go-pay/gopay 1.5.110版本发布:支付SDK功能全面升级
go-pay/gopay是一个专注于支付集成的Go语言SDK,它为开发者提供了对接主流支付平台的便捷接口。该项目支持包括支付宝、微信支付、PayPal等在内的多种支付渠道,通过简洁的API设计帮助开发者快速实现支付功能集成。
核心升级内容
1. 微信V3接口增强
本次版本对微信V3接口进行了两项重要改进:
-
自动验签功能:新增了
AutoVerifySignByPublicKey()方法,实现了微信公钥自动验签功能。这个改进简化了开发者处理支付回调验证的流程,不再需要手动处理复杂的签名验证逻辑。 -
错误处理优化:每个业务方法都优化了错误判断的优先级,并增加了
ErrResponse字段。这使得错误信息更加清晰明确,开发者可以更准确地定位和处理支付过程中的异常情况。
2. PayPal接口大幅扩展
PayPal模块迎来了重大功能扩展,新增了多个业务接口:
订阅管理功能
- 计划管理:包括计划列表查询、详情获取、更新、激活/停用等完整生命周期管理
- 订阅操作:支持创建、查询、更新、暂停、取消和激活订阅
- 交易处理:新增订阅交易捕获和交易列表查询功能
产品管理功能
- 产品创建与列表查询
- 产品详情获取与更新
这些新增接口使gopay能够支持PayPal的完整订阅业务流程,为SaaS类应用提供了完善的支付解决方案。
3. 支付宝V3新增营销功能
支付宝V3接口新增了两类重要功能:
-
推广计划管理:
- 创建推广计划
- 查询推广计划状态
- 停止推广计划
-
营销素材上传:
- 新增图片资源上传接口
这些功能为电商和营销类应用提供了更多可能性,开发者可以更灵活地实现各种营销场景。
兼容性与优化
-
模块要求提升:gopay模块现在要求最低Go版本为1.22,这确保了可以使用最新的语言特性。
-
Apple接口优化:
GetRefundHistory()接口在没有version参数时,不再在请求中发送空的version字段,这符合RESTful API的最佳实践。 -
PayPal自定义Header:新增了
SetRequestHeader()和ClearRequestHeader()方法,为需要特殊Header的支付场景提供了灵活性。
技术价值与应用场景
本次更新特别适合以下场景:
-
订阅制服务:新增的PayPal订阅接口完整支持了SaaS类应用的支付需求。
-
电商营销:支付宝的推广计划和素材上传功能为电商平台提供了更多营销工具。
-
全球化支付:PayPal接口的完善使国际支付集成更加便捷。
-
安全支付:微信V3的自动验签功能提升了支付安全性,同时降低了开发复杂度。
go-pay/gopay 1.5.110版本的这些改进,使得这个支付SDK在功能性、易用性和安全性方面都达到了新的高度,为Go语言开发者提供了更加强大和便捷的支付集成解决方案。
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