ZMK固件v0.2.0版本发布:键盘定制新高度
ZMK是一款开源的键盘固件项目,专为自定义机械键盘设计。与QMK等其他键盘固件相比,ZMK采用了现代化的Zephyr实时操作系统作为基础,特别注重无线键盘的支持和低功耗优化。该项目允许用户通过配置文件高度定制键盘行为,而无需深入编程。
核心功能增强
新增切换模式(toggle-mode)
本次更新引入了全新的toggle-mode功能,允许用户为按键和层切换配置"切换开"和"切换关"两种状态。这一改进使得键盘行为控制更加灵活,用户现在可以实现类似大写锁定键的切换效果,而不仅仅是瞬时触发。
技术实现上,ZMK团队重构了按键状态管理逻辑,确保切换状态能够正确地在不同层间传递和保持。这一特性特别适合需要长时间激活某些功能键或层的使用场景。
鼠标移动与滚轮支持
v0.2.0版本正式加入了鼠标移动和滚轮支持,这是ZMK向完整输入设备解决方案迈进的重要一步。该功能通过mouse-move和mouse-scroll行为实现,用户可以在键盘配置中定义这些行为并绑定到特定按键。
实现细节上,ZMK采用了平滑的加速曲线算法来处理鼠标移动,确保指针移动既精确又自然。对于滚轮支持,开发团队还添加了预定义的滚动缩放器,用户可以根据个人偏好调整滚动的速度和精度。
硬件支持与优化
物理布局改进
新版本对键盘物理布局的支持做了多项改进:
- 增加了对Lotus58键盘的物理布局支持,这是一款流行的分体式键盘设计
- 为ortho_4x10网格布局添加了支持,满足更多正交键盘用户的需求
- 使按键旋转成为可选功能,为特殊布局键盘提供更大灵活性
显示系统增强
显示子系统获得了多项重要更新:
- 新增了显示开关引脚配置功能,允许硬件控制显示屏的电源
- 增加了显示更新周期配置选项,用户可以根据需求平衡刷新率和功耗
- 优化了单色主题的默认处理逻辑,确保在1bpp模式下自动选择最佳显示方案
底层架构改进
输入处理重构
开发团队对输入处理系统进行了深度重构,引入了行为输入处理器(behavior input processor)的概念。这一架构改进使得ZMK能够更高效地处理复杂的输入场景,特别是为未来的多点触控和手势识别功能奠定了基础。
Kconfig系统优化
Kconfig配置系统获得了重要更新,现在允许用户覆盖ZMK的默认Kconfig设置。这一改进极大地提高了固件配置的灵活性,使高级用户能够更精细地调整系统行为而无需修改核心代码。
问题修复与稳定性提升
v0.2.0版本包含了多项重要的问题修复:
- 修复了复合键盘扫描(kscan-composite)无法唤醒设备的问题
- 解决了多个粘滞键(sticky keys)在同一按键位置无法正常工作的问题
- 修正了动态设备名称长度限制的执行问题
- 优化了组合键(combos)处理逻辑,特别是对空区块的处理
- 修复了显示系统在多线程环境下的稳定性问题
这些修复显著提高了ZMK在各种硬件配置上的可靠性和用户体验。
开发者工具改进
ZMK Studio作为配套开发工具也获得了多项更新:
- 改进了层管理功能,现在支持在层移动后添加新层
- 优化了RPC通信,确保完整键配置能够正确返回
- 增强了用户界面,使键盘配置过程更加直观
总结
ZMK v0.2.0版本标志着该项目在功能完备性和用户体验上的重大进步。新增的切换模式、鼠标支持和显示系统改进大大扩展了键盘定制的能力边界,而底层架构的优化则为未来的功能扩展奠定了坚实基础。对于键盘爱好者和自定义键盘开发者来说,这一版本提供了更多创造独特输入体验的可能性。
kernelopenEuler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。C0134
let_datasetLET数据集 基于全尺寸人形机器人 Kuavo 4 Pro 采集,涵盖多场景、多类型操作的真实世界多任务数据。面向机器人操作、移动与交互任务,支持真实环境下的可扩展机器人学习00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
AgentCPM-ReportAgentCPM-Report是由THUNLP、中国人民大学RUCBM和ModelBest联合开发的开源大语言模型智能体。它基于MiniCPM4.1 80亿参数基座模型构建,接收用户指令作为输入,可自主生成长篇报告。Python00