ZMK固件中实现自动移位(autoshift)功能的开关控制
2025-06-25 17:35:20作者:明树来
自动移位功能概述
在ZMK固件中,自动移位(autoshift)是一种常见的行为模式,它允许用户在短暂按下按键时输入小写字母,而长按时则输入对应的大写字母。这种功能通常通过zmk,behavior-hold-tap行为实现,配置为"tap-preferred"模式,并设置适当的tapping-term-ms参数。
标准自动移位实现
典型的自动移位配置如下所示:
as: auto_shift {
compatible = "zmk,behavior-hold-tap";
#binding-cells = <2>;
flavor = "tap-preferred";
tapping-term-ms = <155>;
bindings = <&kp>, <&kp>;
};
在键盘布局中,我们可以这样使用自动移位功能:
default_layer {
bindings = <
AS(TAB) AS(Q) AS(W) ...
>;
};
自动移位开关的需求
在某些应用场景下,自动移位功能可能并不适用。例如:
- 在需要频繁输入大写字母的场合
- 在某些专业软件中需要精确控制按键时长
- 游戏场景下需要即时响应按键操作
实现自动移位开关的方案
在ZMK中,虽然没有直接的AS_TOGG命令(如QMK中那样),但可以通过创建额外的键盘层来实现类似功能。
实现步骤
-
创建无自动移位的替代层:复制默认层但移除AS修饰
-
正确设置层优先级:确保替代层位于默认层之后
-
添加切换功能:使用
&tog行为切换层状态
具体配置示例
// 默认层(带自动移位)
default_layer {
bindings = <
AS(TAB) AS(Q) AS(W) ...
>;
};
// 无自动移位的替代层(必须定义在默认层之后)
no_autoshift_layer {
bindings = <
&kp TAB &kp Q &kp W ...
>;
};
// 添加切换按键
keys {
...
autoshift_toggle: autoshift_toggle {
bindings = <&tog no_autoshift_layer>;
};
...
};
层优先级的重要性
在ZMK中,层的激活顺序至关重要。层按照从最后定义到最先定义的顺序处理,最后定义的层具有最高优先级。因此,替代层必须定义在默认层之后,才能正确覆盖默认层的自动移位行为。
使用建议
- 将切换按键放置在方便操作但不常使用的位置
- 考虑添加视觉反馈(如LED指示灯)来显示当前自动移位状态
- 根据个人使用习惯调整tapping-term-ms参数
- 可以创建多个不同tapping-term的层来实现更精细的控制
通过这种层切换的方法,ZMK用户可以灵活地控制自动移位功能的启用和禁用,适应不同的使用场景和需求。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0454
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown01
jiuwenswarmJiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0782
new-apiAI模型聚合管理中转分发系统,一个应用管理您的所有AI模型,支持将多种大模型转为统一格式调用,支持OpenAI、Claude、Gemini等格式,可供个人或者企业内部管理与分发渠道使用。🍥 A Unified AI Model Management & Distribution System. Aggregate all your LLMs into one app and access them via an OpenAI-compatible API, with native support for Claude (Messages) and Gemini formats.TSX029
AscendNPU-IRAscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优C++0314
mllm轻量化的端侧多模态推理框架,支持多种硬件后端https://ubiquitouslearning.github.io/mllm/C++03
热门内容推荐
项目优选
收起
暂无描述
Markdown
832
5.51 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
496
521
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
980
2.31 K
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
807
1.16 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
796
1.6 K
deepin linux kernel
C
32
16
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
486
314
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.03 K
782
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.21 K
1.26 K
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
665
304