RMK键盘固件v0.5.1版本发布:连接优化与功能增强
项目简介
RMK是一款开源的机械键盘固件项目,基于Rust语言开发,专为嵌入式设备设计。它提供了完整的键盘功能实现,包括按键矩阵扫描、按键映射、蓝牙连接等核心功能。RMK项目的特点是模块化设计、高性能和可定制性强,适合开发者构建自己的定制化键盘固件。
连接状态同步与PHY优化
本次v0.5.1版本在无线连接方面做出了重要改进。新增了中央设备(如电脑)与外围设备(键盘)之间的连接状态同步机制,这使得键盘能够更可靠地感知连接状态变化,避免了因连接不稳定导致的输入丢失问题。
另一个值得注意的改进是默认启用了2M PHY(物理层)协议。2M PHY是蓝牙5.0引入的高速模式,相比传统的1M PHY,它能提供更高的数据传输速率和更低的延迟。对于键盘这种需要实时响应的设备来说,这意味着按键输入将更加即时,特别是在高频率打字场景下,用户体验会有明显提升。
新的项目模板与构建工具
v0.5.1版本引入了基于云开发环境的项目模板,这大大降低了新用户入门RMK的门槛。开发者现在可以在云端环境中快速搭建RMK开发环境,无需在本地配置复杂的工具链。
项目构建工具也进行了升级,现在使用rmkit作为默认的项目生成器。rmkit提供了更简洁的项目结构和更高效的构建流程,同时集成了更多实用功能,如自动化的依赖管理和构建配置。
按键处理逻辑改进
在按键处理方面,本次更新引入了两个重要的宏:
-
mt!宏用于实现修饰键的轻按-长按功能,允许单个按键在不同操作方式下触发不同功能。例如,轻按可能是普通按键,而长按则变为修饰键(如Shift或Ctrl)。 -
th!宏则提供了更灵活的轻按-长按动作配置,开发者可以更精细地控制按键在不同状态下的行为。
此外,修复了"轻按后保持"按键丢失的问题,现在系统允许多个"轻按后保持"按键同时存在,这大大改善了组合键的使用体验。
存储与构建系统升级
底层存储系统升级到了sequential-storage v4.0.0版本,这带来了更可靠的非易失性存储支持和更高的性能。对于需要保存配置或宏定义的键盘来说,这意味着更安全的数据存储和更快的访问速度。
构建流程也进行了优化,现在使用cargo-hex-to-uf2替代了原来的Python脚本生成UF2固件。这一变化不仅提高了构建速度,还增强了构建过程的可靠性,特别是在跨平台开发环境中。
其他重要修复
本次更新还包含了一系列重要的问题修复:
-
修正了左右修饰键错误交换的问题,现在按键映射更加准确。
-
修复了直接引脚矩阵扫描中等待futs数量错误的问题,提高了矩阵扫描的可靠性。
-
改进了连接参数设置机制,现在由中央设备而非外围设备设置连接参数,这有助于建立更稳定的蓝牙连接。
-
修复了多处文档和代码中的拼写错误,提高了项目的整体质量。
总结
RMK v0.5.1版本在连接稳定性、按键处理逻辑和开发体验等方面都做出了显著改进。特别是2M PHY的默认启用和连接状态同步机制的引入,使得无线键盘的响应速度和可靠性达到了新的水平。新的项目模板和构建工具则大大降低了新用户的入门门槛,让更多开发者能够轻松使用RMK构建自己的定制键盘固件。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00