新闻详情

新闻详情

首页 / 资讯中心 / 详情

G-Helper:一个EXE替代华硕奥创的轻量笔记本控制工具

发布时间:2026/11/22 16:00:36来源:尧图网络
G-Helper:一个EXE替代华硕奥创的轻量笔记本控制工具
G-Helper一个EXE替代华硕奥创的轻量笔记本控制工具【免费下载链接】g-helperLightweight Armoury Crate alternative for Asus laptops with nearly the same functionality. Works with ROG Zephyrus, Flow, TUF, Strix, Scar, ProArt, Vivobook, Zenbook, Expertbook, ROG Ally, and more.项目地址: https://gitcode.com/GitHub_Trending/gh/g-helperG-Helper 是一款开源的 Armoury Crate华硕官方控制套件替代工具单个 EXE 文件直接运行提供性能模式切换、风扇曲线编辑、电池充电上限与 Anime Matrix 光显控制不安装服务、不驻留后台配置全部保存在本地。为什么换它华硕官方控制套件 Armoury Crate 体积大、功能多且常驻后台不少用户只想改风扇或设充电上限却要为整套组件买单。G-Helper 把这几件最常用的事收进一个免安装的 EXE用和官方工具相同的系统接口读写 BIOS 预设行为一致但界面只留你真正会碰的选项。三分钟上手环境要求不高Windows 10 及以上x64。最短路径是直接从 Releases 下载单文件版运行即可想自己构建的话克隆代码后在app/目录执行dotnet publish -c Release需 .NET 10 SDK工程目标框架为net10.0-windows。git clone https://gitcode.com/GitHub_Trending/gh/g-helper构建产物在bin/x64/Release下。首次启动主界面直接给出全部入口性能模式、显卡模式、屏幕刷新率、Anime Matrix 区域、电池充电上限滑杆以及底部的开机自启开关和版本号。核心玩法 把风扇调到不吵主窗口 Performance Mode 区域点 Fans Power会弹出风扇与功耗窗口也可按CtrlShiftF12唤起主窗口FnF5/FnShiftF5向前/向后循环性能模式。窗口左侧是 PPT 功耗区Total平台总功耗与 CPU 两条滑杆右侧是 CPU、GPU 两条转速-温度曲线拖拽温度点即可改 RPM改完点 Apply Fan Curve 生效底部 Factory Defaults 一键恢复出厂曲线。窗口右上角实时显示 CPU/GPU 温度与风扇占空比调完立刻能看到效果。建议游戏时选 Turbo 模式、PPT 维持出厂 Total 135W 的设定日常办公则退回 Balanced 或 Silent曲线在低负载段压低转速即可显著降低噪音。 让光显自己说话如果你的机器带 C 面光显矩阵幻系列或 Slash 灯条TUF 机型主窗口 Anime Matrix 区域有两个下拉框分别选效果模式和内容类型Picture / Gif图片从本地指定即可。勾选 Turn off on battery 可在电池供电时自动关灯省电亮度用FnShiftF7/F8调节。光显上可以循环 GIF 动画、显示时钟或跟随系统音频做可视化波形。 把电省下来主窗口 GPU Mode 区域有四个按钮Eco 只开核显Standard 双显同开、核显驱动内屏Ultimate 独显直连dGPU 直接驱动内屏省去转显开销仅 2022 年及以后机型支持Optimized 在电池供电时自动禁用独显、插电后恢复是续航与性能的折中档。也可用CtrlShiftAltF14/F15快捷切入 Eco / StandardCtrlShiftAltF13切换屏幕刷新率Laptop Screen 区域可选 Auto / 60Hz / 120HzOD。另外游戏内叠加层用CtrlShiftAltO开关仅支持 DX10 游戏且独占全屏下不显示——把游戏设为窗口化或无边框全屏即可看到。先知道这些再上手它不解锁性能G-Helper 只是调用 BIOS 里的厂商预设和 Armoury Crate 用同一个模式时行为完全一样别指望超出官方上限。Ultimate 按钮灰着不是 bug独显直连只有 2022 年及以后的机型支持老机器看不到该选项属正常现象。PPT 功耗是实验功能界面自带 Use carefully and on your own risk 提示没有高负载需求不要超过出厂 135W。叠加层不见了就改游戏显示模式独占全屏不显示叠加层窗口化或无边框全屏才可见。它不碰驱动和固件所有配置保存在本地不向网络传输任何信息隐私上可以放心。延伸与源码G-Helper 用单个 EXE 覆盖了奥创最常用的场景对 ROG 笔记本是直接的替代品对 ROG Ally 掌机则额外提供按键绑定与亮度控制。更多细节见 中文文档核心逻辑在 app/ 目录Anime Matrix 通信与显示在 app/AnimeMatrix/协议为 GPL v3见 LICENSE。【免费下载链接】g-helperLightweight Armoury Crate alternative for Asus laptops with nearly the same functionality. Works with ROG Zephyrus, Flow, TUF, Strix, Scar, ProArt, Vivobook, Zenbook, Expertbook, ROG Ally, and more.项目地址: https://gitcode.com/GitHub_Trending/gh/g-helper创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/21 14:14:45

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/21 14:14:26

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/21 21:08:55

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/22 1:51:41

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/21 19:02:25

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/21 14:13:11

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