probe-rs项目v0.29.0版本发布:嵌入式调试工具链的重大更新
probe-rs是一个开源的嵌入式调试工具链项目,它为嵌入式开发者提供了强大的调试、编程和测试功能。作为一个现代化的调试工具,probe-rs支持多种架构的微控制器,包括ARM Cortex-M、RISC-V等,并且提供了丰富的功能集,如Flash编程、RTT(实时传输)通信、核心寄存器访问等。
核心功能增强
本次v0.29.0版本带来了多项重要改进,特别是在ARMv7架构支持方面有了显著提升。开发团队为ARMv7A和ARMv7R核心增加了CPSR(当前程序状态寄存器)写回能力,这对于调试复杂的ARM核心场景尤为重要。CPSR包含了关键的状态信息如条件标志、中断禁用位等,能够写回这一寄存器大大增强了调试的灵活性。
针对TI TMS570微控制器的初步支持也被引入,这为汽车电子和工业控制领域的开发者提供了新的选择。TMS570系列以其高可靠性和安全特性著称,常用于安全关键型应用。
调试体验优化
在调试工具方面,新版本增强了内存读取功能,现在read命令支持输出二进制和十六进制格式,这为开发者分析内存内容提供了更多便利。同时引入的Endian枚举和.endianness()调用让字节序处理更加直观,特别是在处理不同架构的目标设备时。
对于Flash编程流程,新增的BlankCheck功能可以更准确地检测目标是否已被擦除,特别是对于那些使用ECC(错误校验与纠正)Flash的器件,传统的简单内存比较方法可能无法准确判断空白状态。
架构支持改进
ARMv7A核心的操作现在会确保核心处于暂停状态,这是通过一系列新的辅助函数实现的。这些函数封装了对主存储器的读写和核心暂停等操作,使得序列(Sequences)能够更安全地执行这些关键操作。
在ARMv7R核心上,修复了跳转到加载代码的问题,现在使用mov pc, r0指令替代了原先不工作的bx lr指令,确保了代码执行的可靠性。
工具链完善
probe-rs的工具链也获得了多项更新:
- 目标生成器(target-gen)现在支持测试指定的探针
- RTT主机工具(rtthost)优化了核心选择逻辑,提升了性能
- 增加了对Xtensa和RISC-V核心转储文件(.elf格式)的解析能力
问题修复
本次版本还修复了多个关键问题:
- 修正了CMSIS-DAP探针在SWD模式下错误扫描JTAG链的问题
- 修复了ARMv7A闪存支持中的LR寄存器对齐问题
- 解决了ADIMemoryInterface中读取非对齐数据的问题
- 优化了RTT通信的稳定性
这些改进使得probe-rs在嵌入式开发领域的适用性更广,稳定性更高,为开发者提供了更加强大和可靠的调试体验。无论是进行低级别的寄存器操作,还是复杂的Flash编程,新版本都带来了显著的提升。
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