GAM项目v7.07.00版本发布:全球通讯录API变更解析
GAM(Google Workspace Administration Manager)是一个功能强大的命令行工具,专门用于管理Google Workspace(原G Suite)环境。它提供了丰富的命令集,使管理员能够高效地执行用户管理、群组配置、设备控制等各类操作,极大简化了Google Workspace的管理工作流程。
版本核心变更:全球通讯录(GAL)API的移除
在2024年10月中旬,Google正式弃用了用于检索全球通讯列表(Global Address List, GAL)的API接口。这一变更直接影响了GAM工具中与GAL相关的功能模块。在v7.07.00版本中,开发团队移除了以下三个不再可用的命令:
gam info galgam print galgam show gal
这些命令原本用于查询和显示组织内的全局通讯录信息,但由于底层API的废弃,这些功能已无法正常工作。
替代解决方案
为了帮助管理员继续获取类似的信息,GAM团队提供了以下替代方案:
- 用户GAL信息获取:
gam config csv_output_row_filter "includeInGlobalAddressList:boolean:true" redirect csv ./UserGAL.csv print users fields name,gal
- 群组GAL信息获取:
gam config csv_output_row_filter "includeInGlobalAddressList:boolean:true" batch_size 25 redirect csv ./GroupGAL.csv print groups fields name,gal
这两个替代命令通过以下方式工作:
- 使用
csv_output_row_filter参数筛选包含在全局通讯录中的条目 - 通过
print users/groups命令获取用户或群组的基本信息 - 指定
name和gal字段来获取名称和GAL状态 - 使用
redirect csv将结果输出到CSV文件 - 对于群组查询,设置
batch_size 25优化批量处理效率
技术影响分析
这一变更反映了Google API生态系统的持续演进。作为管理员,理解这些变化对于维护高效的管理流程至关重要:
-
API生命周期管理:Google会定期评估和更新其API产品线,淘汰使用率低或维护成本高的接口。
-
数据获取方式的转变:新的替代方案采用更细粒度的数据查询方式,而非直接获取整个通讯列表。
-
性能考量:批量处理参数(batch_size)的引入表明新方法可能需要更精细的性能调优。
最佳实践建议
对于正在升级到v7.07.00版本的管理员,建议采取以下步骤:
-
审查自动化脚本:检查现有脚本中是否使用了被移除的GAL命令,及时替换为新的实现方式。
-
数据导出计划:如果需要历史GAL数据,应在升级前使用旧版本完成最后一次导出。
-
权限验证:确保执行替代命令的账户具有足够的权限访问用户和群组信息。
-
结果验证:首次使用新命令时,应验证输出结果的完整性和准确性。
总结
GAM v7.07.00版本的这一变更虽然移除了部分功能,但提供了更符合当前Google API规范的替代方案。这种调整体现了工具与平台API保持同步的必要性,也展示了GAM项目团队对Google Workspace生态系统变化的快速响应能力。管理员通过采用新的数据获取方法,不仅能继续完成相关工作,还能更好地适应Google API的未来发展方向。
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