BetterJoy问题诊疗室:解决Switch控制器PC连接的非典型方案
BetterJoy是一款允许任天堂Switch Pro控制器、Joy-Con和SNES控制器与CEMU、Citra、Dolphin、Yuzu等模拟器配合使用,并作为通用XInput设备的工具。本故障排除指南将以问题为导向,通过"问题诊断→解决方案→场景优化"的三段式框架,帮助您解决Switch控制器在PC上的连接问题。
症状:驱动安装失败→病因:组件缺失→处方:驱动急救流程
诊断报告
- 必备组件:ViGEmBus驱动、HIDGuardian组件、主程序文件BetterJoyForCemu.exe
- 系统要求:64位或32位Windows系统
急救流程
📌 1. 获取项目文件:执行git clone https://gitcode.com/gh_mirrors/be/BetterJoy命令克隆仓库
📌 2. 安装虚拟总线驱动:根据系统类型选择Drivers文件夹下的ViGEmBusSetup_x64.msi(64位)或ViGEmBusSetup_x86.msi(32位),双击运行安装程序并按照向导完成安装
⚠️ 3. 安装HIDGuardian组件:找到Drivers/HIDGuardian目录下的HIDGuardian Install (Run as Admin).bat,右键选择"以管理员身份运行"
📌 4. 验证安装结果:打开设备管理器,检查是否出现"Virtual Xbox 360 Controller"设备
症状:控制器无法连接→病因:连接方式错误→处方:设备连接诊疗方案
Pro Controller专业手柄诊疗
📌 1. USB有线连接:使用原装USB-C线缆连接手柄与电脑,等待系统自动识别,打开BetterJoy程序查看连接状态 📌 2. 蓝牙无线连接:长按Pro手柄顶部的配对按钮5秒,在Windows蓝牙设置中搜索"Pro Controller",配对成功后运行BetterJoy验证
Joy-Con手柄诊疗
📌 1. 单侧连接:长按Joy-Con侧面的配对按钮,分别搜索"Joy-Con (L)"和"Joy-Con (R)"进行配对 📌 2. 组合模式:同时连接左右Joy-Con,在BetterJoy界面中点击"Combine Joy-Cons"按钮,验证组合功能
SNES复古手柄诊疗
📌 1. 连接方式:参考Pro Controller的连接步骤 📌 2. 配置验证:BetterJoy会自动识别SNES手柄按钮布局,可直接用于经典游戏模拟器
症状:连接后功能异常→病因:驱动冲突或设置不当→处方:故障解决与性能优化
控制器已连接但无响应
- 右键BetterJoyForCemu.exe,选择"以管理员身份运行"
- 检查Windows Defender是否阻止程序运行
- 重新安装ViGEmBus驱动
陀螺仪功能失效
- 进入CEMU模拟器输入配置菜单
- 设置陀螺仪源为"By mouse"
- 在BetterJoy设置中启用陀螺仪选项
振动反馈异常
- 将振动强度调整为70-80%
- 避免同时连接多个振动设备
- 检查电源管理设置,确保USB端口供电稳定
性能优化建议
- 将BetterJoy目录添加到杀毒软件排除列表
- 优先使用USB 2.0接口连接控制器
- 禁用USB选择性暂停设置
- 当同时使用多个控制器时,在设备管理器中禁用重复的HID设备,为每个控制器分配独立的虚拟XInput设备
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 StartedRust086- 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
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
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
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00
