Linear SDK 40.0.0版本发布:重大变更与功能增强分析
Linear是一款现代的项目管理和问题跟踪工具,以其简洁高效的界面和强大的API著称。Linear SDK是与Linear平台交互的官方JavaScript库,为开发者提供了便捷的集成方式。最新发布的40.0.0版本带来了一系列重大变更和功能增强,值得开发者关注。
重大变更解析
本次更新包含了多个破坏性变更,主要涉及API字段的移除和类型修改:
-
ArchiveResponse.includesDependencies字段类型从Boolean!变更为[String!]!,这意味着现在返回的是字符串数组而非简单的布尔值。
-
Comment.summaryText字段被移除,评论对象不再包含摘要文本属性。
-
Post.project字段被移除,帖子对象不再直接关联项目。
-
搜索相关API移除了snippetSize参数,包括Query.searchDocuments、Query.searchIssues和Query.searchProjects。
-
UserAuthorizedApplication.appUserEnabled字段被移除,授权应用对象不再包含此属性。
这些变更需要开发者检查现有代码并进行相应调整,特别是那些依赖被移除字段或参数的功能。
新增功能与改进
数据过滤与视图增强
-
新增了FeedItemFilter类型和相关输入字段,允许更精细地控制自定义视图中的内容过滤。
-
项目标签系统得到扩展,新增了ProjectLabel类型及相关查询和操作接口,支持更灵活的项目分类管理。
-
新增了GoogleSheetsExportSettings类型,增强了与Google Sheets的集成能力。
时间追踪与分析
-
引入了Duration类型和NullableDurationComparator,为时间相关的比较操作提供了更好的支持。
-
问题过滤器中新增了多个时间相关字段(ageTime、cycleTime、leadTime、triageTime),支持更精细的工作流分析。
客户管理增强
-
客户对象新增mainSourceId字段,支持追踪客户主要来源。
-
邮件接收地址新增customerRequestsEnabled和repliesEnabled配置选项,提供更灵活的客户沟通设置。
弃用功能
本次更新标记了多个与Roadmap(路线图)相关的API为弃用状态,包括roadmapArchive、roadmapCreate、roadmapDelete等操作。Linear建议开发者转向使用Initiative(计划)相关API替代。这些弃用的API目前仍可工作,但未来版本可能会移除。
其他改进
-
评论系统新增threadSummary字段,支持线程摘要功能。
-
问题对象新增suggestionsGeneratedAt字段,记录建议生成时间。
-
组织设置新增aiAddonEnabled选项,支持AI附加功能。
-
团队设置新增aiThreadSummariesEnabled和productIntelligenceScope选项,增强团队级智能功能配置。
升级建议
对于使用Linear SDK的开发者,升级到40.0.0版本需要注意以下几点:
-
检查代码中是否使用了被移除的字段或参数,进行相应调整。
-
评估是否使用了被标记为弃用的Roadmap相关API,考虑迁移到Initiative替代方案。
-
利用新增的项目标签功能改进项目分类管理。
-
考虑使用新的时间追踪字段优化工作流分析。
-
测试邮件接收和客户管理相关的新功能,提升客户沟通体验。
Linear SDK 40.0.0版本通过引入这些变更和改进,为开发者提供了更强大、更灵活的平台集成能力,同时也为未来的功能扩展奠定了基础。
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