SpaceSense

简体中文 | 繁體中文 | English

SpaceSense

轻量级 WiFi 空间智能感知引擎

通过分析 WiFi 信号变化实现人体存在检测、活动识别和空间感知，无需摄像头，保护隐私。

简体中文

🎉 项目介绍

SpaceSense 是一个轻量级的 WiFi 空间智能感知引擎。它通过分析 WiFi 信号（RSSI）的细微变化来感知空间中的人体存在、活动状态和移动轨迹，完全不需要摄像头或其他视觉传感器，从根本上保护用户隐私。

项目灵感来源于 GitHub Trending 上的 RuView 项目，旨在提供一个更轻量、更易用的替代方案。SpaceSense 使用纯 Python 标准库实现，零外部依赖，开箱即用。

核心优势：

隐私优先 — 不使用摄像头，仅分析 WiFi 信号变化
零依赖 — 纯 Python 标准库实现，无需安装任何第三方包
开箱即用 — 克隆仓库即可运行，支持演示模式快速体验
功能完整 — 从信号采集到分析告警，提供全链路解决方案

✨ 核心特性

模块	功能说明
📡 信号处理	滑动窗口平滑、Z-score 异常值过滤、信号归一化
👤 人体存在检测	方差分析、动态阈值自适应、多传感器融合
🏃 活动识别	7 种活动分类：静止 / 走动 / 跑步 / 坐下 / 接近 / 离开 / 跌倒
🗺️ 区域监控	多区域同时监控、区域间移动检测、停留时间统计
📊 数据分析	12 项统计指标、DTW 模式匹配、趋势检测
🔔 告警系统	多级告警（info/warning/critical）、规则引擎、控制台 / 文件 / 回调三种输出
💾 数据导出	CSV / JSON 格式，支持信号数据 / 分析结果 / 告警记录 / 统计报告 / 综合报告
🖥️ TUI 仪表盘	curses 实时可视化，不支持时自动降级为纯文本输出

🚀 快速开始

环境要求

Python 3.8 或更高版本
无需安装任何外部依赖

安装

# 克隆仓库
git clone https://github.com/your-username/spacesense.git
cd spacesense

# 无需 pip install，零依赖直接运行
python cli.py --version

运行演示

最快的方式是使用内置的演示模式，它会生成模拟 WiFi 信号数据来展示所有功能：

# 运行 30 秒混合场景演示
python cli.py demo --duration 30 --scenario mixed

# 运行 60 秒步行场景演示
python cli.py demo --duration 60 --scenario person_walking

📖 详细使用指南

`monitor` — 实时监控模式

启动实时 WiFi 信号监控，附带 TUI 可视化仪表盘，显示信号波形、存在检测结果、活动识别、区域状态和告警信息。

# 基本用法
python cli.py monitor

# 指定配置文件
python cli.py monitor --config my_config.json

# 调整检测灵敏度（0.1 ~ 10.0）
python cli.py monitor --sensitivity 1.5

# 监控指定区域
python cli.py monitor --zones living_room,bedroom,kitchen

参数	缩写	说明	默认值
`--config`	`-c`	JSON 配置文件路径	使用默认配置
`--sensitivity`	`-s`	检测灵敏度（0.1 ~ 10.0）	配置文件中的值
`--zones`	`-z`	逗号分隔的区域名称	无区域监控

`analyze` — 离线分析

对已有的信号数据进行全面离线分析，包括统计指标计算、活动模式匹配、趋势检测和周期性分析。

# 分析 JSON 格式的信号数据
python cli.py analyze --input data.json

# 分析并导出结果
python cli.py analyze --input data.json --output analysis_report.json

# 分析 CSV 格式的信号数据
python cli.py analyze --input signal_data.csv

参数	缩写	说明	默认值
`--input`	`-i`	输入数据文件（JSON 数组或 CSV）	必填
`--output`	`-o`	分析结果输出文件路径	不导出

输入文件格式支持：

JSON 数组：[-55.0, -56.2, -54.8, ...]
JSON 对象数组：[{"rssi": -55.0}, {"rssi": -56.2}, ...]
CSV（每行一个数值）：-55.0\n-56.2\n-54.8\n...

