NonSteamLaunchers项目v4.0.1版本发布:新增三大游戏平台支持
项目概述
NonSteamLaunchers是一个旨在帮助Steam Deck用户整合非Steam游戏平台的工具项目。通过这个项目,玩家可以在Steam Deck上方便地安装和管理多个第三方游戏平台,并将这些平台的游戏整合到Steam界面中,实现统一的游戏库管理体验。
v4.0.1版本主要更新内容
新增三大游戏平台支持
本次4.0.1版本更新为NonSteamLaunchers带来了三个新的游戏平台支持:
-
Game Jolt Client:一个专注于独立游戏的数字发行平台,为玩家提供了大量优秀的独立游戏作品。开发团队表示未来还将为该平台添加游戏扫描功能。
-
Artix Game Launcher:虽然体积小巧,但功能完善,运行稳定。这是一个轻量级的游戏启动器,适合那些追求简洁体验的用户。
-
ARC Launcher:目前需要用户手动输入进行安装配置,开发团队正在优化这一流程,未来版本可能会实现自动化安装。
桌面版与插件版功能区分
项目现在提供了两种不同的.desktop文件,以满足不同用户的需求:
-
桌面版本(NonSteamLaunchers.desktop):包含完整的安装功能,可选择安装最新版本的NSL Decky Loader插件。
-
插件版本(NSLPlugin.desktop):专为已安装Decky Loader的用户设计,可直接在桌面模式下进行插件安装和更新,无需进入游戏模式。
Windows平台支持优化
对于Windows用户,项目提供了专门的安装流程:
-
首先运行NSLPluginWindows.exe,该程序会创建Decky Loader所需的cef调试文件。
-
然后可选择运行No_console.exe或Plugin Loader.exe来启动插件。
-
进入游戏模式或大屏幕模式后,即可看到Decky Loader插件和NonSteamLaunchers功能。
需要注意的是,Windows版本目前仅支持游戏扫描功能,其他功能暂不可用。用户可以选择自动扫描或手动扫描游戏库。
技术实现亮点
-
跨平台兼容性:项目同时支持Linux和Windows系统,特别是对Steam Deck的深度优化。
-
自动化整合:能够自动为非Steam游戏添加精美的封面艺术,并正确格式化游戏信息。
-
模块化设计:通过插件系统实现功能扩展,方便添加新的游戏平台支持。
使用建议
对于Steam Deck用户,建议根据是否已安装Decky Loader选择合适的.desktop文件。如果追求完整功能体验,推荐使用桌面版本;如果只需要插件更新,插件版本更为便捷。
对于Windows用户,虽然功能有限,但游戏扫描和整合功能已经可以大大提升游戏库管理效率。期待未来版本能带来更完整的Windows支持。
未来展望
从更新日志可以看出,开发团队正在积极扩展支持的游戏平台数量,同时优化现有功能的用户体验。特别是对ARC Launcher手动安装流程的改进承诺,显示了团队对用户体验的重视。随着项目的持续发展,NonSteamLaunchers有望成为Steam Deck玩家不可或缺的游戏管理工具。
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 StartedRust098- 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
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
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