NonSteamLaunchers项目v4.1.5版本发布:桌面与插件双版本优化
NonSteamLaunchers是一个旨在让Steam Deck用户能够方便地安装和管理非Steam游戏平台的工具项目。该项目提供了两种使用方式:桌面版本和Decky插件版本,让用户可以根据自己的使用习惯选择最适合的方案。
桌面版本的核心改进
本次v4.1.5版本对桌面版本进行了多项质量改进和功能增强:
-
通知系统优化:改进了桌面版本的通知机制,现在用户可以更清晰地了解脚本的运行状态和进度。
-
IndieGala游戏扫描支持:新增了对IndieGala客户端的游戏扫描功能,虽然开发者表示这个功能目前还比较基础,但已经能够正常工作。
-
游戏存档备份增强:现在桌面版本会在每次启动时自动使用ludusavi工具备份游戏存档,备份路径为
/home/deck/NSLGameSaves。相比之前只在下载启动器时才进行备份的机制,这大大提高了存档安全性。 -
多发行版兼容性:针对其他Linux发行版做了更多适配工作,提高了跨发行版的兼容性。
-
权限简化:移除了插件安装时的sudo密码要求,简化了安装流程。
Decky插件版本的新特性
插件版本同样获得了多项更新:
-
启动视频功能:现在插件能够自动获取并匹配游戏的启动视频。用户可以通过"随机播放"功能来查看是否有可用的启动视频。需要注意的是,并非所有游戏都有对应的启动视频资源。
-
性能优化:对插件进行了性能调优,提升了运行效率。
-
流媒体站点改进:简化了流媒体站点的使用流程,现在不再需要开启"自动扫描"功能。
双版本使用指南
项目现在提供了两个不同的.desktop文件:
- NonSteamLaunchers.desktop:完整的桌面版本,包含安装最新NSL Decky Loader插件的选项。
- NSLPlugin.desktop:专为已安装Decky Loader的用户设计,可以直接安装/更新插件而无需进入桌面模式。
对于Windows用户,安装流程略有不同:
- 首先运行NSLPluginWindows.exe,这会创建必要的cef调试文件。
- 然后根据需要运行No_console.exe或Plugin Loader.exe。
- 进入游戏模式或大屏幕模式即可使用Decky Loader插件。
技术实现亮点
从技术角度来看,这个版本有几个值得注意的实现:
-
存档备份机制:采用ludusavi作为底层工具,实现了自动化的游戏存档备份,这对游戏进度的保护非常重要。
-
跨平台支持:通过不同的安装包和.desktop文件,实现了对Linux桌面环境和Windows环境的统一支持。
-
权限管理优化:移除sudo依赖不仅提高了易用性,也增强了安全性,避免了不必要的权限提升。
-
启动视频匹配:自动获取游戏启动视频的功能展示了项目对Steam Deck特性的深度集成。
这个版本体现了NonSteamLaunchers项目持续改进的理念,既增强了核心功能,又优化了用户体验,特别是对多平台和多发行版的支持,使得更多用户能够受益于这个工具。
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