probe-rs 0.28.0版本发布:嵌入式调试工具的全面升级
probe-rs是一个功能强大的嵌入式系统调试工具链,为开发者提供了从芯片编程到实时调试的全套解决方案。最新发布的0.28.0版本带来了多项重要改进和新特性,显著提升了调试体验和功能覆盖范围。
核心功能增强
本次更新在远程调试能力方面取得了重大突破,新增了远程服务器/客户端实现,使得开发者可以通过网络连接进行远程调试操作。调试器功能也得到大幅扩展,新增了info break、info reg、clear等常用调试命令,并优化了backtrace命令(现简写为bt),使其输出更加简洁高效。
在芯片支持方面,0.28.0版本新增了对Texas Instruments MSPM0系列、NXP MCXA系列、Microchip MEC172x系列以及Infineon PSOC 62家族等众多新型MCU的支持。特别是对RISC-V和Xtensa架构的扩展支持,使得CMSIS-DAP探头现在可以用于这些架构的调试。
调试体验优化
新版本引入了配置预设功能,开发者可以在配置文件中定义多组参数值,并通过--preset选项快速切换不同配置场景。调试过程中的异常处理也更加完善,新增了catch-hardfault和catch-reset选项,默认会捕获复位和硬件错误,大幅简化了故障调试流程。
针对嵌入式开发中常见的RTT(实时传输)功能,本次更新解决了通道名称显示问题,并优化了大消息处理能力,使得defmt日志输出更加稳定可靠。新增的--target-output-file选项允许将目标输出直接保存到文件或命名管道,方便日志收集和分析。
性能与稳定性提升
ESP32系列芯片的闪存算法现在会使用最高CPU时钟频率,显著提高了编程速度。针对STM32系列,修复了默认闪存算法冲突问题,并新增了OTP内存支持。在底层协议层面,优化了SWD接口实现,采用更高效的枚举流传输方式。
新引入的Probe::profile功能利用ARM DWT程序计数器采样寄存器(PCSR)实现了精确的性能分析能力,帮助开发者优化关键代码路径。针对批量擦除的EFM32xG2设备,实现了定制复位序列,解决了编程失败的问题。
开发者工具链完善
probe-rs工具链现在提供了更灵活的芯片选择机制,支持通过设备选择器过滤探头列表。目标生成工具(target-gen)新增了速度协议设置选项,方便自动化测试场景。调试器配置中新增了verifyBeforeFlashing和verifyAfterFlashing选项,提供了更严格的编程验证流程。
对于使用Homebrew的macOS开发者,现在可以通过brew直接安装probe-rs、rtthost和target-gen等工具,大大简化了环境配置过程。跨平台支持方面,提供了从Apple Silicon到x64 Windows的完整预编译二进制包。
probe-rs 0.28.0版本的这些改进,使得嵌入式开发者在面对复杂调试场景时拥有更强大的工具支持,从底层芯片操作到高层调试功能都得到了全面提升,进一步巩固了其作为现代嵌入式开发首选工具链的地位。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00