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。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C051
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0129
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