NonSteamLaunchers项目在Bazzite系统上的安装问题分析与解决方案
问题背景
NonSteamLaunchers(简称NSL)是一个旨在让用户在Steam Deck等设备上运行非Steam游戏启动器的工具项目。近期,部分用户在Bazzite系统(一个基于Fedora的Linux发行版)上安装NSL时遇到了启动器快捷方式无法正确添加的问题。
问题现象
用户报告的主要症状包括:
- 通过Decky插件安装启动器时,安装过程完成得非常快
- 程序提示安装成功,但没有显示快捷方式创建成功的消息
- 在Steam游戏库中找不到任何新添加的非Steam游戏启动器
根本原因分析
通过检查日志文件,技术人员发现了几个关键问题点:
-
环境变量文件缺失:系统缺少
/home/bazzite/.config/systemd/user/env_vars文件,导致NSL无法正确读取和设置必要的环境变量。 -
路径解析异常:Bazzite系统使用了不同于标准SteamOS的目录结构,特别是
/home/deck被符号链接到/home/bazzite,而NSL的原始代码没有完全适配这种特殊路径配置。 -
首次运行依赖:在某些情况下,用户需要先通过命令行方式安装至少一个启动器,才能建立必要的环境变量和系统服务文件,之后才能在Decky插件中正常使用。
解决方案
临时解决方案
对于遇到此问题的用户,可以尝试以下步骤:
-
打开终端,导航到NSL安装目录:
cd ~/homebrew/plugins/NonSteamLaunchers/ -
使用命令行方式安装一个启动器(如Epic Games):
./NonSteamLaunchers.sh -- "Epic Games" -
等待安装完成后,重启系统进入游戏模式
-
此时再通过Decky插件安装其他启动器应该就能正常工作了
长期解决方案
项目维护者已经意识到这些问题,并计划进行以下改进:
-
增强路径兼容性:改进代码以更好地适应Bazzite等非标准SteamOS系统的目录结构
-
完善环境变量处理:增加对缺失环境变量文件的自动创建功能
-
优化首次运行体验:确保用户无论通过何种方式首次安装都能正确建立所有必要的系统文件和配置
技术细节
深入分析日志后,技术人员发现了几个关键错误:
-
当尝试添加自定义网站快捷方式时,系统因无法找到环境变量文件而抛出异常:
AttributeError: 'NoneType' object has no attribute 'get' -
安装启动器时,脚本返回了错误代码127,表明命令可能无法正确执行
-
自动扫描功能因缺少必要的配置文件而无法正常工作
用户建议
对于使用Bazzite系统的用户,建议:
-
如果遇到安装问题,首先尝试通过命令行方式进行首次安装
-
关注项目更新,及时获取修复此问题的版本
-
安装完成后,可以通过检查以下目录确认安装是否成功:
~/.config/systemd/user/- 应包含NSL相关的服务文件~/Downloads/- 可能包含安装日志文件
-
如果问题持续存在,可以提供详细的日志信息给开发者以便进一步诊断
总结
NonSteamLaunchers项目在Bazzite系统上的安装问题主要源于系统路径差异和环境变量处理逻辑的不完善。通过命令行方式进行首次安装是目前可行的解决方案,而项目维护者正在努力改进代码以提供更好的兼容性。对于Linux游戏玩家来说,理解这些系统级差异和解决方案有助于更好地在各种定制系统上享受游戏体验。
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