AirBattery项目中的蓝牙设备重复显示问题分析与解决方案
2025-07-09 14:16:20作者:卓炯娓
问题背景
在macOS平台上,AirBattery作为一款优秀的电池状态监控工具,能够显示蓝牙设备的电量信息。但在实际使用中,部分用户反馈他们的蓝牙耳机(如Bose系列)会在AirBattery中出现重复显示的情况。这种现象不仅影响界面美观,也可能导致电量信息显示不准确。
技术原因分析
经过深入分析,我们发现这一问题源于macOS系统的蓝牙设备管理机制:
-
双重发现机制:macOS会通过两种方式发现蓝牙设备
- 传统蓝牙连接(Classic Bluetooth)
- 低功耗蓝牙广播(BLE)
-
设备识别差异:同一物理设备可能被系统识别为两个逻辑设备
- 传统蓝牙连接显示为"设备名称"(如"Bose Headphones")
- 低功耗蓝牙广播显示为"LE-设备名称"(如"LE-Bose Headphones")
-
AirBattery的扫描策略:应用会同时从系统信息和BLE广播中获取设备信息,导致同一设备被重复捕获
解决方案演进
初始方案:BLE黑名单功能
AirBattery最初版本提供了BLE设备黑名单功能,用户可以将"LE-"前缀的设备加入黑名单。但这一方案存在局限性:
- 只能屏蔽BLE设备
- 无法灵活选择保留哪种连接方式
- 可能导致设备完全不可见(当屏蔽错误选项时)
优化方案:全设备黑名单机制
在1.4.9版本中,开发团队对黑名单功能进行了重要改进:
- 扩展黑名单范围:不再局限于BLE设备,可屏蔽任何类型的蓝牙设备
- 更灵活的配置:用户可根据实际情况选择保留传统连接或BLE连接
- 操作建议:
- 对于Bose耳机,建议屏蔽"Bose Headphones"保留"LE-Bose Headphones"
- 重启应用使更改生效
设备图标支持
开发团队还收集了常见蓝牙设备的厂商ID和产品ID,计划为更多设备添加专属图标(类似AirPods的定制显示)。这需要用户提供以下信息:
- 厂商ID(Vendor ID)
- 产品ID(Product ID)
这些信息可通过macOS系统报告中的蓝牙部分获取,将帮助开发团队完善对不同品牌设备的支持。
未来优化方向
基于用户反馈,开发团队考虑进一步改进设备管理功能:
- 可视化设备管理界面:将黑名单改为可勾选的设备列表
- 排序与分组功能:让用户自定义设备显示顺序
- 智能去重机制:自动识别并合并同一设备的不同连接方式
总结
AirBattery通过持续迭代,逐步解决了蓝牙设备重复显示的问题。1.4.9版本的全设备黑名单机制为用户提供了更灵活的配置选项。随着更多设备信息的收集,未来版本将提供更精准的设备识别和更美观的显示效果。用户遇到类似问题时,可尝试更新到最新版本,并根据实际需求配置黑名单。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
最新内容推荐
STM32到GD32项目移植完全指南:从兼容性到实战技巧 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 开源电子设计自动化利器:KiCad EDA全方位使用指南 Python案例资源下载 - 从入门到精通的完整项目代码合集 Python开发者的macOS终极指南:VSCode安装配置全攻略 网页设计期末大作业资源包 - 一站式解决方案助力高效完成项目 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Jetson TX2开发板官方资源完全指南:从入门到精通
项目优选
收起
deepin linux kernel
C
24
9
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
暂无简介
Dart
670
155
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++
660
308
Ascend Extension for PyTorch
Python
219
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.82 K
React Native鸿蒙化仓库
JavaScript
259
322