Rust 流式输出:让模型边生成边显示,但别忘了中断

国产大模型桌面端实践:GLM5接入与Tauri流式聊天架构 大模型桌面应用是AI工程落地的关键形态,其核心在于轻量架构、协议兼容与流式交互。Tauri凭借Rust安全后端与系统WebView,显著优于Electron的资源开销;GLM5原生兼容Anthropic API协议,实现零改造对接,大幅降低国产模型集成门槛;SSE流式通信结合前端增量渲染与思考过程折叠,保障类Claude的自然对话体验。该方案适用于需本地化、多模型切换、高安全性要求的AI客户端开发场景,为GLM系列模型在桌面端规模化部署提供了可复用的技术范式。 阅读详情

Rust 流式输出:让模型边生成边显示,但别忘了中断

第一次用 AI CLI 工具时,我最喜欢的体验就是"字一个一个往外蹦"的感觉——不用等模型完全生成完,就能看到内容在慢慢出现。但自己动手实现流式输出后才知道,这种"丝滑体验"背后有一堆需要处理的边界:网络 chunk 可能不按字符对齐、半个 UTF-8 字节、用户突然 Ctrl+C、输出重定向时日志混进结果里。

我最初实现流式输出时只做了两件事:打开 SSE 连接,把每个 chunk 的内容 print! 出来。能用没多久就碰到了问题——用户中断后留下残缺文件、终端输出卡住不刷新、UTF-8 中文被截成乱码。流式输出不是简单的"边收边打",它需要把数据流拆成多个可控的层,每一层都能处理自己那一层的异常。

在自学的过程中,我之前对流式编程的理解几乎为零。今天这篇是我用 Rust + Tokio 实现 AI 流式输出时的踩坑笔记。

一、把流式链路拆成独立层 — 每层只做一件事

流式输出的完整链路可以拆成五个环节,每个环节只关注自己的边界:

flowchart TD
    A[HTTP SSE 流 SSE Stream] --> B[字节块缓冲 Byte Buffer]
    B --> C[事件行解析 SSE Parser]
    C --> D[文本增量累积 Text Accumulator]
    D --> E[终端增量渲染 Terminal Render]
    
    A -->|网络异常| F[中断处理 Interrupt Handler]
    E -->|Ctrl+C 信号| F
    
    F --> G{用户意图? User Intent}
    G -->|丢弃 Discard| H[清理临时数据 Cleanup]
    G -->|保存 Save| I[写入部分结果 Partial Save]
    
    D --> J[完整结果累积 Full Buffer]
    J --> K[结束后保存 Save Complete]
    
    style F fill:#ff9,stroke:#333
    style H fill:#f66,stroke:#333
    style I fill:#ff9,stroke:#333
    style K fill:#6f6,stroke:#333

关键思路是:显示用的文本流和保存用的完整结果要分两条路径。 终端展示是增量的、可中断的;文件保存是完整的、在流结束之后才执行的。不要把这两个目标混在同一个 buffer 里。

二、终端输出务必及时刷新

没有 flush(),用户可能看到输出突然憋住不动,直到生成结束才一口气出来。这个体验跟流式的初衷完全相反:

use std::io::{self, Write};

/// 增量输出一个文本片段到终端,并立即刷新
fn print_chunk(text: &str) -> io::Result<()> {
    // 直接写入 stdout
    print!("{}", text);
    // 立即刷新,让用户看到实时输出
    io::stdout().flush()
}

/// 错误和日志信息永远输出到 stderr,不要污染 stdout
fn log_debug(msg: &str) {
    // 用户可能把 stdout 重定向到文件,stderr 单独输出
    eprintln!("[debug] {}", msg);
}

这里面有一个小习惯对我帮助很大:流式内容写 stdout,调试信息写 stderr。 如果用户想把输出重定向到文件(比如 ai-cli ask "hello" > response.txt),日志不会混进模型回复里。CLI 工具经常会被人接到管道里用,输出流保持干净是基本素养。

三、正确处理中断信号 — Ctrl+C 不是程序崩了,而是用户选择了停止

用户按 Ctrl+C 是正常操作,不是异常退出。程序应该在收到信号后停止网络请求、清理临时状态、给用户一个明确的选择:

use tokio::signal;
use tokio::select;

