HIDAPI 0.15.0版本发布:跨平台HID设备通信库的重大更新
HIDAPI是一个开源的跨平台库,用于与HID(Human Interface Device)设备进行通信。它提供了统一的API接口,支持Windows、macOS、Linux等多个操作系统,使开发者能够方便地与各种HID设备(如游戏控制器、USB设备等)进行交互。本次发布的0.15.0版本带来了多项重要更新和改进。
核心功能增强
本次更新引入了两个重要的新API函数,进一步丰富了HIDAPI的功能集:
-
hid_send_output_report():这个新增函数允许开发者直接发送输出报告到HID设备,为底层设备控制提供了更直接的访问方式。与标准写入操作相比,输出报告提供了更底层的控制能力。
-
hid_read_error():新引入的错误读取函数为开发者提供了更详细的错误信息获取途径,有助于调试和设备状态监控,特别是在处理复杂HID通信场景时尤为有用。
平台特定改进
Windows平台优化
Windows后端获得了显著增强:
-
新增了**hid_winapi_set_write_timeout()**函数,允许开发者精细控制写入操作的超时设置,提高了在特定场景下的可靠性。
-
改进了报告描述符处理逻辑,特别是对hid_get_report_descriptor和hid_winapi_descriptor_reconstruct_pp_data函数的优化,使得设备描述符的获取和重构更加准确可靠。
macOS兼容性调整
macOS版本新增了兼容性选项,可以模拟1.0.0版本的行为,这为需要保持向后兼容性的应用程序提供了便利,确保旧代码在新版本库上能够继续正常工作。
Linux hidraw改进
Linux的hidraw后端进行了重要调整,现在只报告顶层Usage_page/Usage对作为"唯一"设备。这一变化使设备枚举更加准确,避免了重复或错误的设备识别,特别改善了在复杂HID设备场景下的使用体验。
NetBSD原生支持
本次更新新增了对NetBSD操作系统的原生UHID后端实现,扩展了HIDAPI的平台覆盖范围,使NetBSD用户也能享受到原生级别的HID设备支持。
libusb后端增强
基于libusb的后端获得了多项改进:
-
引入了线程模型抽象层,现在可以构建在非POSIX运行时环境下使用,提高了跨平台兼容性。
-
新增了对Xbox 360和Xbox One控制器的支持,扩展了游戏控制器兼容性范围,为游戏开发者和爱好者提供了更好的支持。
预编译包与使用
发布包中包含了Windows平台的预编译二进制文件(x86和x64架构),包括:
- hidapi.dll - 动态链接库
- hidapi.lib - 导入库 以及相应的头文件,方便Windows开发者快速集成到项目中。
总结
HIDAPI 0.15.0版本是一次重要的功能更新,不仅增加了核心API功能,还针对各个平台进行了专门优化,特别是Windows和Linux后端的改进,以及新增的NetBSD支持。这些变化使得HIDAPI在稳定性、兼容性和功能性方面都有了显著提升,为开发者提供了更强大、更可靠的HID设备通信解决方案。无论是游戏外设开发、工业控制应用还是消费电子产品集成,这个版本都值得开发者升级使用。
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