`export` — 数据导出

将信号数据和统计结果导出为 CSV 或 JSON 格式，方便后续处理和可视化。

# 导出为 CSV 格式（默认）
python cli.py export --input data.json --format csv

# 导出为 JSON 格式
python cli.py export --input data.json --format json

# 指定输出目录
python cli.py export --input data.json --format csv --output-dir ./my_exports

参数	缩写	说明	默认值
`--input`	`-i`	输入数据文件（JSON 数组或 CSV）	必填
`--format`	`-f`	导出格式：`csv` 或 `json`	`csv`
`--output-dir`	`-d`	输出目录路径	`./exports`

`demo` — 演示模式

使用模拟 WiFi 信号数据运行完整演示，无需真实硬件即可体验所有 SpaceSense 功能。

# 默认 30 秒混合场景
python cli.py demo

# 自定义时长和场景
python cli.py demo --duration 60 --scenario mixed

# 指定特定场景
python cli.py demo --scenario person_running --duration 20

参数	缩写	说明	默认值
`--duration`	`-d`	演示时长（秒）	`30`
`--scenario`	—	模拟场景：`empty_room` / `person_still` / `person_walking` / `person_running` / `mixed`	`mixed`

`config` — 配置管理

查看、保存或重置 SpaceSense 配置。配置使用 JSON 格式，支持与默认值深度合并。

# 查看当前配置
python cli.py config --show

# 从自定义配置文件查看
python cli.py config --show --config my_config.json

# 导出默认配置到文件
python cli.py config --reset --output default_config.json

# 保存当前配置
python cli.py config --config my_config.json --output saved_config.json

参数	缩写	说明	默认值
`--show`	—	显示当前配置	默认行为
`--reset`	—	导出默认配置	—
`--config`	`-c`	要加载的配置文件路径	—
`--output`	`-o`	配置输出文件路径	—

💡 设计思路与迭代规划

设计哲学：

极简主义 — 代码精简，接口清晰，上手零门槛
隐私优先 — 从架构层面杜绝视觉数据采集
标准库优先 — 不引入任何外部依赖，确保最大兼容性
渐进增强 — 核心功能稳定可靠，高级特性按需启用

迭代规划：

v1.0.0 — 核心引擎：信号处理、存在检测、活动识别、区域监控
v1.1.0 — 增强分析：机器学习分类模型、自适应阈值优化
v1.2.0 — 集成扩展：MQTT 推送、Home Assistant 插件、REST API
v2.0.0 — 分布式架构：多节点协同感知、时序数据库支持

📦 项目架构

spacesense/
├── __init__.py      # 包初始化，导出公共接口
├── core.py          # 核心感知引擎（信号处理、存在检测、活动识别、区域监控）
├── analyzer.py      # 数据分析模块（统计分析、模式匹配、趋势检测）
├── alert.py         # 告警管理（多级告警、规则引擎、多通道输出）
├── export.py        # 数据导出（CSV / JSON，多种报告类型）
├── tui.py           # 终端 UI 仪表盘（curses 实时可视化）
├── config.py        # 配置管理（JSON 配置、验证、深度合并）
└── utils.py         # 工具函数（颜色输出、进度条等）
cli.py               # 命令行接口
tests/
├── test_core.py     # 核心模块测试
├── test_analyzer.py # 分析模块测试
└── test_export.py   # 导出模块测试

🤝 贡献指南

我们欢迎任何形式的贡献！在参与之前，请阅读贡献指南。

快速流程：

Fork 本仓库
创建特性分支：git checkout -b feature/my-feature
提交更改：git commit -m 'feat: add my feature'
推送分支：git push origin feature/my-feature
提交 Pull Request

注意事项：

遵循 PEP 8 代码规范
为新功能编写测试用例
保持零外部依赖原则
使用 Conventional Commits 规范提交信息

📄 开源协议

本项目基于 MIT License 开源。

繁體中文

🎉 專案介紹

SpaceSense 是一個輕量級的 WiFi 空間智慧感知引擎。它透過分析 WiFi 訊號（RSSI）的細微變化來感知空間中的人體存在、活動狀態和移動軌跡，完全不需要攝影機或其他視覺感測器，從根本上保護使用者隱私。

專案靈感來自於 GitHub Trending 上的 RuView 專案，旨在提供一個更輕量、更容易上手的替代方案。SpaceSense 使用純 Python 標準函式庫實作，零外部依賴，開箱即用。

