NonSteamLaunchers项目v4.1.7版本发布:为Steam Deck带来更多便利功能
NonSteamLaunchers是一个专为Steam Deck设计的开源工具,它能够让用户在SteamOS上方便地安装和使用各种非Steam平台的游戏启动器。通过这个项目,玩家可以轻松地将Epic Games、GOG、Origin等平台的游戏整合到Steam Deck的游戏库中,享受统一的游戏体验。最新发布的v4.1.7版本带来了多项实用功能更新和改进,进一步提升了用户体验。
启动视频自动匹配功能
v4.1.7版本引入了一项颇具创意的功能——为每个游戏快捷方式自动匹配启动视频。当用户添加一个新的游戏快捷方式时,系统会尝试自动查找并下载对应的启动视频。这些视频将在游戏模式或重启Steam Deck时自动播放,为游戏启动过程增添更多沉浸感。
需要注意的是,并非所有游戏都能找到对应的启动视频,但系统会尽可能匹配可用的资源。用户只需确保在游戏模式中启用了"随机播放启动视频"选项即可享受这一功能。目前该功能在《原神》和《ZZZ》等游戏中表现良好,能够自动获取到高质量的启动视频。
桌面版本功能增强
本次更新对桌面版本进行了多项改进:
-
笔记系统路径修复:修复了NonSteamLaunchers中笔记系统路径的问题。现在用户可以通过在笔记开头添加
#nsl标记来创建包含游戏描述、Proton GE和UMU相关信息的笔记。这一功能将随着后续版本更新变得更加完善和易用。 -
分辨率问题修复:解决了在某些非SteamOS发行版上出现的分辨率问题,确保工具在不同Linux发行版上都能正常显示。
-
多显示器支持:增加了对多显示器配置的支持,当使用zenity界面时能够更好地适应不同的显示环境。
-
兼容性增强:添加了对zenity的检测和回退机制,确保在其他Linux发行版上即使zenity出现问题时也能正常显示界面。
Decky插件版本更新
Decky Loader插件版本同样获得了上述所有功能的更新,并特别针对非SteamOS发行版进行了优化。经过测试,新版本插件在AYANEO等设备上运行良好,扩展了工具的适用范围。
安装与使用说明
新版本提供了两种不同的.desktop文件以适应不同使用场景:
- 桌面版本:NonSteamLaunchers.desktop文件,包含安装最新版NSL Decky Loader插件的选项。
- 插件版本:NSLPlugin.desktop文件,专为已安装Decky Loader的用户设计,可直接在桌面模式下安装或更新插件。
对于Windows用户,安装过程略有不同:
- 首先运行NSLPluginWindows.exe,这将创建必要的cef调试文件。
- 然后根据个人偏好选择运行No_console.exe或Plugin Loader.exe。
- 进入游戏模式或大屏幕模式即可看到Decky Loader插件和NonSteamLaunchers功能。
需要注意的是,Windows版本目前仅支持游戏扫描功能,可以自动或手动扫描游戏库并正确添加所有非Steam游戏及其封面艺术。
技术细节与优化
v4.1.7版本在底层也进行了多项优化:
- 改进了路径处理逻辑,确保在不同环境下都能正确访问所需资源。
- 增强了错误处理机制,提供更稳定的运行体验。
- 优化了资源加载策略,减少不必要的网络请求和磁盘操作。
这些改进使得NonSteamLaunchers在各种使用场景下都更加可靠和高效,无论是原生SteamOS还是其他Linux发行版,甚至是Windows平台,都能提供一致的良好体验。
随着v4.1.7版本的发布,NonSteamLaunchers继续巩固其作为Steam Deck多平台游戏管理首选工具的地位。自动启动视频匹配、跨平台兼容性增强等新功能,加上已有的强大游戏库整合能力,使其成为追求完美游戏体验的Steam Deck用户不可或缺的工具。
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