/// 同时等待流式响应和用户中断信号
async fn stream_with_cancel_support(
    response_future: impl std::future::Future<Output = Result<String, String>>,
) -> Result<String, String> {
    let mut accumulated = String::new();

    select! {
        // 分支 1:流正常完成
        result = response_future => {
            match result {
                Ok(text) => {
                    println!(); // 换行,与流式输出断开
                    Ok(text)
                }
                Err(e) => Err(format!("流式请求失败: {}", e)),
            }
        }
        
        // 分支 2:用户按下 Ctrl+C
        _ = signal::ctrl_c() => {
            eprintln!("\n\n操作已被用户中断");
            eprintln!("提示:已生成的内容暂未保存,如需保留请使用 --save 参数");
            Err("用户取消".to_string())
        }
    }
}

被中断后,程序应该告知用户明确的状态:是"已取消、无残留"还是"已取消、部分结果保存在某处"。不要让用户靠猜来判断中断后的文件能不能继续使用。

四、处理 UTF-8 边界和 chunk 不完整的问题

网络 chunk 不会礼貌地按字符边界分割。如果你收到的字节块刚好把一个中文字符的三字节 UTF-8 编码切成两半,直接当字符串解析就会出乱码:

/// 字节缓冲区:处理不完整的 UTF-8 字节
struct ByteBuffer {
    /// 暂存的不完整字节
    buffer: Vec<u8>,
}

impl ByteBuffer {
    fn new() -> Self {
        ByteBuffer { buffer: Vec::new() }
    }

    /// 接收新的字节块,返回可安全解析为字符串的完整部分
    fn feed(&mut self, mut chunk: Vec<u8>) -> String {
        // 先把上次剩余的不完整字节拼在前面
        let mut full = Vec::new();
        full.append(&mut self.buffer);
        full.append(&mut chunk);

        // 从后往前找完整的 UTF-8 字符边界
        let valid_len = Self::valid_utf8_prefix_len(&full);
        let valid = full[..valid_len].to_vec();
        
        // 剩余不完整字节暂存起来,等下次 chunk 到达时拼接
        self.buffer = full[valid_len..].to_vec();

        // 安全转换
        String::from_utf8(valid).unwrap_or_else(|e| {
            eprintln!("[警告] UTF-8 解析异常: {}", e);
            String::from_utf8_lossy(&e.into_bytes()).to_string()
        })
    }

    /// 找到能安全解析为 UTF-8 的最大前缀长度
    fn valid_utf8_prefix_len(data: &[u8]) -> usize {
        // 从末尾向前尝试,找到第一个有效的 UTF-8 截断点
        for len in (0..=data.len()).rev() {
            if std::str::from_utf8(&data[..len]).is_ok() {
                return len;
            }
        }
        0
    }
}

实际项目中,如果使用成熟的 SSE/NDJSON 解析库(比如 eventsource-stream、tokio-sse-codec),它们一般已经处理好了字节拼接和字符边界问题。但理解底层原理对排查偶尔出现的乱码问题很有帮助——不能永远靠库来兜底,出了问题至少要能看懂是哪个环节出了故障。

五、总结

Rust 实现 AI 流式输出需要在五个层面做好边界处理:字节缓冲防截断、事件解析分 chunk、文本增量发终端、中断信号能优雅退出、完整结果独立保存。边生成边显示是加分体验,但可靠工具还要知道什么时候该停,停下后留下什么状态。

作为自学者,写流式输出是我学到最多系统编程细节的一块。它同时涉及网络 I/O、编码、终端控制、并发信号——每一项单独看都很小,但合在一起就让工具从"能用"变成了"在各种场景下都能从容应对"。流式输出不是加分项,是让 AI CLI 真正可用的基础能力。

DeepSeek TUI:专为 DeepSeek 模型深度定制的 Rust 终端编程工具 TUI(终端用户界面)是一种轻量、安全、可嵌入的交互范式,其核心原理是绕过图形抽象层,直接利用 ANSI 控制序列与 shell 环境协同工作;在 AI 编程领域,TUI 结合 Rust 的内存安全与 Cargo 的项目元数据感知能力,可实现 API Key 零堆泄露、模型名精准路由、上下文智能裁剪等关键技术价值;典型应用场景包括本地化 DeepSeek 模型调用、Rust 项目代码生成、CI/CD 中的自动化提示工程,以及高敏感环境下的安全 CLI 工作流构建——本文聚焦于 DeepSeek TUI 这一 阅读详情

