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 StartedRust0199
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0130
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07