Stripe Ruby库v15.2.0版本发布:支付功能全面升级
Stripe Ruby库是Stripe官方提供的Ruby语言SDK,它让开发者能够轻松集成Stripe的各种支付功能到Ruby应用中。作为连接Ruby应用与Stripe API的桥梁,这个库简化了支付流程的实现,包括收款、订阅、账单管理等复杂功能。
核心更新内容
本次v15.2.0版本带来了多项重要功能增强和API改进,主要围绕支付流程优化和功能扩展展开。
1. 账单支付附件功能
新增了attach_payment方法到Invoice资源,这为账单处理流程带来了更灵活的支付方式管理能力。开发者现在可以直接将支付方式附加到账单上,简化了账单支付流程。
2. 终端读卡器输入收集
Terminal::Reader资源新增了collect_inputs方法,以及配套的测试辅助方法succeed_input_collection和timeout_input_collection。这些改进使得在实体店场景下处理读卡器输入更加便捷,特别是在需要收集用户输入信息时。
3. 支付方式配置扩展
支付方式配置方面新增了对韩国本地支付方式的支持,包括:
- Kakao Pay
- Naver Pay
- Payco
- Samsung Pay
- 韩国信用卡(KR Card)
这些新增选项让面向韩国市场的应用能够更轻松地集成本地流行的支付方式。
4. 订阅管理增强
订阅相关资源新增了billing_thresholds参数,这为订阅管理带来了更精细化的控制能力。开发者现在可以设置账单阈值,实现更灵活的订阅计费策略。
5. 身份验证信息完善
身份验证报告和会话中新增了个人信息相关字段,包括:
- gender(性别)
- unparsed_place_of_birth(原始出生地信息)
- unparsed_gender(原始性别信息)
这些新增字段有助于构建更完善的用户身份验证流程。
技术细节改进
除了上述功能增强外,本次更新还包含多项技术细节优化:
-
必填字段调整:明确了一些参数的必填要求,如
Billing::Alert中的meter参数现在被标记为必填,这有助于开发者更早发现配置问题。 -
支付意图优化:
PaymentIntent资源新增了对Satispay支付方式选项的支持,并针对Billie支付方式增加了capture_method参数。 -
退款处理增强:Paypal退款目的地详情中新增了
network_decline_code字段,提供更详细的退款失败信息。 -
费用计算改进:费用计算行项目现在支持
metadata参数,便于开发者添加自定义元数据。
开发者体验提升
本次更新还新增了CONTRIBUTING.md文件,为希望参与项目贡献的开发者提供了明确的指南。这表明项目维护者重视社区贡献,并致力于改善开源协作体验。
升级建议
对于正在使用Stripe Ruby库的开发者,建议尽快评估升级到v15.2.0版本,特别是:
- 需要支持韩国支付方式的应用程序
- 使用实体读卡器处理支付的零售场景
- 需要更精细订阅管理的SaaS应用
- 对身份验证有严格要求的产品
升级时应注意API版本已更新为2025-05-28.basil,确保兼容性检查。对于生产环境,建议先在测试环境验证所有关键支付流程。
这次更新进一步巩固了Stripe Ruby库作为Ruby支付集成首选解决方案的地位,为开发者提供了更强大、更灵活的工具来构建现代支付体验。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0197
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0126
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python06
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07