NonSteamLaunchers项目v3.9.9版本技术解析
NonSteamLaunchers是一个旨在让Steam Deck和Linux桌面用户能够方便地安装和管理非Steam游戏平台的工具项目。它通过创建兼容的快捷方式,让用户可以在SteamOS环境下运行Epic Games、Battle.net、Origin等其他游戏平台。最新发布的v3.9.9版本带来了多项重要改进,特别是在桌面版和Decky插件版本上的功能增强。
Unreal Engine支持特性
这个版本的一个不太为人所知但非常有价值的功能是支持通过Epic Games Launcher安装Unreal Engine。用户现在可以直接在NonSteamLaunchers环境中安装和使用Unreal Engine,为游戏开发者提供了在Steam Deck上创建Windows和Linux游戏的便利工具。这一功能扩展了项目的使用场景,使其不仅服务于游戏玩家,也能满足游戏开发者的需求。
桌面版功能增强
跨发行版兼容性改进
开发团队开始着手改善对不同Linux发行版的兼容性。新版增加了bash脚本的依赖检查功能,确保在不同发行版上运行时能明确提示所需的依赖项,如Zenity、Steam、curl、wget等基础工具。虽然目前覆盖的依赖检查还比较基础,但这标志着项目向更好的跨平台兼容性迈出了重要一步。
UMU快捷方式修复
修复了UMU(Universal Menu Utility)快捷方式构建不正确的问题。之前的版本中,UMU快捷方式会错误地添加兼容性工具和额外命令。现在这一问题已得到解决,建议用户删除旧的UMU快捷方式并让NonSteamLaunchers重新创建它们。
桌面通知系统
新增了带图标的桌面通知功能,当有任何内容被添加到Steam时会立即显示通知。这一改进大大提升了用户体验,让用户能即时了解添加状态,而不需要手动检查。
扫描器功能扩展
- 新增对HoYoPlay游戏的扫描支持,处理方式类似于Battle.net平台
- 新增对VK Play游戏的初步扫描支持(仍在完善中)
插件更新逻辑优化
修复了桌面版中插件更新器的一些逻辑问题,现在它能更准确地判断何时需要更新或安装Decky插件版本,减少了不必要的更新提示。
Decky插件版改进
界面重组与状态指示
重新组织了插件界面,现在能直观显示已安装的启动器状态(通过红绿灯颜色标识)。同时采用了分页设计,避免了随着启动器和流媒体网站数量增加导致的列表过长问题。
新平台支持
- 新增VK Play平台支持及其游戏扫描功能(仍在优化中)
- 新增HoYoPlay游戏扫描功能,为《原神》和《绝区零》等游戏创建独立快捷方式
UMU快捷方式修复
与桌面版相同,修复了UMU快捷方式构建问题,建议用户删除旧快捷方式后重新扫描生成。
插件更新逻辑优化
改进了NSLPlugin.desktop文件的逻辑,使其能更可靠地完成更新操作。如果遇到更新问题,用户可以通过删除并重新安装插件来解决。
安装与使用说明
项目现在提供两个.desktop文件:
- NonSteamLaunchers.desktop - 完整桌面版,包含安装Decky插件的选项
- NSLPlugin.desktop - 专为已安装Decky Loader的用户提供的插件版
对于Windows用户,安装流程稍有不同:
- 首先运行NSLPluginWindows.exe,它会创建必要的cef调试文件
- 然后运行No_console.exe或Plugin Loader.exe
- 进入游戏模式或大屏幕模式使用插件功能
Windows版本目前仅支持游戏扫描功能,会自动为所有非Steam游戏添加带封面的正确格式化快捷方式。
技术展望
v3.9.9版本展示了NonSteamLaunchers项目正在向更稳定、更用户友好的方向发展。特别是对多种游戏平台扫描支持的持续改进,以及对不同Linux发行版兼容性的关注,都表明项目团队致力于提供更全面的解决方案。未来版本可能会进一步完善VK Play等新平台的支持,并可能增加更多针对开发者的功能。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00