    assert trained.behavior.high_confidence_sample_count == 6
+    assert {pattern.weight for pattern in trained.behavior.patterns} == {1.0}
 
 
-def test_engine_learns_causal_automation_for_shadow_without_user_credit(
+def test_engine_learns_causal_automation_with_activation_credit(
     tmp_path: Path,
 ) -> None:
     now = datetime.now(timezone.utc).replace(second=0, microsecond=0)
@@ -270,7 +280,8 @@ def test_engine_learns_causal_automation_for_shadow_without_user_credit(
     ]
 
     assert len(automation_patterns) == 3
-    assert trained.behavior.high_confidence_sample_count == 0
+    assert trained.behavior.high_confidence_sample_count == 3
+    assert {pattern.weight for pattern in automation_patterns} == {1.0}
     assert {
         (
             pattern.trigger_entity_id,
@@ -280,6 +291,10 @@ def test_engine_learns_causal_automation_for_shadow_without_user_credit(
         for pattern in automation_patterns
     } == {("binary_sensor.storage_door", "off", "on")}
 
+    active = engine.set_active("light.storage", active=True)
+
+    assert active.behavior.mode is BehaviorMode.ACTIVE
+
 
 def test_active_mode_rejects_unsafe_domains(tmp_path: Path) -> None:
     settings = _settings(tmp_path)
@@ -301,7 +316,7 @@ def test_active_mode_rejects_unsafe_domains(tmp_path: Path) -> None:
         engine.set_active("lock.front_door", active=True)
 
 
-def test_active_mode_requires_user_attributed_actions(tmp_path: Path) -> None:
+def test_active_mode_requires_trusted_manual_or_automation_actions(tmp_path: Path) -> None:
     settings = _settings(tmp_path)
     store = ActuatorStore(settings.actuator_store)
     record = store.configure("light.office")
@@ -321,7 +336,7 @@ def test_active_mode_requires_user_attributed_actions(tmp_path: Path) -> None:
     reader = FakeBehaviorReader(entities=[], history=[], logbook=[])
     engine = BehaviorEngine(ha_reader=reader, store=store, settings=settings)
 
-    with pytest.raises(ValueError, match="eindeutig dir zugeordnete"):
+    with pytest.raises(ValueError, match="manuelle oder automatisierte"):
         engine.set_active("light.office", active=True)
 
 

tests/test_dashboard.py

@@ -15,12 +15,15 @@ def test_dashboard_is_served_at_root() -> None:
     assert "Ohne deine spätere Freigabe wird nichts geschaltet" in response.text
     assert "Du wählst keine Sensoren und erstellst keine Regeln" in response.text
     assert "Freigabe noch gesperrt" in response.text
-    assert "Bediene das Licht dafür direkt über Home Assistant" in response.text
+    assert "manuelle oder automatisierte Handlung" in response.text
     assert "Davon erkannte HA-Automationen" in response.text
     assert "Aktuelle Situation auswerten" in response.text
     assert "Die Prüfung simuliert keinen Sensorwechsel" in response.text
     assert "Kein frischer passender Sensorwechsel erkannt" in response.text
     assert "Vorhersage jetzt prüfen" not in response.text
-    assert 'record.behavior.status === "trained" && missingUserActions === 0' in response.text
+    assert (
+        'record.behavior.status === "trained" && missingTrustedActions === 0'
+        in response.text
+    )
     assert "Automation-Entwurf" not in response.text
     assert "Manuelle Overrides" not in response.text