Stripe Node.js SDK v17.7.0 版本更新解析
Stripe Node.js SDK 是 Stripe 官方提供的 JavaScript 库,用于在 Node.js 环境中与 Stripe API 进行交互。它为开发者提供了便捷的方式来处理支付、订阅、发票等金融业务逻辑。本次发布的 v17.7.0 版本带来了一些重要的功能增强和优化。
核心更新内容
账单信用系统增强
本次更新对 Stripe 的账单信用系统进行了多项改进:
-
价格范围支持:现在可以在信用余额摘要检索参数、信用授予对象及其创建参数中的适用范围配置(applicability_config)中指定价格范围(prices)。这为信用应用提供了更精细的控制能力。
-
价格类型可选化:相关参数中的 price_type 字段现在变为可选,提高了 API 使用的灵活性。
-
优先级支持:新增了对信用授予(credit grant)优先级的支持,允许开发者通过 priority 参数控制信用应用的顺序。
支付方式选项扩展
针对多种支付方式的目标日期(target_date)支持已扩展到更多场景:
- 新增了对 ACSS Debit、AU BECS Debit、BACS Debit、SEPA Debit 和 US Bank Account 等支付方式的目标日期支持
- 这些支付方式现在可以在 Checkout Session、Payment Intent 的创建、确认和更新操作中设置目标日期
结账会话功能增强
-
卡片支付限制:在结账会话的支付方法选项中新增了对卡片支付限制(restrictions)的支持,可以更精确地控制卡片支付行为。
-
收集信息支持:结账会话现在支持 collected_information 参数,用于跟踪和管理会话期间收集的客户信息。
-
必填字段调整:discounts 字段现在变为必填,提高了 API 的一致性。
其他重要改进
-
产品默认价格数据:在产品创建时,现在可以为默认价格数据(default_price_data)添加元数据(metadata),便于跟踪和管理。
-
Token 创建参数:个人身份验证(identity_verification)参数的类型从字符串调整为枚举类型('existing'|'none'),提高了类型安全性。
-
Webhook 支持:新增了对 2025-02-24.acacia 版本 API 的 Webhook 端点支持。
开发体验优化
-
Next.js 示例:新增了针对 Next.js App Router 的 Webhook 示例,展示了如何利用 Route Handlers 处理 Stripe Webhook。
-
构建改进:现在在 npm 包中包含了 OPENAPI_VERSION,有助于开发者了解所使用的 OpenAPI 规范版本。
技术影响分析
本次更新主要从三个维度提升了 Stripe Node.js SDK 的能力:
-
功能扩展:特别是账单信用系统和支付方式选项的增强,为开发者提供了更丰富的业务场景支持。
-
类型安全:如身份验证参数的类型调整,减少了潜在的类型错误。
-
开发体验:新增的 Next.js 示例降低了框架集成的门槛,OPENAPI_VERSION 的包含则提高了透明度。
对于正在使用或计划使用 Stripe 服务的 Node.js 开发者,建议及时升级到 v17.7.0 版本以利用这些新特性。特别是需要处理复杂信用逻辑或国际支付场景的项目,本次更新提供的增强功能将显著简化开发工作。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00