Mastodon.py 2.0.0版本发布:全面支持Mastodon 4.3.0的重大更新
Mastodon.py是一个用于与Mastodon社交网络API交互的Python库,它提供了简洁的接口让开发者能够轻松地在自己的应用中集成Mastodon的功能。作为目前最成熟的Mastodon API Python客户端之一,Mastodon.py在开发者社区中广受欢迎。
全面重构与类型支持
2.0.0版本是Mastodon.py的一个重大里程碑。最核心的变化是对整个库进行了彻底的重构,为所有实体对象添加了完整的类定义,并在整个库中实现了类型注解。这意味着开发者现在可以获得更好的IDE支持和静态类型检查,大大提高了开发体验和代码质量。
虽然进行了如此大规模的重构,开发团队仍然保持了向后兼容性。现有的代码应该能够继续工作而无需修改,但考虑到变更的规模,建议开发者在升级时进行充分的测试。
支持Mastodon 4.3.0所有特性
这个版本完全支持Mastodon 4.3.0的所有API特性,包括:
-
标签关注功能:新增了
followed_tags、tag_follow、tag_unfollow和tag等方法,允许用户关注特定标签并获取相关内容。 -
趋势内容管理:添加了管理员趋势内容管理功能,包括
admin_trending_tags、admin_trending_statuses、admin_trending_links等方法,以及相关的审批和拒绝操作。 -
通知系统增强:引入了通知分组功能,包括
grouped_notifications、dismiss_grouped_notification等方法,以及通知策略管理API。 -
过滤系统升级:实现了v2版本的过滤器API,提供了更灵活的过滤条件设置,包括关键词过滤和状态过滤。
-
翻译功能:新增了
instance_translation_languages和status_translate方法,支持内容的跨语言翻译。
其他重要改进
除了上述主要功能外,2.0.0版本还包含了许多其他改进:
- 移除了对Python 2.x的支持,删除了six依赖
- 改进了文档字符串,使API使用更加清晰
- 添加了
py.typed标记,表明库支持类型检查 - 修复了多个潜在问题,包括与Python优化模式(-O2)的兼容性问题
- 改进了版本检查机制,默认禁用版本检查以避免问题
- 为所有返回的实体对象添加了JSON序列化和反序列化支持
- 添加了缺失的事件类型和通用事件处理
- 支持自动将datetime对象转换为flake ID用于分页参数
向后兼容性考虑
虽然2.0.0版本保持了向后兼容性,但开发团队也提醒开发者注意:
-
从Mastodon 4.4.0开始,密码授权方式将被移除,建议开发者尽快迁移到OAuth授权流程。
-
流式API现在需要认证才能访问,匿名访问将不再被允许。
-
版本检查模式现在默认设置为"none",因为它带来的问题比解决的问题更多。
总结
Mastodon.py 2.0.0是一个重大更新版本,不仅完全支持最新的Mastodon 4.3.0 API,还通过全面的重构和类型支持大幅提升了库的质量和开发体验。对于正在使用或考虑使用Mastodon API的Python开发者来说,升级到这个版本将带来更好的功能支持和开发效率。
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