NonSteamLaunchers项目v4.1.4版本更新解析
项目概述
NonSteamLaunchers是一个旨在为Steam Deck用户提供便捷安装和管理非Steam游戏平台的工具项目。通过该项目,用户可以轻松地在Steam Deck上安装如Epic Games、Origin、Ubisoft Connect等第三方游戏平台,并将这些平台的游戏整合到Steam的游戏库中,实现统一管理。
v4.1.4版本核心更新
UMU兼容层重构
本次更新对UMU(Universal Management Utility)兼容层进行了全面重构。UMU是项目中的关键组件,负责处理非Steam游戏在Steam Deck上的兼容性问题。重构后的UMU带来了以下改进:
-
兼容性工具更新机制:用户现在可以通过"Update GE/UMU"按钮一键更新兼容工具,系统会自动创建新的快捷方式。
-
桌面版与插件版重复问题修复:解决了之前版本中存在的桌面模式与插件模式下游戏条目重复显示的问题。
-
米哈游游戏独立运行支持:《崩坏:星穹铁道》和《原神》现在可以脱离官方启动器独立运行,系统会为它们创建单独的快捷方式。
-
脚本稳定性增强:修复了多处可能导致脚本暂停执行的bug,提升了整体稳定性。
流媒体服务增强
新增了对Better xCloud的支持,这是一个优化微软xCloud游戏流媒体服务的工具。用户可以通过Chrome浏览器安装并使用该功能,获得更好的云游戏体验。
版本部署指南
桌面模式部署
项目提供了两个.desktop文件供用户选择:
-
NonSteamLaunchers.desktop:完整桌面版本,包含安装最新NSL Decky Loader插件的选项。
-
NSLPlugin.desktop:专为已安装Decky Loader的用户设计,可直接安装/更新插件而无需进入桌面模式。
Windows环境部署
对于希望在Windows环境下使用该项目的用户,提供了专门的部署方案:
-
首先运行NSLPluginWindows.exe,该程序会自动创建必要的cef调试文件。
-
随后可选择运行No_console.exe或Plugin Loader.exe来启动服务。
-
进入游戏模式或大屏模式后即可看到Decky Loader插件和NonSteamLaunchers功能。
需要注意的是,Windows环境下目前仅支持游戏扫描功能,其他高级功能暂不可用。
技术实现亮点
-
兼容层优化:新版本的UMU采用了更智能的兼容性检测机制,能够根据不同游戏平台自动选择最优的Proton或Wine版本。
-
游戏管理架构:重构后的游戏条目管理系统采用去中心化设计,每个游戏平台和独立游戏都有自己独立的配置空间,避免了配置冲突。
-
跨平台支持:通过精心设计的抽象层,项目现在能够同时在Linux(SteamOS)和Windows环境下运行,为不同平台的用户提供一致的使用体验。
使用建议
-
对于首次安装的用户,建议先使用桌面版本熟悉基本功能,再根据需要决定是否安装插件版本。
-
更新后建议删除旧的游戏快捷方式,让系统重新生成基于新UMU的快捷方式。
-
对于米哈游游戏玩家,可以尝试新的独立运行模式,可能会获得更好的性能和稳定性。
-
Windows用户在使用时应注意目前功能限制,主要依赖自动扫描功能来管理游戏库。
这个版本标志着NonSteamLaunchers项目在兼容性管理和跨平台支持方面迈出了重要一步,为Steam Deck用户提供了更加完善的非Steam游戏管理解决方案。
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