相关推荐

Rust+AWS本地部署LLM:Candle加载GGUF模型实战

大语言模型(LLM)本地部署是当前AI工程落地的核心能力之一,其本质是将模型推理能力从云端API解耦,通过量化、归档与轻量引擎实现可控、安全、低成本的运行。关键技术原理包括GGUF模型归档格式——它并非简单压缩,而是整合权重、分词器、量化元数据并支持内存映射(mmap)按需加载;以及Rust语言凭借所有权系统与tokio异步运行时,在内存安全、并发处理和二进制分发上的不可替代性。该技术路径显著提升EC2等云实例的资源利用率与服务稳定性,广泛应用于内部AI工具链搭建、私有化推理服务及脱离厂商锁定的生产环境。本

513

Rust 写 AI CLI:先把流式输出和错误处理做好

Rust 写 AI CLI 的第一版应聚焦最小闭环:参数解析、配置读取、模型请求、流式输出和错误分类。先把基础体验做稳,再扩展会话、插件和 Agent。终端工具不怕功能少,怕的是失败时用户不知道该怎么办。

no1coder的博客 5933

Rust编写的DeepSeek命令行工具deepseek-tui实战指南

命令行AI编程助手是开发者提升编码效率的基础工具,其核心在于轻量启动、流式响应与安全调用。基于Rust构建的终端交互工具,依托Tokio异步运行时和crossterm终端渲染,实现毫秒级冷启动与无闪烁SSE流式输出;通过系统Keyring加密存储API Key,兼顾便捷性与安全性。该类工具天然适配VS Code插件集成、Git Hook代码审查等工程场景,是连接大模型能力与本地开发工作流的关键枢纽。本文聚焦deepseek-tui这一典型Rust CLI实现,解析其安装配置、安全机制与深度集成方法。

weixin_30480075的博客 615

构建高性能生成式AI应用:基于Rust Axum与蓝耘DeepSeek-V3.2大模型服务的全栈开发实战

在当前生成式人工智能蓬勃发展的技术浪潮中,构建高效、安全且响应迅速的AI应用后端已成为开发者的核心诉求。Rust语言凭借其内存安全、零成本抽象以及惊人的执行效率,正逐渐成为构建高性能Web服务的首选语言之一。结合蓝耘(Lanyun)提供的DeepSeek大模型MaaS(Model as a Service)服务,开发者能够以极低的延迟和极高的吞吐量处理复杂的自然语言处理任务。

K48932的博客 3万+

用Rust构建大模型推理引擎:从GGUF加载到OpenAI兼容API

大模型本地推理是AI工程落地的关键环节,而推理引擎的性能与可维护性直接影响部署成本和用户体验。Rust凭借内存安全、零成本抽象和强大的并发能力,正成为构建新一代推理引擎的热门选择。本文从推理引擎的核心概念出发,解析GGUF模型格式、量化加载、KV Cache、采样器等关键技术原理,并对比llama.cpp的实现思路,阐述Rust在构建高并发、可嵌入的本地推理服务中的独特优势。内容涵盖架构设计、最小实现骨架、OpenAI兼容接口与服务化部署,并结合批量任务和性能调优实践,帮助工程师在私有化场景下快速搭建稳定的

weixin_33829657的博客 469

DeepSeek-TUI:基于MCP协议的Rust终端编程Agent

MCP(Model Context Protocol)是一种面向大模型工程化应用的上下文通信协议,旨在让AI理解代码在项目中的位置、依赖与变更状态。其核心原理是将文件路径、Git状态、终端历史等元信息结构化注入模型请求,从而突破传统CLI工具缺乏上下文感知的瓶颈。该协议显著提升模型在真实开发场景中的准确性与可执行性,尤其适用于无GUI服务器、CI/CD流水线及嵌入式开发等受限环境。结合Rust构建的高性能运行时与DeepSeek-v4-pro等专业模型深度适配,MCP驱动的终端Agent已逐步成为开发者在命