核心優勢：

隱私優先 — 不使用攝影機，僅分析 WiFi 訊號變化
零依賴 — 純 Python 標準函式庫實作，無需安裝任何第三方套件
開箱即用 — 複製儲存庫即可執行，支援演示模式快速體驗
功能完整 — 從訊號採集到分析告警，提供全鏈路解決方案

✨ 核心特性

模組	功能說明
📡 訊號處理	滑動視窗平滑、Z-score 離群值過濾、訊號正規化
👤 人體存在偵測	變異數分析、動態閾值自適應、多感測器融合
🏃 活動識別	7 種活動分類：靜止 / 走動 / 跑步 / 坐下 / 接近 / 離開 / 跌倒
🗺️ 區域監控	多區域同時監控、區域間移動偵測、停留時間統計
📊 數據分析	12 項統計指標、DTW 模式比對、趨勢偵測
🔔 告警系統	多級告警（info/warning/critical）、規則引擎、主控台 / 檔案 / 回呼三種輸出
💾 數據匯出	CSV / JSON 格式，支援訊號數據 / 分析結果 / 告警記錄 / 統計報告 / 綜合報告
🖥️ TUI 儀表板	curses 即時視覺化，不支援時自動降級為純文字輸出

🚀 快速開始

環境需求

Python 3.8 或更高版本
無需安裝任何外部依賴

安裝

# 複製儲存庫
git clone https://github.com/your-username/spacesense.git
cd spacesense

# 無需 pip install，零依賴直接執行
python cli.py --version

執行演示

最快的方式是使用內建的演示模式，它會產生模擬 WiFi 訊號資料來展示所有功能：

# 執行 30 秒混合場景演示
python cli.py demo --duration 30 --scenario mixed

# 執行 60 秒步行場景演示
python cli.py demo --duration 60 --scenario person_walking

📖 詳細使用指南

`monitor` — 即時監控模式

啟動即時 WiFi 訊號監控，附帶 TUI 視覺化儀表板，顯示訊號波形、存在偵測結果、活動識別、區域狀態和告警資訊。

# 基本用法
python cli.py monitor

# 指定設定檔
python cli.py monitor --config my_config.json

# 調整偵測靈敏度（0.1 ~ 10.0）
python cli.py monitor --sensitivity 1.5

# 監控指定區域
python cli.py monitor --zones living_room,bedroom,kitchen

參數	縮寫	說明	預設值
`--config`	`-c`	JSON 設定檔路徑	使用預設設定
`--sensitivity`	`-s`	偵測靈敏度（0.1 ~ 10.0）	設定檔中的值
`--zones`	`-z`	逗號分隔的區域名稱	無區域監控

`analyze` — 離線分析

對已有的訊號資料進行全面離線分析，包括統計指標計算、活動模式比對、趨勢偵測和週期性分析。

# 分析 JSON 格式的訊號資料
python cli.py analyze --input data.json

# 分析並匯出結果
python cli.py analyze --input data.json --output analysis_report.json

# 分析 CSV 格式的訊號資料
python cli.py analyze --input signal_data.csv

參數	縮寫	說明	預設值
`--input`	`-i`	輸入資料檔案（JSON 陣列或 CSV）	必填
`--output`	`-o`	分析結果輸出檔案路徑	不匯出

輸入檔案格式支援：

JSON 陣列：[-55.0, -56.2, -54.8, ...]
JSON 物件陣列：[{"rssi": -55.0}, {"rssi": -56.2}, ...]
CSV（每行一個數值）：-55.0\n-56.2\n-54.8\n...

`export` — 數據匯出

將訊號資料和統計結果匯出為 CSV 或 JSON 格式，方便後續處理和視覺化。

# 匯出為 CSV 格式（預設）
python cli.py export --input data.json --format csv

# 匯出為 JSON 格式
python cli.py export --input data.json --format json

# 指定輸出目錄
python cli.py export --input data.json --format csv --output-dir ./my_exports

參數	縮寫	說明	預設值
`--input`	`-i`	輸入資料檔案（JSON 陣列或 CSV）	必填
`--format`	`-f`	匯出格式：`csv` 或 `json`	`csv`
`--output-dir`	`-d`	輸出目錄路徑	`./exports`

