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。
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