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。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00