go-github v72.0.0版本发布:GitHub API客户端库重大更新
go-github是一个用Go语言编写的GitHub API客户端库,它为开发者提供了访问GitHub REST API的便捷接口。该项目由Google维护,是Go生态中最受欢迎的GitHub API客户端之一。通过这个库,开发者可以轻松地在自己的Go应用中集成GitHub的各种功能,如仓库管理、问题跟踪、拉取请求处理等。
主要变更内容
重大API变更
-
移除Required Workflows支持 本次更新移除了对Required Workflows功能的支持。Required Workflows是GitHub提供的一种确保特定工作流在仓库中必须运行的功能。开发者如果之前使用了相关API,需要寻找替代方案。
-
区分拉取请求和合并队列的合并方法 现在将合并方法常量明确分为两类:
PullRequestMergeMethod*:用于普通拉取请求的合并MergeQueueMergeMethod*:用于合并队列的合并 这一变化使得API更加清晰,减少了合并操作时的混淆可能性。
-
规则API的分页支持增强 为
GetRulesForBranch、GetAllRulesets和GetAllRepositoryRulesets方法添加了分页选项参数opts。这使得处理大量规则数据时更加高效,可以控制每次请求返回的数据量。
新功能与改进
-
新增registry_package事件支持 添加了对GitHub Packages注册表事件的处理能力,开发者现在可以更好地监控和管理软件包相关活动。
-
Dependabot警报新增EPSS支持 在Dependabot警报中加入了EPSS(Exploit Prediction Scoring System)评分,帮助开发者更准确地评估依赖项的安全风险。
-
密钥扫描功能增强 扩展了密钥扫描相关的结构体,新增了多个字段和选项,提供了更细粒度的密钥管理能力。
-
Issue相关改进
- 为IssueRequest添加了Type字段,支持更详细的issue类型区分
- 为列出issue的方法添加了ListCursorOptions,优化了大仓库中的issue查询性能
-
请求头处理优化 新增了大小写不敏感的GetHeader方法,用于HookRequest和HookResponse,提高了Webhook处理的兼容性。
依赖项更新
本次发布同步更新了多个依赖项版本,包括:
- 将内部使用的go-github版本从v70升级到v71
- 更新了golang.org/x/net到0.39.0
- 升级了github.com/alecthomas/kong到1.10.0
- 更新了golang.org/x/sync到0.14.0
- 升级了github.com/getkin/kin-openapi到0.132.0
这些依赖更新带来了性能改进、bug修复和新特性支持,同时保持了向后兼容性。
升级建议
对于正在使用go-github库的开发者,升级到v72.0.0版本时需要注意以下几点:
- 如果使用了Required Workflows相关功能,需要先移除这些代码或寻找替代方案。
- 检查所有使用合并方法常量的地方,根据实际用途替换为新的
PullRequestMergeMethod*或MergeQueueMergeMethod*常量。 - 考虑利用新的分页选项优化规则API的调用,特别是处理大量规则时。
- 可以开始使用新增的registry_package事件支持和增强的密钥扫描功能。
对于新项目,建议直接使用v72.0.0版本,以利用最新的API改进和功能增强。
go-github项目持续保持活跃开发,这个版本再次展示了其对GitHub API全面而及时的支持能力,是Go开发者与GitHub交互的首选工具库。
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