Dj-Stripe 2.9.0版本发布:重大更新与现代化升级
Dj-Stripe是一个将Stripe支付系统深度集成到Django框架中的开源项目,它提供了完整的Stripe API封装和Django模型映射,使开发者能够轻松地在Django应用中处理支付、订阅、发票等金融业务。最新发布的2.9.0版本带来了多项重要更新,标志着该项目向现代化技术栈迈出了重要一步。
核心变更与破坏性更新
Dj-Stripe 2.9.0版本包含了几项重要的破坏性变更,开发者需要特别注意:
-
移除废弃功能:包括DJSTRIPE_WEBHOOK_TOLERANCE、DJSTRIPE_WEBHOOK_SECRET设置项,以及Order模型和Source相关模型的直接支持。这些功能在之前的版本中已被标记为废弃,现在正式移除。
-
Webhook处理改进:移除了对未存储在数据库中的旧版webhook的支持,同时新增了对APPEND_SLASH=False配置的支持,这要求开发者更新Stripe端的webhook配置以移除结尾斜杠。
-
支付方法简化:移除了不支持的Customer.add_card方法,使API更加简洁。
技术栈升级与版本支持
本次版本对技术栈支持进行了重大调整:
-
Python与Django版本:最低要求提升至Python 3.10和Django 4.2,放弃了对旧版本的支持,使项目能够充分利用现代Python和Django的特性。
-
数据库驱动:新增了对纯Python实现的Psycopg 3(psycopg)包的支持,为PostgreSQL用户提供了更多选择。
-
Stripe SDK:最低Stripe SDK版本提升至8.0.0,确保与Stripe最新API的兼容性。
重要功能改进
-
stripe_data字段:所有模型新增了stripe_data字段,存储完整的Stripe原始数据。这一变更旨在为未来的3.0版本做准备,届时模型结构将有重大调整。
-
Webhook验证改进:DJSTRIPE_WEBHOOK_VALIDATION设置被弃用,转而支持WebhookEndpoint模型上的djstripe_validation_method字段,允许按端点配置验证方法。
-
枚举字段优化:所有枚举字段的最大长度统一设置为255,解决了向前兼容性问题。
问题修复与稳定性提升
2.9.0版本修复了多个关键问题:
-
Stripe Identity支持:修复了与Stripe身份验证相关的多个问题。
-
财务信息处理:修正了非客户关联财务信息的支持问题。
-
退款处理:解决了连接账户退款对象处理的问题。
-
发票同步:修复了处理带有空折扣的发票时可能发生的崩溃问题。
-
订阅激活:修正了当计划为None时Subscription.reactivate()的问题。
-
长收据号支持:改进了对长收据编号的处理。
向后兼容性建议
对于正在使用Dj-Stripe的项目,升级到2.9.0版本需要注意:
-
检查是否使用了任何已移除的API或设置,如Customer.add_card方法或旧版webhook处理。
-
如果项目依赖特定的SQL查询访问Dj-Stripe模型,建议改为查询stripe_data JSON字段,以减少未来版本升级时的工作量。
-
对于Webhook配置,需要根据APPEND_SLASH设置调整Stripe端的URL配置。
-
考虑将Webhook验证配置迁移到新的基于端点的系统。
Dj-Stripe 2.9.0版本的发布标志着该项目向更现代化、更稳定的方向迈进,虽然带来了一些破坏性变更,但这些改进为未来的功能扩展和性能优化奠定了坚实基础。对于新项目,建议直接采用此版本;对于现有项目,建议在测试环境中充分验证后再进行升级。
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 StartedRust0199
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 Notebook0130
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。Python08
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