Companion项目中按钮长按事件的传递机制解析
2025-07-08 14:17:42作者:裴锟轩Denise
背景介绍
在Companion项目中使用Stream Deck Pedal时,开发者发现了一个关于按钮长按事件传递的特殊情况。当通过动态按钮分配功能将踏板映射到支持"持续时间组"(DURATION GROUP)的按钮时,系统能够正确处理短按操作,但长按功能却无法正常工作。
问题本质
这个问题的核心在于Companion内部的事件传递机制。当使用"INTERNAL: BUTTON: TRIGGER*"这类内部动作来模拟按钮按下时,默认情况下不会自动传递长按事件的相关信息。这导致目标按钮虽然支持长按功能,但由于触发源没有正确传递长按状态,使得长按相关的操作无法执行。
解决方案
经过项目组成员的验证,目前有两种可行的解决方案:
-
手动配置分离的按下和释放动作
这是官方推荐的标准解决方案。用户需要在踏板配置中分别设置:
- 按下动作:
internal: Button: Trigger press - 释放动作:
internal: Button: Trigger release
这种明确的分离配置能够确保长按事件被正确传递和处理。
- 按下动作:
-
自动继承长按状态的潜在改进
理论上,Companion可以增加一个"继承长按/释放"(INHERIT LONG PUSH/RELEASE)的功能选项,这可以通过两种方式实现:
- 在按钮属性中添加该选项
- 在"INTERNAL: BUTTON: TRIGGER*"动作中添加该开关
启用此选项时,系统应自动禁用与DURATION GROUP相关的功能,以确保事件传递的一致性。不过,由于实现复杂度较高,项目组目前暂未采纳这一方案。
技术实现建议
对于需要实现类似功能的开发者,建议采用以下最佳实践:
- 对于简单的按键映射场景,优先使用分离的按下/释放动作配置
- 在需要动态按钮分配的复杂场景中,确保目标按钮的触发逻辑能够正确处理来自不同源的事件
- 注意事件传递的时序问题,特别是在涉及长按判断时
总结
Companion项目中的按钮事件传递机制提供了灵活的配置选项,但在处理长按等特殊事件时需要开发者特别注意。通过理解事件传递的基本原理和采用正确的配置方法,可以确保各种按键操作都能被正确处理。虽然自动继承长按状态的方案在理论上可行,但从工程实现角度看,目前的手动配置方案已经能够满足大多数使用场景的需求。
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
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
192
212
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++
650
270
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
296
111
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
384
3.7 K
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
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
React Native鸿蒙化仓库
JavaScript
243
316
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
66
96
暂无简介
Dart
633
143