RogueMaster固件中JavaScript新增firmwareVendor属性支持
在Flipper Zero设备的RogueMaster定制固件中,开发者近期为JavaScript运行时环境新增了一个重要属性支持。这个改进使得脚本能够更准确地识别当前运行的固件类型,为开发者提供了更好的兼容性支持。
背景与需求
Flipper Zero作为一款多功能安全工具,支持通过JavaScript编写脚本扩展其功能。在官方和其他主流定制固件中,JavaScript环境都提供了flipper.firmwareVendor属性,用于返回当前固件的供应商标识字符串。例如:
- 官方固件返回"flipperdevices"
- Unleashed固件返回"unleashed"
- Momentum固件返回"momentum"
RogueMaster作为流行的定制固件之一,此前尚未实现这一属性,导致脚本在检测固件类型时无法准确识别RogueMaster环境。
技术实现
该功能的实现相当简洁高效。开发者通过在js_flipper.c文件中添加一行代码,为JavaScript环境注册了新的属性:
mjs_set(mjs, flipper_obj, "firmwareVendor", ~0, mjs_mk_string(mjs, "roguemaster", ~0, true));
这行代码使用MJS引擎(一种嵌入式JavaScript引擎)的API,在flipper对象上创建了一个名为"firmwareVendor"的字符串属性,其值固定为"roguemaster"。
实际应用价值
这一改进为脚本开发者带来了以下好处:
-
固件识别标准化:脚本现在可以统一使用
flipper.firmwareVendor属性来检测运行环境,而不需要为RogueMaster使用特殊处理逻辑。 -
兼容性提升:原本需要判断属性是否为undefined的脚本现在可以直接获取明确的固件标识,代码更加健壮。
-
功能差异化实现:脚本可以根据不同固件供应商提供特定功能或优化,例如:
if(flipper.firmwareVendor === "roguemaster") { // 启用RogueMaster特有功能 }
开发者建议
对于希望在多固件环境下保持兼容的脚本开发者,建议采用以下模式:
let vendor = flipper.firmwareVendor || "roguemaster"; // 兼容旧版
switch(vendor) {
case "roguemaster":
// RogueMaster特定逻辑
break;
case "unleashed":
// Unleashed特定逻辑
break;
default:
// 默认逻辑
}
这一改进体现了RogueMaster团队对开发者体验的重视,也展示了Flipper Zero生态系统的活力与开放性。随着更多开发者采用这一属性,跨固件的脚本兼容性将得到进一步提升。
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