Zendesk API Client 技术文档
2024-12-26 10:21:28作者:钟日瑜
本文档旨在帮助用户了解和使用 Zendesk API Client,涵盖安装指南、使用说明、API 文档以及安装方式等内容。
1. 安装指南
Zendesk API Client 可以通过 Rubygems 或 Bundler 进行安装。
使用 Rubygems 安装
在终端中运行以下命令:
gem install zendesk_api
使用 Bundler 安装
在项目的 Gemfile 中添加以下内容:
gem "zendesk_api"
然后运行 bundle install 完成安装。
2. 项目的使用说明
配置
在使用 Zendesk API Client 之前,需要进行配置。配置通过一个返回 ZendeskAPI::Client 实例的块来完成。
require 'zendesk_api'
client = ZendeskAPI::Client.new do |config|
# 必填项:
config.url = "<- your-zendesk-url ->" # 例如:https://yoursubdomain.zendesk.com/api/v2
config.username = "login.email@zendesk.com"
# 选择以下一种认证方式:
config.token = "your zendesk token" # 基本认证或 Token 认证
config.access_token = "your OAuth access token" # OAuth 认证
# 可选项:
config.retry = true # 启用自动重试
config.raise_error_when_rate_limited = false # 当达到速率限制时是否抛出错误
config.logger = Logger.new(STDOUT) # 设置日志输出
config.use_resource_cache = false # 禁用资源缓存
end
基本使用
配置完成后,可以通过 ZendeskAPI::Client 实例来调用 API。
创建工单
ZendeskAPI::Ticket.create!(client, :subject => "测试工单", :comment => { :value => "这是一个测试" }, :submitter_id => client.current_user.id, :priority => "紧急")
查找工单
ticket = ZendeskAPI::Ticket.find!(client, :id => 1)
更新工单
ticket.update(:comment => { :value => "这是一个测试回复。" })
ticket.save!
删除工单
ZendeskAPI::Ticket.destroy!(client, :id => 1)
分页
ZendeskAPI::Collections 支持分页:
tickets = client.tickets.per_page(3)
page1 = tickets.fetch!
page2 = tickets.next
回调
可以为 ZendeskAPI::Client 实例添加回调,回调会在请求成功后执行:
client.insert_callback do |env|
puts env[:response_headers]
end
3. 项目 API 使用文档
资源管理
可以通过 ZendeskAPI::Client 实例来管理资源,如创建、修改、保存和删除资源。
ticket = client.tickets[0]
ticket.priority = "紧急"
ticket.save!
ticket.destroy!
侧加载
侧加载允许在请求中同时加载相关资源,减少请求次数。
tickets = client.tickets.include(:users)
tickets.first.requester
4. 项目安装方式
使用 Rubygems 安装
gem install zendesk_api
使用 Bundler 安装
在 Gemfile 中添加:
gem "zendesk_api"
然后运行 bundle install。
通过本文档,您应该能够顺利安装、配置并使用 Zendesk API Client。如有任何问题,请参考项目的 wiki 或提交 issue。
登录后查看全文
热门项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
407
3.14 K
Ascend Extension for PyTorch
Python
226
252
暂无简介
Dart
673
160
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
664
319
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
658
React Native鸿蒙化仓库
JavaScript
262
326
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
220
仓颉编译器源码及 cjdb 调试工具。
C++
135
868