Sentry Java SDK 8.12.0版本发布:新增用户反馈API与日志功能
Sentry Java SDK是一个强大的错误监控和性能追踪工具,专为Java和Android应用程序设计。它帮助开发者实时捕获、诊断和修复应用程序中的异常和性能问题,提供全面的错误报告和上下文信息。最新发布的8.12.0版本引入了两项重要功能:全新的用户反馈API和日志记录功能,进一步增强了开发者的调试和用户体验优化能力。
用户反馈API升级
8.12.0版本引入了一个全新的用户反馈API——Sentry.captureFeedback,它取代了原有的Sentry.captureUserFeedback方法。这个改进使得收集用户反馈更加直观和灵活。
新API允许开发者在应用程序中直接捕获用户反馈,这些反馈将与特定的错误事件关联起来,为开发者提供更完整的上下文信息来理解用户遇到的问题。当用户遇到错误时,开发者可以调用这个API来收集用户的描述和联系方式,这些信息将直接发送到Sentry平台,与原始错误事件相关联。
日志功能正式加入
本次更新的另一个亮点是新增了Sentry Log功能,这是一个全新的日志记录系统。需要注意的是,这个功能默认是禁用的,开发者需要通过以下方式之一来启用它:
- 在代码初始化时设置:
options.getLogs().setEnabled(true) - 在AndroidManifest.xml中添加配置
- 通过sentry.properties文件配置
- 在Spring Boot应用的配置文件中设置
启用后,开发者可以使用Sentry.logger()提供的方法来记录日志,包括不同级别的日志(如info、warning、error等)。这些日志方法还支持格式化字符串和参数,系统会自动使用String.format进行格式化处理。
对于日志内容的过滤,开发者可以通过options.getLogs().setBeforeSend()方法来控制哪些日志需要发送到Sentry服务器,这为日志管理提供了灵活性。
其他改进与修复
除了上述主要功能外,8.12.0版本还包含了一些重要的改进:
- 修复了在延迟初始化SDK时用户交互集成与当前Activity的挂接问题,确保了用户交互数据的准确捕获。
- 升级了Gradle构建工具版本,从8.13升级到8.14.0,带来了构建性能的改进和新特性支持。
注意事项
特别需要注意的是,Android开发者如果手动在后台线程初始化SDK,这个版本可能会导致崩溃。官方建议使用8.13.1或更高版本以避免这个问题。
总结
Sentry Java SDK 8.12.0版本的发布为开发者提供了更强大的工具来监控应用程序健康状况和改善用户体验。全新的用户反馈API简化了收集用户反馈的流程,而日志功能的加入则为问题诊断提供了更丰富的信息来源。这些改进使得Sentry Java SDK在应用程序监控领域继续保持领先地位,为开发者提供更全面的错误追踪和性能分析能力。
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