`demo` — 演示模式

使用模擬 WiFi 訊號資料執行完整演示，無需真實硬體即可體驗所有 SpaceSense 功能。

# 預設 30 秒混合場景
python cli.py demo

# 自訂時長和場景
python cli.py demo --duration 60 --scenario mixed

# 指定特定場景
python cli.py demo --scenario person_running --duration 20

參數	縮寫	說明	預設值
`--duration`	`-d`	演示時長（秒）	`30`
`--scenario`	—	模擬場景：`empty_room` / `person_still` / `person_walking` / `person_running` / `mixed`	`mixed`

`config` — 設定管理

檢視、儲存或重設 SpaceSense 設定。設定使用 JSON 格式，支援與預設值深度合併。

# 檢視目前設定
python cli.py config --show

# 從自訂設定檔檢視
python cli.py config --show --config my_config.json

# 匯出預設設定到檔案
python cli.py config --reset --output default_config.json

# 儲存目前設定
python cli.py config --config my_config.json --output saved_config.json

參數	縮寫	說明	預設值
`--show`	—	顯示目前設定	預設行為
`--reset`	—	匯出預設設定	—
`--config`	`-c`	要載入的設定檔路徑	—
`--output`	`-o`	設定輸出檔案路徑	—

💡 設計思路與迭代規劃

設計理念：

極簡主義 — 程式碼精簡，介面清晰，上手零門檻
隱私優先 — 從架構層面杜絕視覺資料採集
標準函式庫優先 — 不引入任何外部依賴，確保最大相容性
漸進增強 — 核心功能穩定可靠，進階特性按需啟用

迭代規劃：

v1.0.0 — 核心引擎：訊號處理、存在偵測、活動識別、區域監控
v1.1.0 — 增強分析：機器學習分類模型、自適應閾值最佳化
v1.2.0 — 整合擴充：MQTT 推送、Home Assistant 外掛、REST API
v2.0.0 — 分散式架構：多節點協同感知、時序資料庫支援

📦 專案架構

spacesense/
├── __init__.py      # 套件初始化，匯出公共介面
├── core.py          # 核心感知引擎（訊號處理、存在偵測、活動識別、區域監控）
├── analyzer.py      # 數據分析模組（統計分析、模式比對、趨勢偵測）
├── alert.py         # 告警管理（多級告警、規則引擎、多通道輸出）
├── export.py        # 數據匯出（CSV / JSON，多種報告類型）
├── tui.py           # 終端 UI 儀表板（curses 即時視覺化）
├── config.py        # 設定管理（JSON 設定、驗證、深度合併）
└── utils.py         # 工具函式（顏色輸出、進度條等）
cli.py               # 命令列介面
tests/
├── test_core.py     # 核心模組測試
├── test_analyzer.py # 分析模組測試
└── test_export.py   # 匯出模組測試

🤝 貢獻指南

我們歡迎任何形式的貢獻！在參與之前，請閱讀貢獻指南。

快速流程：

Fork 本儲存庫
建立特性分支：git checkout -b feature/my-feature
提交變更：git commit -m 'feat: add my feature'
推送分支：git push origin feature/my-feature
提交 Pull Request

注意事項：

遵循 PEP 8 程式碼規範
為新功能撰寫測試案例
保持零外部依賴原則
使用 Conventional Commits 規範提交資訊

📄 開源協議

本專案基於 MIT License 開源。

English

🎉 Introduction

SpaceSense is a lightweight WiFi spatial intelligence sensing engine. It detects human presence, recognizes activities, and tracks movement by analyzing subtle changes in WiFi signal (RSSI) patterns — no cameras or visual sensors required, ensuring privacy by design.

Inspired by the trending GitHub project RuView, SpaceSense aims to provide a more lightweight and accessible alternative. Built entirely with the Python standard library, it has zero external dependencies and is ready to run out of the box.