weixin_30650039的博客 520

Tokio select 入门:并发等待时别忘了取消分支

适合同时等待响应、超时和中断,但要理解取消安全、资源清理和同步阻塞问题。并发等待时别忘了取消分支。异步代码能停下来,也要停得干净。还有一个经验:如果 select 分支超过三个,可以考虑拆成两层。比如外层 select 处理业务和关闭信号,内层 select 处理不同的业务事件。这样每个 select 的语义更聚焦,不容易漏掉清理分支,也方便单独给每个 select 写测试。最后,select 的 macro 展开后代码不短,如果编译错误指向宏,可以用。

no1coder的博客 4656

Hermes大模型网关:Rust+Docker构建的生产级AI中间件

大模型网关是连接LLM、工具、用户与业务系统的AI中间件,核心在于协议转换、智能路由与状态协调。其技术原理涵盖高并发调度(如tokio协程)、容器化交付(Docker镜像契约)与四层解耦架构(接入层/调度层/工具层/模型层),显著提升AI服务的稳定性、安全性和可维护性。相比Python轻量框架,Rust实现的零成本抽象与内存安全带来更高QPS与更低P99延迟,而Docker封装则保障跨平台一致性与升级原子性。典型应用场景包括Telegram机器人自动化、多平台消息路由、RAG增强对话及Cron驱动的数字员工

weixin_33739523的博客 464

大模型部署实战:截断、延迟与流式输出优化指南

在人工智能工程实践中,模型推理性能是衡量服务可用性的核心指标。其原理涉及自回归生成机制,即模型基于历史token序列预测下一个输出,这一过程直接决定了响应速度与资源消耗。从技术价值看,优化推理性能不仅能提升用户体验,更是控制计算成本、实现服务规模化的关键。在智能客服、内容创作、实时翻译等应用场景中,用户对响应速度和交互流畅度有极高要求。本文聚焦于大模型部署中的三个关键工程参数:截断(Truncation)通过控制生成长度平衡效果与成本;延迟(Latency)拆解为TTFT(首token时间)与TPUT(吞吐

weixin_30780649的博客 407

医疗人工智能的Harness Engineering:面向安全、可控与合规的大模型系统工程(四)

医疗人工智能的Harness Engineering:面向安全、可控与合规的大模型系统工程(四)

AllenLV的博客 836

从零构建智能ai语音助手:ESP32s3+Python+大语言模型实战指南

本文详细介绍了基于ESP32S3硬件和Python后端的智能语音助手系统开发指南。系统采用ESP32S3采集语音,通过WebSocket实时传输到Python后端处理,利用大语言模型实现自然语言理解和意图识别,再通过TTS合成语音返回。文章从系统架构、工作流程、技术实现(包括OPUS编码、WebSocket通信、ESP32音频处理)等方面进行了详细讲解,并提供了分阶段学习路线和常见问题解决方案。该项目展示了物联网技术与AI技术的融合应用,相比传统语音系统具有更高的灵活性和智能性,为开发者提供了完整的实现方案

Despacito0o的博客 2631

VibeVoice Pro实战教程:VibeVoice Pro接入Rust后端服务流式语音接口

本文介绍了如何在星图GPU平台上自动化部署VibeVoice Pro:零延迟流式音频引擎镜像,实现低延迟语音合成服务。通过Rust后端直连其WebSocket流式接口,可支撑数字人直播、AI客服等实时语音交互场景,首帧延迟低于300ms,显著提升人机对话自然度与响应效率。

weixin_42587866的博客 236

FastAPI + LLM 实战:5分钟搞定本地模型API服务部署(含避坑指南)

本文详细介绍了如何使用FastAPI和LLM(大语言模型)快速部署本地API服务,涵盖环境准备、模型集成、性能优化及避坑指南。通过实战示例,帮助开发者在5分钟内完成从零到生产的部署过程,提升AI应用开发效率。

weixin_29062963的博客 108

流式输出(Streaming)原理与踩坑实战:从底层SSE到FastAPI+LangChain全链路复盘

第一,前端完全收不到流数据。遇到这类格式混乱的情况,不要盲目猜报文结构,最万能的调试方法就是直接打印原始二进制数据流,借助Python内置repr函数,把隐藏的空格、换行符全部可视化,一眼就能看出格式差异,大幅节约排错时间。所以我结合自己近期项目实战经历,从头梳理一遍流式输出完整底层逻辑,全程用连贯白话讲解,遇到专业术语我会随文通俗解释,不用来回翻附录查表,零基础后端、刚接触大模型对接的开发都能一口气看懂,同时把线上真实踩过的坑全部整合进来,看完这篇文章,日常99%的流式对接问题都能自主定位解决。

zjbch_com的博客 292

libnice和coturn这两个库有交叉实现的地方,具体有啥区别?

