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。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112