probe-rs运行模式下硬故障堆栈跟踪缺失问题分析
probe-rs是一个用于嵌入式开发的调试工具链,它提供了强大的芯片编程和调试功能。近期在probe-rs的run命令中出现了一个值得关注的问题:当目标设备发生硬故障(HardFault)时,默认情况下不再自动打印堆栈跟踪信息。
问题现象
在probe-rs v0.20.0之后的版本中,用户发现当使用probe-rs run命令运行程序时,如果程序发生硬故障,控制台输出中缺少了关键的堆栈跟踪信息。只有在显式添加--always-print-stacktrace参数时,才会显示完整的堆栈信息。
这个问题在RP2040芯片上表现尤为明显。当程序发生panic时,输出仅显示panic信息和"CPU halted unexpectedly"提示,而不再包含导致故障的函数调用链。
技术背景
硬故障是ARM Cortex-M架构中的一种异常类型,当处理器检测到非法操作(如访问无效内存地址、执行未定义指令等)时会触发。堆栈跟踪对于调试这类问题至关重要,它能帮助开发者快速定位故障发生的调用路径。
probe-rs通过读取处理器的寄存器状态和内存内容来重建调用堆栈。在早期版本中,检测到硬故障时会自动执行这一功能,但最近的变更导致这一行为发生了变化。
问题根源
通过代码bisect分析,确定该问题源于commit 77e9f3253bc5b851807ba759c3a7c9839d703e69引入的变更。这个提交修改了probe-rs的异常处理逻辑,移除了硬故障情况下的自动堆栈打印功能。
此外,还发现了一个相关但独立的问题(commit a9872509e72884c6a28b4043328b6a704abb5467),导致halt前的最后一条信息输出不稳定。
解决方案
目前有两种临时解决方案:
- 使用
--always-print-stacktrace参数强制显示堆栈跟踪 - 回退到v0.20.0之前的版本
对于长期解决方案,建议:
- 恢复硬故障时的自动堆栈打印行为
- 确保堆栈信息的准确性(存在另一个问题显示当前堆栈重建可能不完全正确)
- 增强halt前的信息输出稳定性
对开发者的影响
这个问题会影响嵌入式开发者的调试效率,特别是在处理偶发性硬故障时。缺乏堆栈信息会显著增加定位问题的难度。建议开发团队重视这一问题,尽快提供修复方案,以维护probe-rs作为嵌入式开发工具的可靠性。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00