QMK Keymap 项目下载及安装教程
1. 项目介绍
QMK Keymap 是一个开源项目,旨在为 Quantum Mechanical Keyboard (QMK) 提供可重用的键盘映射和功能库。该项目由 Pascal Getreuer 开发,适用于 Dactyl Ergodox、ZSA Moonlander 和 ZSA Voyager 等键盘。QMK Keymap 不仅提供了个性化的键盘映射,还包含多个用户空间功能库,如 Achordion、Custom Shift Keys、Mouse Turbo Click 等,极大地增强了键盘的功能性和可定制性。
2. 项目下载位置
要下载 QMK Keymap 项目,请使用以下命令:
git clone https://github.com/getreuer/qmk-keymap.git
3. 项目安装环境配置
在安装 QMK Keymap 之前,需要确保系统中已安装 QMK 固件开发环境。以下是配置步骤:
3.1 安装 QMK 工具箱
首先,下载并安装 QMK 工具箱。QMK 工具箱是一个图形化工具,用于编译和刷写 QMK 固件。

3.2 安装 QMK CLI
接下来,安装 QMK CLI(命令行界面)。QMK CLI 是一个强大的工具,用于管理和编译 QMK 固件。
python3 -m pip install qmk
3.3 初始化 QMK 环境
使用 QMK CLI 初始化 QMK 环境:
qmk setup

4. 项目安装方式
安装 QMK Keymap 项目的步骤如下:
4.1 克隆项目
首先,克隆 QMK Keymap 项目到本地:
git clone https://github.com/getreuer/qmk-keymap.git
4.2 配置用户覆盖目录
运行以下命令,配置 QMK 用户覆盖目录:
qmk config user.overlay_dir="$(realpath path/to/qmk-keymap)"
4.3 编译并刷写固件
根据使用的键盘类型,选择相应的命令编译并刷写固件:
-
Dactyl Ergodox:
qmk flash -kb handwired/dactyl_promicro -km getreuer -
ZSA Moonlander:
qmk flash -kb zsa/moonlander -km getreuer -
ZSA Voyager:
qmk flash -kb zsa/voyager -km getreuer
5. 项目处理脚本
QMK Keymap 项目包含多个处理脚本,用于自动化编译和刷写过程。以下是一些常用的脚本:
5.1 compile.sh
该脚本用于编译 QMK Keymap 项目:
#!/bin/bash
qmk compile -kb handwired/dactyl_promicro -km getreuer
5.2 flash.sh
该脚本用于刷写编译后的固件:
#!/bin/bash
qmk flash -kb handwired/dactyl_promicro -km getreuer
通过这些脚本,可以简化 QMK Keymap 项目的管理和部署过程。
以上是 QMK Keymap 项目的下载及安装教程。希望这篇文章能帮助你顺利完成项目的安装和配置。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00