TurnAdmin:是一个TURN的管理工具,此工具能被用来管理用户账号的增删改查。 TurnServer:是TURN和STUN的服务器实现。 Turnutils_uclient: 模拟多个UDP、TCP、TLS或DTLS客户端 Turnutils_peer: 一个简单的无状态UDP-ECHO服务器,用作中继模式中的最终服务器 Turnutils_stunclient: 一个简单的STUN客户端例子 Turnutils_rfc5769check: 检查STUN/TURN协议实现的正确性。 我们..

Langeldep的专栏 1321

IDM更改下载路径的详细指南

Internet Download Manager(IDM)是一款功能全面的下载加速工具,它支持多种浏览器和协议,能够显著提升下载速度,同时提供断点续传、多线程下载等实用功能。IDM的用户界面简洁明了,操作便捷,使得用户能够轻松管理下载任务。此外,IDM还支持自动分类下载文件、定时下载等高级功能,进一步提升了用户的下载体验。通过本文的介绍,相信用户已经掌握了如何在IDM中更改下载路径的方法。这一功能不仅提升了下载效率和文件管理便捷性,还满足了用户的个性化需求。

nntxthml的博客 1763

一个 Rust Agent 的HarnessEngine完整拆解:从 SSE 流式到自更新,10,800 行源码逐层剖析

「Agent」这个词被滥用了。调一次 LLM 不叫 Agent,调一次工具不叫 Agent。**能循环、能自己决定下一步调什么工具、能把工具结果喂回自己继续推理——这才叫 Agent。** 本文拆解一个用 Rust 写的、编译产物只有 6.3MB 的终端软件工程 Agent `forge`,讲清楚它是如何在不引入 tokio / reqwest / clap / ratatui / anyhow 的前提下,把「流式对话 + 自主工具循环 + tree-sitter 语义理解 + 多文件原子编辑 + 撤销回滚

Agent、AI应用、全栈技术领域探索者,分享实用干货与实战经验。 581

Camera AF和FF

Camera按对焦功能可以分为FF(Fixed Focus)和AF(Auto Focus),即固定对焦和自动对焦。固定对焦顾名思义就是焦距是固定的,而自动对焦可以通过移动镜头位置来改变焦距从而实现自动对焦。以前摄像的功能机大多是固定对焦,现在的手机都带有自动对焦功能。 FF模组包括镜头(Lens),传感器(Sensor),红外滤色器(IR Filter),电路板(PCB),镜头支撑(Lens Holder),连接器(Connector)。 Fig 1. FF Module AF模组包括FF模组,音圈马达(V

Coppa的博客 1万+

解决tRPC流式链接(Stream Link)中断难题:从机制解析到优化实践

在分布式系统中,流式链接(Stream Link)的稳定性直接影响服务质量。当用户操作触发数据持续传输时,网络波动、资源限制或服务异常都可能导致链接中断,不仅影响用户体验,还可能造成数据不一致。本文将深入剖析tRPC框架中流式链接的中断检测、错误处理与恢复机制,并结合源码示例提供可落地的优化方案,帮助开发者构建更健壮的实时通信系统。 ## 流式链接中断的核心挑战 tRPC作为Rust生态的RP...

gitblog_00563的博客 529

零差云控 ZeroErr eRob 电机 CAN、CANopen、EtherCAT、ROS2 机器人开发详细教程

TwinCAT 3(Windows 控制与自动化技术)是 Beckhoff 提供的开发平台,可将任何兼容 PC 转变为实时控制系统,用于管理各种类型的工业自动化系统,如 PLC(可编程逻辑控制器)、运动控制、机器人等。

