probe-rs v0.26.0版本发布:嵌入式调试工具链的重大升级
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支持多种调试探针和芯片架构,能够与Rust生态系统无缝集成,为嵌入式开发带来了极大的便利。
新功能亮点
新增芯片支持
本次0.26.0版本带来了多项重要更新,其中最引人注目的是新增了对多款芯片的支持:
-
NXP Trimension OL23D0:这是一款可编程UWB(超宽带)控制器,现在probe-rs已经支持其运行、烧录和重置功能,包括RAM运行模式。这对于物联网和无线通信开发者来说是个好消息。
-
S32K14系列:NXP的汽车级微控制器系列,扩展了probe-rs在汽车电子领域的应用范围。
-
MIMXRT1040:NXP的i.MX RT系列跨界处理器,为高性能嵌入式应用提供了更多选择。
-
LPC80x系列:NXP的低成本微控制器,通过CMSIS-PACK序列支持,进一步丰富了probe-rs支持的芯片家族。
调试功能增强
-
RTT控制块完整性检查:增强了RTT(实时传输)控制块的完整性验证机制,现在能够更好地检测和拒绝部分损坏的数据块,提高了调试数据的可靠性。
-
nRF54L15解锁序列:新增了对Nordic nRF54L15系列设备的解锁支持,解决了之前可能遇到的连接问题。
-
ARM调试接口改进:在块传输失败后会自动清除粘性错误位,确保后续传输能够成功进行,提高了调试稳定性。
-
调试器分离重连:修复了ARMv7架构下调试器分离后无法重新连接的问题,特别是在固件大部分时间处于睡眠模式的情况下。
工具链改进
-
libtest选项支持:现在支持
--ignored和--include-ignored选项,为测试提供了更多灵活性。 -
进度条优化:改进了进度条的计时机制,现在速度和剩余时间估计更加准确。
-
调试器代码重构:将底层调试器代码移到了单独的
probe-rs-debugcrate中,提高了代码的模块化和可维护性。 -
目标定义改进:重命名了ARM调试接口中的
psel字段为更清晰的targetsel,并使其变为可选字段,提高了配置的灵活性。
问题修复
-
FlexRAM配置问题:修复了MIMXRT系列在固件修改FlexRAM配置后可能出现的烧录不稳定问题。
-
CMSIS-DAP探针连接:解决了CMSIS-DAP探针在查询数据包大小时的重试机制问题。
-
内存访问端口检查:在
probe-rs info命令中增加了对内存访问端口可用性的检查,避免无效操作。 -
反汇编改进:现在反汇编会考虑源文件的字节序而不是依赖主机字节序,解决了ARM Thumb v2代码的反汇编问题。
总结
probe-rs 0.26.0版本带来了多项重要更新,显著提升了工具的稳定性、功能覆盖范围和用户体验。特别是新增的芯片支持和调试功能增强,使得probe-rs能够更好地服务于更广泛的嵌入式开发场景。对于嵌入式开发者来说,升级到这个版本将获得更强大的调试能力和更稳定的开发体验。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C037
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0113
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00