终极指南:Steam Deck Tools 让 Windows 掌机体验飙升的 4 大核心功能
Steam Deck Tools 是一款专为 Windows 系统打造的开源工具集,集成了风扇控制、性能监控、电源管理和手柄适配四大核心功能,完美解决 Steam Deck 在 Windows 环境下的硬件优化难题。无论是新手玩家还是进阶用户,都能通过这套工具轻松解锁掌机的全部性能潜力,让游戏体验更流畅、更舒适!
🚀 为什么选择 Steam Deck Tools?
作为一款从 SteamOS 移植而来的工具套件,Steam Deck Tools 填补了 Windows 系统对 Steam Deck 硬件支持的空白。它不仅提供了 一键式性能调节,还能通过直观的界面监控设备状态,让你在 Windows 系统中也能享受到与 SteamOS 同等的掌机体验。
🔧 核心功能一:智能风扇控制,告别过热烦恼
Fan Control 模块复刻了 SteamOS 原生的风扇调节逻辑,通过精准控制转速平衡散热与噪音。它支持三种模式:
- 默认模式:由设备 EC 芯片自动管理
- SteamOS 模式:还原 SteamOS 的温度曲线算法
- 全速模式:极限散热保障(适合高负载游戏)

图:Fan Control 主界面,可实时监控温度并切换调节模式
使用提示:运行时需管理员权限以读取传感器数据,建议日常使用选择「SteamOS 模式」,兼顾散热效率与静音体验。
📊 核心功能二:性能悬浮窗,游戏状态一目了然
Performance Overlay 需配合 Rivatuner Statistics Server 使用,提供五种数据展示模式:
- FPS 模式:仅显示帧率
- FPS+电池模式:帧率+剩余电量
- 极简模式:核心数据精简展示
- 详细模式:CPU/GPU 占用率、温度等全参数
- 全屏模式:沉浸式数据布局
通过 Shift+F11 快捷键快速呼出,助你实时掌握设备性能瓶颈!
🔋 核心功能三:电源管理大师,续航与性能自由切换
Power Control 模块让你轻松调节硬件参数,平衡续航与性能:
- TDP 限制:按需调整 CPU 功耗
- 刷新率切换:支持自定义屏幕刷新率
- 分辨率调节:快速切换游戏分辨率(需开启实验性功能)
- 风扇联动:与 Fan Control 深度整合,智能温控

图:Power Control 快捷调节界面,支持手柄按键操作
实用快捷键:
- 长按「三点键」+ 音量键调节亮度
- 「三点键 + L4 + R4 + L5 + R5」一键重置性能参数
🎮 核心功能四:手柄完美适配,告别驱动烦恼
Steam Controller 模块替代传统的 SWICD/Glossi 驱动,提供三种操作模式:
- 桌面模式:模拟鼠标键盘操作
- X360 模拟模式:支持震动反馈,自动适配 Playnite 全屏
- Steam 模式:无缝对接 Steam 大屏模式与游戏
注意:使用前需卸载 SWICD、Glossi 等冲突软件,并安装 ViGEmBus 驱动。
📦 快速上手指南
-
克隆仓库
git clone https://gitcode.com/gh_mirrors/st/steam-deck-tools -
编译运行
打开SteamDeckTools.sln解决方案(需 Visual Studio),编译后即可运行各模块。 -
模块路径参考
- 风扇控制源码:FanControl/
- 电源管理模块:PowerControl/
- 官方文档:docs/
⚠️ 风险提示
- 风扇控制和超频功能可能影响硬件保修
- 修改电源参数前建议备份默认配置
- 手柄模式切换可能需要重启游戏生效
通过 Steam Deck Tools,你可以彻底释放 Steam Deck 在 Windows 系统下的硬件潜力。无论是追求极限帧率的硬核玩家,还是注重续航的轻度用户,这套工具都能满足你的个性化需求。立即体验,让掌机游戏体验再升级!
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 StartedRust0197
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0126
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07

