NonSteamLaunchers项目v4.1.2版本发布:新增Chrome书签扫描功能
NonSteamLaunchers是一个旨在帮助用户在Steam Deck上运行非Steam游戏启动器的开源项目。通过该项目,用户可以方便地在Steam Deck上整合和管理来自不同平台的游戏,如Xbox Game Pass和GeForce Now等。最新发布的v4.1.2版本带来了多项实用功能更新,特别是新增了对Chrome书签的扫描支持,大大简化了游戏快捷方式的创建流程。
Chrome书签扫描功能详解
桌面版本功能改进
v4.1.2版本新增了针对Xbox Game Pass游戏和GeForce Now游戏的Chrome书签扫描器。这一功能的引入解决了用户长期以来创建这些平台游戏快捷方式的痛点。
使用方式非常简单:
- 在Chrome浏览器中打开目标游戏页面
- 按下Ctrl+D组合键调出书签添加界面
- 创建书签后点击完成
扫描器会自动将这些书签转换为游戏库中的条目,用户即可享受完整的控制器布局支持,包括自定义布局和社区分享的布局方案。同时,笔记系统的相关信息也会一并保留。
需要注意的是,对于GeForce Now游戏,由于平台默认使用"GeForce Now"作为书签名,用户需要手动修改为实际游戏名称,否则扫描器将无法正确识别。
Decky插件版本优化
桌面版本的功能同样适用于Decky插件版本,但在游戏模式下操作略有不同。考虑到游戏模式下鼠标操作不便,开发团队提供了更便捷的解决方案:
- 通过Steam按钮和右触控板调出鼠标光标
- 或者更推荐的方式是:编辑Xbox Game Pass和GeForce Now的快捷方式设置
- 启用背键功能,将其中一个按键映射为Ctrl+D组合键
这样用户只需按一个按钮即可快速调出书签界面,大大提升了游戏模式下的操作便利性。开发团队还计划发布预设的NSL控制器方案,其中已包含一键调出书签界面的映射设置。
版本文件结构变化
v4.1.2版本对文件结构进行了优化,现在提供两个不同的.desktop文件:
- 桌面版本:NonSteamLaunchers.desktop - 包含安装最新版NSL Decky Loader插件的选项
- 插件版本:NSLPlugin.desktop - 专为已安装Decky Loader的用户提供快速更新途径
Windows平台安装指南
对于Windows用户,v4.1.2版本提供了完整的支持方案:
- 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
- 进入游戏模式或大画面模式即可使用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,用户可以选择自动扫描或手动扫描游戏。所有非Steam游戏都将自动添加并配置正确的封面艺术。
技术实现亮点
从技术角度看,v4.1.2版本的Chrome书签扫描功能实现相当巧妙。它通过解析特定格式的书签数据,自动转换为游戏库条目,同时保留完整的控制器支持框架。这种设计既保持了功能的完整性,又大幅降低了用户操作复杂度。
对于跨平台支持,开发团队采用了不同的实现策略:在Linux环境下直接使用.desktop文件进行插件安装,而在Windows环境下则通过独立的可执行文件配合Decky Loader实现功能。这种差异化的实现方案充分考虑了不同平台的技术特性。
总结
NonSteamLaunchers v4.1.2版本通过引入Chrome书签扫描功能,显著提升了用户创建非Steam游戏快捷方式的便利性。特别是对Xbox Game Pass和GeForce Now平台的支持,解决了长期存在的痛点问题。同时,针对不同使用场景(桌面模式/游戏模式)和不同平台(Linux/Windows)的优化方案,体现了开发团队对用户体验的细致考量。这一更新将进一步巩固NonSteamLaunchers作为Steam Deck多平台游戏管理首选工具的地位。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00