LINE Bot SDK Go v8.13.0 版本发布:增强共享受众群体API功能
LINE Bot SDK Go 是 LINE 官方提供的用于开发 LINE 聊天机器人的 Go 语言 SDK。它为开发者提供了与 LINE Messaging API 交互的便捷方式,支持消息发送、用户管理、群组管理等功能。本次发布的 v8.13.0 版本主要针对受众群体管理功能进行了重要增强。
共享受众群体API功能增强
本次更新的核心内容是增加了对共享受众群体API的扩展支持。在之前的版本中,开发者只能获取由业务管理员共享的受众群体列表。而新版本通过引入 includesOwnedAudienceGroups 参数,使得查询更加灵活。
新增参数详解
includesOwnedAudienceGroups 是一个布尔类型的查询参数,具有以下特性:
- 默认值:false(保持向后兼容)
- 功能:
- 当设置为 true 时,响应将同时包含由 LINE 官方账号管理员拥有的受众群体和业务管理员共享的受众群体
- 当设置为 false 时(默认),响应仅包含业务管理员共享的受众群体
这个改进特别适合那些同时管理自有和共享受众群体的开发者,使他们能够通过一次 API 调用获取更全面的数据视图。
API 使用示例
// 仅获取共享的受众群体
sharedGroups, err := bot.GetSharedAudienceGroups().Do()
// 获取包括自有和共享的受众群体
allGroups, err := bot.GetSharedAudienceGroups().
WithIncludesOwnedAudienceGroups(true).
Do()
废弃API移除
随着 LINE 平台功能的演进,v8.13.0 版本移除了两个已废弃的 API 端点:
- 受众群体激活端点(
/v2/bot/audienceGroup/{audienceGroupId}/activate) - 权限级别端点(
/v2/bot/audienceGroup/authorityLevel)
这些端点原本用于跨目标定向功能,随着该功能的停用,相关 API 也被移除。开发者应检查现有代码,确保不再使用这些已移除的端点。
其他改进
除了主要功能更新外,本次发布还包含多项底层改进:
-
依赖项更新:升级了多个依赖库版本,包括 JUnit 5 到 v5.12.2 和 Pebble 模板引擎到 v3.2.4,提升了稳定性和安全性。
-
开发流程优化:改进了自动化 PR 创建逻辑,避免在特定情况下重复创建 PR,提高了开发效率。
-
Go 版本支持调整:放弃了对 Go 1.22 的支持,新增了对 Go 1.24 的支持,确保 SDK 能够充分利用最新 Go 版本的特性和优化。
升级建议
对于正在使用 LINE Bot SDK Go 的开发者,建议:
-
如果使用了共享受众群体功能,可以考虑利用新的
includesOwnedAudienceGroups参数简化代码逻辑。 -
检查是否使用了已移除的 API 端点,如有使用需要进行相应调整。
-
确保开发环境中的 Go 版本符合新要求(1.23 或 1.24)。
-
更新依赖项时注意兼容性变化,特别是如果项目中也直接使用了 Pebble 或 JUnit 等库。
这次更新体现了 LINE 对开发者体验的持续关注,通过提供更灵活的 API 和保持技术栈的现代性,帮助开发者构建更强大的 LINE 聊天机器人应用。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00