TLP 1.8.0-beta.1版本发布:电池管理功能全面升级
2025-06-17 19:25:52作者:钟日瑜
项目简介
TLP是一款专为Linux系统设计的电源管理工具,它通过优化系统配置来延长笔记本电脑的电池续航时间,同时提供丰富的电池健康管理功能。作为Linux平台上最受欢迎的电源管理解决方案之一,TLP能够自动应用各种电源优化设置,而无需用户具备专业知识。
核心更新内容
电池健康管理功能增强
本次1.8.0-beta.1版本在电池管理方面带来了多项重要改进:
-
Chromebook支持:现在TLP可以为改装了chrultrabook/coreboot定制UEFI固件的Chromebook提供完整的电池健康管理功能,包括:
- 充电阈值设置
- 电池校准
- 目标放电功能(如
tlp discharge 80命令可将电池放电至80%)
-
Dell笔记本电脑支持:新增对戴尔笔记本的充电阈值控制功能,帮助用户更好地保护电池健康。
-
Framework笔记本电脑支持:这个新兴的模块化笔记本品牌现在也能享受TLP的电池管理功能。
-
ThinkPad功能增强:改进了目标放电功能的支持,用户可以更精确地控制电池放电水平。
无线设备管理改进
在无线设备管理方面,本次更新修复了一个重要问题:
- 当笔记本电脑在挂起状态下有线网络断开连接时,TLP现在能够确保Wi-Fi在恢复后正确激活,避免了网络连接中断的情况。
技术细节解析
电池健康管理原理
TLP的电池健康管理功能主要通过以下机制实现:
-
充电阈值控制:允许用户设置电池充电的上限(如80%),避免电池长期处于满电状态,从而延长电池寿命。
-
目标放电功能:用户可以指定将电池放电至特定百分比,这对于需要长期存放设备或进行电池校准特别有用。
-
电池校准支持:通过完全充放电循环帮助系统重新校准电池电量计,提高电量显示的准确性。
设备兼容性实现
TLP通过以下方式实现广泛的设备兼容性:
- 硬件抽象层:针对不同厂商的设备实现特定的控制接口
- ACPI调用:利用系统的ACPI接口与硬件交互
- 固件特性检测:自动识别设备支持的电源管理功能
使用建议
对于希望尝试新版本的用户,我们建议:
- 测试环境先行:由于这是beta版本,建议先在测试环境中评估稳定性
- 关注电池健康:合理设置充电阈值(如60-80%)可以显著延长电池寿命
- 定期校准:每隔几个月进行一次完整的充放电循环有助于保持电量计准确
总结
TLP 1.8.0-beta.1版本在电池健康管理方面迈出了重要一步,扩展了对多种设备的支持,特别是为Chromebook用户带来了专业级的电池管理功能。这些改进使得TLP在Linux电源管理领域的领先地位更加稳固,为用户提供了更全面的设备保护和更长的电池使用寿命。
登录后查看全文
热门项目推荐
相关项目推荐
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
最新内容推荐
32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 ZLIB 1.3 静态库 Windows x64 版本:高效数据压缩解决方案完全指南 Jetson TX2开发板官方资源完全指南:从入门到精通 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 2023年最新HTMLCSSJS组件库:提升前端开发效率的必备资源 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 PADS元器件位号居中脚本:提升PCB设计效率的自动化利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
306
2.7 K
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
140
170
暂无简介
Dart
598
130
React Native鸿蒙化仓库
JavaScript
235
309
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++
634
232
仓颉编译器源码及 cjdb 调试工具。
C++
123
731
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.06 K
616
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
198
74
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
460