RomM游戏库管理系统3.10.0-beta版本发布:新增复古成就系统与多项优化
RomM是一款开源的跨平台游戏库管理系统,它能够帮助游戏爱好者高效地组织、管理和游玩各类游戏ROM。作为一个现代化的游戏库解决方案,RomM提供了游戏元数据管理、多平台支持、云同步等核心功能,特别适合复古游戏爱好者和模拟器用户使用。
本次发布的3.10.0-beta版本带来了多项重要更新,其中最引人注目的是新增的Retroachievements(复古成就系统)集成功能,让用户在游玩经典游戏时也能获得现代游戏般的成就体验。此外,该版本还包含了多项用户体验改进、性能优化和安全增强。
Retroachievements复古成就系统集成
Retroachievements是一个为复古游戏设计的成就系统,类似于现代游戏平台上的成就/奖杯系统。RomM 3.10.0-beta版本深度集成了这一功能,为经典游戏注入了新的活力。
要启用这一功能,用户需要:
- 在环境变量中添加RETROACHIEVEMENTS_API_KEY
- 对目标平台执行部分扫描以匹配Retroachievements数据
- 在个人资料设置中添加RA用户名并同步
- 在游戏详情页的"个人"标签下即可查看相关成就信息
系统会缓存RA数据库以减少不必要的API调用,缓存刷新周期可通过REFRESH_RETROACHIEVEMENTS_CACHE_DAYS环境变量进行配置。
用户体验增强
游戏筛选功能升级
新增了"仅显示可玩"和"仅显示支持成就"的筛选选项,让用户能快速找到符合特定条件的游戏。同时支持按文件大小排序游戏,方便管理存储空间。
界面交互优化
增加了3D卡片倾斜效果的开关选项,用户可以根据个人喜好调整界面动效。平台分组选项也被添加到抽屉菜单中,提升导航效率。
删除操作改进
在删除对话框中加入"同时排除"选项,避免已删除的游戏在后续扫描中重新出现。
账号与安全功能
密码恢复与邀请注册
新增了密码恢复功能,解决了用户忘记密码时的痛点。同时支持通过邀请链接注册,便于管理员控制用户增长。
OIDC改进
修正了使用OIDC(OpenID Connect)时的用户创建逻辑,提升了第三方认证的可靠性。
性能与稳定性提升
资源管理优化
通过多项措施降低了内存使用量,特别是在处理大型游戏库时表现更为稳定。同时统一了日志系统,便于问题排查。
文件系统重构
重新设计了assets目录结构,特别是针对存档和状态的存储路径进行了调整。这一变更需要用户在升级前备份/romm/assets目录和数据库。
错误处理增强
改进了图像读取失败时的处理逻辑,提升了扫描过程的健壮性。同时修复了iOS设备上的全屏播放问题。
其他改进
新增了服务器统计页面,让管理员能直观了解系统资源使用情况。浏览器标签现在会显示适当的标题,提升了多标签浏览体验。还增加了ROMM_BASE_URL环境变量,确保Docker日志中的链接正确显示。
总结
RomM 3.10.0-beta版本通过引入Retroachievements集成,为复古游戏体验增添了新的维度。配合多项用户体验优化和性能改进,这个版本进一步巩固了RomM作为专业游戏库管理解决方案的地位。对于追求完美游戏库管理的用户来说,这次升级提供了更多个性化选项和更稳定的使用体验。
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