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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
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