机器人控制与仿真应用 1万+

双馈风机并网系统宽频振荡机理与抑制方法研究

双馈风机并网系统宽频振荡分析与抑制 摘要:本文研究了双馈风机(DFIG)接入弱电网引发的宽频振荡问题。通过建立DFIG并网系统阻抗模型,分析了锁相环带宽、电流环带宽等参数对阻抗特性的影响。研究揭示了DFIG与电网阻抗交互导致交截频率处相位差超过180°的振荡机理。提出基于锁相环优化的阻抗重塑抑制策略,采用电压补偿和陷波器改善系统稳定性。仿真结果表明,该方法能有效降低相位差约10°-168°,显著抑制宽频振荡。代码实现了阻抗建模、稳定性分析和抑制策略验证,为工程应用提供了理论依据。

huanghm88的专栏 322

国产大模型桌面应用工程实践:Tauri+GLM-5流式对话全链路解析

AI桌面应用正从Web端向本地化、轻量化演进,其核心在于如何将大语言模型能力安全、稳定、低延迟地集成到终端环境。Tauri作为Rust驱动的跨平台框架,凭借进程隔离、本地存储与原生性能优势,成为国产模型落地的理想载体;而GLM-5系列通过Anthropic兼容接口提供标准化流式响应(SSE),显著降低前端适配成本。本文深入拆解从模型映射、SSE事件解析、思考过程渲染到localStorage会话持久化的完整技术链路,覆盖协议对齐、错误降级、弱网容错与Apple公证发布等真实工程挑战,为构建可交付、可维护、可

weixin_30421809的博客 435

ESP32-C3入门教程 环境篇②——Windows开发环境准备

文章目录一、注意事项二、下载ESP-IDF工具安装器三、安装内容四、详细安装步骤报错处理 一、注意事项 请注意 ESP-IDF 和 ESP-IDF 工具的安装路径不能超过 90 个字符,安装路径过长可能会导致构建失败。 Python 或 ESP-IDF 的安装路径中一定不能包含空格或括号。 除非操作系统配置为支持 Unicode UTF-8,否则 Python 或 ESP-IDF 的安装路径中也不能包括特殊字符(非 ASCII 码字符、中文字符) 二、下载ESP-IDF工具安装器 ESP-IDF Win

5247

Fish Speech-1.5开源模型实战:为Rust/Go服务提供gRPC语音合成接口

本文介绍了如何在星图GPU平台上一键自动化部署fish-speech-1.5镜像,快速构建语音合成服务。该镜像支持通过gRPC接口为Rust/Go应用提供高质量的多语言语音合成能力,典型应用于智能语音助手、有声内容生成等场景,显著提升开发效率。

weixin_42584507的博客 749

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf:最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版,包括SDIO 接口的外设,SDIO 接口官方协议等。

Rust+Candle+AWS本地部署大模型实战:32秒启动、412ms首token

大语言模型本地推理是指在自有硬件上直接运行模型,不依赖云端API或Python生态。其核心原理是通过内存映射(mmap)、半精度计算(F16)与确定性运行时,降低加载开销与内存占用。技术价值在于实现低延迟、低成本、高可控的服务部署,尤其适合边缘设备与轻量级SaaS场景。典型应用包括智能终端助手、私有知识库问答及咖啡馆点单系统等真实业务闭环。本文聚焦Rust语言、Candle推理框架与AWS t3.xlarge实例的工程落地,涵盖xshell5连接配置、safetensors模型加载、KV Cache手动管理

weixin_34161032的博客 414

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

Diesel Async流式查询指南:处理大数据集的最佳实践

Diesel Async是一个为Diesel ORM提供异步连接实现的Rust库,它让开发者能够在异步环境中高效处理数据库操作。🚀 特别是对于大数据集处理,Diesel Async的流式查询功能提供了终极解决方案,帮助开发者避免内存溢出并提升应用性能。 ## 🔍 什么是Diesel Async流式查询? 流式查询是Diesel Async提供的核心功能之一,它允许你在数据从数据库传输的同时

gitblog_00221的博客 769

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

上一篇: Cargo feature 管理:AI 工具不要默认打开所有能力
下一篇: WebAssembly 与 Rust 字符串传递:跨边界之前先想清内存所有权
第一程序员
博客等级 码龄1年 1万+粉丝 1822原创
评论 6
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值