Key Advantages:

Privacy-First — No cameras involved; analyzes only WiFi signal variations
Zero Dependencies — Pure Python standard library, no third-party packages needed
Ready to Run — Clone and go; includes a demo mode for quick exploration
Full-Featured — End-to-end solution from signal acquisition to analysis and alerting

✨ Core Features

Module	Description
📡 Signal Processing	Sliding window smoothing, Z-score outlier filtering, signal normalization
👤 Presence Detection	Variance analysis, dynamic threshold adaptation, multi-sensor fusion
🏃 Activity Recognition	7 activity types: still / walking / running / sitting / approaching / leaving / falling
🗺️ Zone Monitoring	Multi-zone simultaneous monitoring, inter-zone movement detection, dwell time tracking
📊 Data Analysis	12 statistical metrics, DTW pattern matching, trend detection
🔔 Alert System	Multi-level alerts (info/warning/critical), rule engine, console / file / callback outputs
💾 Data Export	CSV / JSON formats: signal data / analysis results / alert logs / statistics / comprehensive reports
🖥️ TUI Dashboard	curses real-time visualization with automatic fallback to plain text

🚀 Quick Start

Requirements

Python 3.8 or later
No external dependencies required

Installation

# Clone the repository
git clone https://github.com/your-username/spacesense.git
cd spacesense

# No pip install needed — zero dependencies
python cli.py --version

Run the Demo

The fastest way to get started is the built-in demo mode, which generates simulated WiFi signal data to showcase all features:

# Run a 30-second mixed scenario demo
python cli.py demo --duration 30 --scenario mixed

# Run a 60-second walking scenario demo
python cli.py demo --duration 60 --scenario person_walking

📖 Detailed Usage Guide

`monitor` — Real-Time Monitoring Mode

Start real-time WiFi signal monitoring with a TUI dashboard displaying signal waveforms, presence detection results, activity recognition, zone status, and alerts.

# Basic usage
python cli.py monitor

# With a custom configuration file
python cli.py monitor --config my_config.json

# Adjust detection sensitivity (0.1 ~ 10.0)
python cli.py monitor --sensitivity 1.5

# Monitor specific zones
python cli.py monitor --zones living_room,bedroom,kitchen

Parameter	Shorthand	Description	Default
`--config`	`-c`	Path to JSON configuration file	Built-in defaults
`--sensitivity`	`-s`	Detection sensitivity (0.1 ~ 10.0)	Value from config
`--zones`	`-z`	Comma-separated zone names	No zone monitoring

`analyze` — Offline Analysis

Perform comprehensive offline analysis on existing signal data, including statistical metric computation, activity pattern matching, trend detection, and periodicity analysis.

# Analyze JSON signal data
python cli.py analyze --input data.json

# Analyze and export results
python cli.py analyze --input data.json --output analysis_report.json

# Analyze CSV signal data
python cli.py analyze --input signal_data.csv

Parameter	Shorthand	Description	Default
`--input`	`-i`	Input data file (JSON array or CSV)	Required
`--output`	`-o`	Output file path for analysis results	No export

Supported Input Formats:

JSON array: [-55.0, -56.2, -54.8, ...]
JSON object array: [{"rssi": -55.0}, {"rssi": -56.2}, ...]
CSV (one value per line): -55.0\n-56.2\n-54.8\n...

`export` — Data Export

Export signal data and statistics to CSV or JSON format for further processing and visualization.

# Export as CSV (default)
python cli.py export --input data.json --format csv

# Export as JSON
python cli.py export --input data.json --format json

# Specify output directory
python cli.py export --input data.json --format csv --output-dir ./my_exports

Parameter	Shorthand	Description	Default
`--input`	`-i`	Input data file (JSON array or CSV)	Required
`--format`	`-f`	Export format: `csv` or `json`	`csv`
`--output-dir`	`-d`	Output directory path	`./exports`

`demo` — Demo Mode

Run a full demonstration using simulated WiFi signal data. No real hardware required to experience all SpaceSense capabilities.

# Default 30-second mixed scenario
python cli.py demo

# Custom duration and scenario
python cli.py demo --duration 60 --scenario mixed

# Specific scenario
python cli.py demo --scenario person_running --duration 20

Parameter	Shorthand	Description	Default
`--duration`	`-d`	Demo duration in seconds	`30`
`--scenario`	—	Simulation scenario: `empty_room` / `person_still` / `person_walking` / `person_running` / `mixed`	`mixed`

`config` — Configuration Management

View, save, or reset SpaceSense configuration. Configuration uses JSON format and supports deep merging with defaults.

