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。
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