CircuitPython 9.2.3版本发布:嵌入式Python开发环境的重要更新
项目简介
CircuitPython是Adafruit开发的一款开源嵌入式Python实现,专为微控制器设计。它提供了一个简单易用的开发环境,让开发者能够使用Python语言快速开发嵌入式项目。与传统的嵌入式开发相比,CircuitPython具有交互式开发、即时反馈和丰富的库支持等优势,特别适合教育、原型设计和快速开发场景。
核心更新内容
ESP32-S3 USB连接修复
本次9.2.3版本修复了ESP32-S3系列芯片在没有USB集线器的情况下无法正常连接的问题。这个修复对于使用ESP32-S3开发板的开发者尤为重要,因为它影响了基本的开发工作流程。现在开发者可以直接将ESP32-S3开发板连接到电脑,无需额外的USB集线器即可进行编程和调试。
新开发板支持
9.2.3版本新增了对三款开发板的官方支持:
- Adafruit Sparkle Motion:一款专为运动检测和交互设计而优化的开发板
- Adafruit Mini Sparkle Motion:Sparkle Motion的迷你版本,适合空间受限的项目
- M5Stack StampS3:基于ESP32-S3的紧凑型开发板,延续了M5Stack产品线的一贯风格
这些新支持的开发板扩展了CircuitPython的硬件生态,为开发者提供了更多选择。
技术细节与改进
稳定性增强
- 修复了冻结库(frozen library)的版本号问题,确保库版本信息准确无误
- 针对STM32H7系列微控制器可能出现的崩溃问题进行了前瞻性修复
- 改进了串口控制台的启动过程和日志记录机制,提升了调试体验
文档完善
- 补充了Windows系统下
usb_midi.set_names()功能的使用限制说明 - 修正了RTC(实时时钟)模块文档中的拼写错误
构建系统优化
- 改进了
circuitpython-stubs构建过程中setuptools_scm工具的版本管理 - 优化了内联文档的文件查找机制,采用包含列表而非排除列表的方式,提高了文档生成的可靠性
版本兼容性说明
对于使用nRF52系列开发板的用户需要特别注意:如果板载的UF2引导程序版本低于0.6.1,将无法加载CircuitPython 8.2.0及更高版本。这是由于固件大小增加所致。建议相关用户及时更新引导程序。
各硬件平台状态概览
CircuitPython支持多种微控制器架构,各平台的稳定性有所不同:
稳定支持的平台:
- Microchip SAMD系列
- 索尼Spresense
- Espressif ESP32全系列
- Nordic nRF52系列
- 树莓派RP2040/RP2350
- STM32F4系列
处于Alpha测试阶段的平台:
- Analog Devices MAX32690
- 树莓派单板计算机
- 新兴的ESP32-P4
- LiteX模拟器
- NXP i.MX RT10xxx
- 硬件模拟器
- Silicon Labs MG24系列
- 非STM32F4的ST系列
已知问题
当前版本仍存在一些已知问题需要开发者注意:
- 原生代码.mpy文件功能尚未完全正常工作(目前仅在winterbloom_sol开发板上启用)
- 部分平台可能存在特定功能限制或稳定性问题
总结
CircuitPython 9.2.3作为一个稳定版本更新,主要解决了ESP32-S3的USB连接问题,并扩展了对新硬件的支持。这些改进使得嵌入式Python开发体验更加流畅和可靠。对于使用受影响硬件的开发者来说,升级到这个版本将显著改善开发体验。
随着CircuitPython生态的持续发展,它为嵌入式开发带来了Python语言的简洁性和强大功能,降低了嵌入式系统的开发门槛。无论是教育用途还是产品原型开发,CircuitPython都展现出了独特的价值。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00