# View current configuration
python cli.py config --show

# View from a custom config file
python cli.py config --show --config my_config.json

# Export default configuration
python cli.py config --reset --output default_config.json

# Save current configuration
python cli.py config --config my_config.json --output saved_config.json

Parameter	Shorthand	Description	Default
`--show`	—	Display current configuration	Default behavior
`--reset`	—	Export default configuration	—
`--config`	`-c`	Path to configuration file to load	—
`--output`	`-o`	Output file path for configuration	—

💡 Design Philosophy & Roadmap

Design Principles:

Minimalism — Clean code, clear interfaces, zero learning curve
Privacy by Design — No visual data collection at the architecture level
Standard Library First — No external dependencies for maximum compatibility
Progressive Enhancement — Stable core features with optional advanced capabilities

Roadmap:

v1.0.0 — Core Engine: signal processing, presence detection, activity recognition, zone monitoring
v1.1.0 — Enhanced Analysis: ML classification models, adaptive threshold optimization
v1.2.0 — Integration: MQTT push, Home Assistant plugin, REST API
v2.0.0 — Distributed Architecture: multi-node collaborative sensing, time-series database support

📦 Project Architecture

spacesense/
├── __init__.py      # Package initialization and public API exports
├── core.py          # Core sensing engine (signal processing, presence detection, activity recognition, zone monitoring)
├── analyzer.py      # Data analysis module (statistical analysis, pattern matching, trend detection)
├── alert.py         # Alert management (multi-level alerts, rule engine, multi-channel output)
├── export.py        # Data export (CSV / JSON, multiple report types)
├── tui.py           # Terminal UI dashboard (curses real-time visualization)
├── config.py        # Configuration management (JSON config, validation, deep merge)
└── utils.py         # Utilities (color output, progress bars, etc.)
cli.py               # Command-line interface
tests/
├── test_core.py     # Core module tests
├── test_analyzer.py # Analyzer module tests
└── test_export.py   # Export module tests

🤝 Contributing

Contributions of all kinds are welcome! Please read the Contributing Guide before participating.

Quick Workflow:

Fork this repository
Create a feature branch: git checkout -b feature/my-feature
Commit your changes: git commit -m 'feat: add my feature'
Push the branch: git push origin feature/my-feature
Submit a Pull Request

Guidelines:

Follow PEP 8 coding conventions
Write test cases for new features
Maintain the zero external dependency principle
Use Conventional Commits for commit messages

📄 License

This project is licensed under the MIT License.

Name		Name	Last commit message	Last commit date
spacesense		spacesense
tests		tests
.gitignore		.gitignore
CONTRIBUTING.md		CONTRIBUTING.md
LICENSE		LICENSE
README.md		README.md
cli.py		cli.py
requirements.txt		requirements.txt
setup.py		setup.py

Latest commit

History

Folders and files

Repository files navigation

SpaceSense

简体中文

🎉 项目介绍

✨ 核心特性

🚀 快速开始

环境要求

安装

运行演示

📖 详细使用指南

monitor — 实时监控模式

analyze — 离线分析

export — 数据导出

demo — 演示模式

config — 配置管理

💡 设计思路与迭代规划

📦 项目架构

🤝 贡献指南

📄 开源协议

繁體中文

🎉 專案介紹

✨ 核心特性

🚀 快速開始

環境需求

安裝

執行演示

📖 詳細使用指南

monitor — 即時監控模式

analyze — 離線分析

export — 數據匯出

demo — 演示模式

config — 設定管理

💡 設計思路與迭代規劃

📦 專案架構

🤝 貢獻指南

📄 開源協議

English

🎉 Introduction

✨ Core Features

🚀 Quick Start

Requirements

Installation

Run the Demo

📖 Detailed Usage Guide

monitor — Real-Time Monitoring Mode

analyze — Offline Analysis

export — Data Export

demo — Demo Mode

config — Configuration Management

💡 Design Philosophy & Roadmap

📦 Project Architecture

🤝 Contributing

📄 License

About

Topics

Resources

Contributing

Stars

Watchers

Forks

Releases

Packages

Contributors

Languages

`monitor` — 实时监控模式

`analyze` — 离线分析

`export` — 数据导出

`demo` — 演示模式

`config` — 配置管理

`monitor` — 即時監控模式

`analyze` — 離線分析

`export` — 數據匯出

`demo` — 演示模式

`config` — 設定管理

`monitor` — Real-Time Monitoring Mode

`analyze` — Offline Analysis

`export` — Data Export

`demo` — Demo Mode

`config` — Configuration Management