NxNandManager 使用教程
1. 项目介绍
NxNandManager 是一个用于管理 Nintendo Switch NAND 的开源工具。它支持多种操作,包括备份、恢复、挂载、调整大小、创建 emuNAND 等。NxNandManager 主要面向 Windows 平台,提供了图形用户界面(GUI)和命令行界面(CLI)两种操作方式。
主要功能
- 备份和恢复:支持备份和恢复 Nintendo Switch 的 NAND,包括系统分区、用户分区等。
- 加密和解密:支持对加密分区进行加密和解密操作。
- 调整大小:支持调整 NAND 的大小,特别是用户分区。
- 创建 emuNAND:支持从 NAND 镜像创建 emuNAND。
- 挂载分区:支持将 FAT 分区挂载为虚拟磁盘。
2. 项目快速启动
2.1 安装
首先,克隆项目到本地:
git clone https://github.com/eliboa/NxNandManager.git
cd NxNandManager
2.2 编译
NxNandManager 使用 MinGW 进行编译。确保你已经安装了 MinGW 和 OpenSSL。
make
2.3 运行
编译完成后,可以直接运行生成的可执行文件:
./NxNandManager.exe
2.4 使用示例
以下是一个简单的备份操作示例:
./NxNandManager.exe -i \\.\PhysicalDrive3 -o "C:\Users\Public\NAND dump\rawnand.bin"
这个命令将从物理驱动器 \\.\PhysicalDrive3 备份 NAND 到 C:\Users\Public\NAND dump\rawnand.bin 文件中。
3. 应用案例和最佳实践
3.1 备份和恢复
在更新系统或进行其他操作之前,建议先备份 NAND。备份完成后,如果出现问题,可以通过恢复操作将系统恢复到备份时的状态。
3.2 创建 emuNAND
emuNAND 是一个虚拟的 NAND,可以在不影响真实 NAND 的情况下进行各种实验。创建 emuNAND 的步骤如下:
- 备份当前的 NAND。
- 使用备份文件创建 emuNAND。
- 在 emuNAND 中进行各种操作,避免对真实 NAND 造成影响。
3.3 调整分区大小
如果用户分区的空间不足,可以使用 NxNandManager 调整分区大小。调整分区大小时,建议先备份数据,以防数据丢失。
4. 典型生态项目
4.1 Hekate
Hekate 是一个用于启动 Nintendo Switch 的工具,支持多种启动模式,包括从 emuNAND 启动。NxNandManager 可以与 Hekate 配合使用,实现更复杂的系统管理。
4.2 TegraRcmGUI
TegraRcmGUI 是一个用于进入 RCM 模式的工具,可以与 NxNandManager 配合使用,实现对 NAND 的挂载和操作。
4.3 biskeydump
biskeydump 是一个用于提取 Nintendo Switch 的 BIS 密钥的工具。NxNandManager 可以使用这些密钥进行加密和解密操作。
通过以上模块的介绍,你应该已经对 NxNandManager 有了基本的了解,并能够进行简单的操作。希望这篇教程对你有所帮助!
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 StartedRust0126- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniCPM-V-4.6这是 MiniCPM-V 系列有史以来效率与性能平衡最佳的模型。它以仅 1.3B 的参数规模,实现了性能与效率的双重突破,在全球同尺寸模型中登顶,全面超越了阿里 Qwen3.5-0.8B 与谷歌 Gemma4-E2B-it。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00