Linear SDK v44.0.0 发布:Webhook 负载类型重构与功能增强
Linear 是一个现代的项目管理和问题跟踪平台,其 SDK 为开发者提供了与 Linear API 交互的能力。最新发布的 Linear SDK v44.0.0 版本带来了一系列重要的变更,主要集中在 Webhook 负载类型的重构和新功能的引入。
重大变更解析
Webhook 负载类型重构
本次版本最显著的变化是对 Webhook 负载类型的重构:
-
移除 BaseEntityWebhookPayload 类型:这个基础类型被移除,取而代之的是更细分的负载类型结构。
-
时间字段类型变更:
AppUserNotificationWebhookPayload.createdAt字段从String!变更为DateTime!类型,这提供了更精确的时间处理能力。 -
文档内容关联变更:
CommentWebhookPayload.documentContent字段类型从BaseEntityWebhookPayload改为DocumentContentChildWebhookPayload,提供了更具体的文档内容信息。
新增 Webhook 负载类型
为了提供更丰富的 Webhook 功能,SDK 引入了多个新的负载类型:
AppUserTeamAccessChangedWebhookPayload:处理团队成员访问权限变更事件AuditEntryWebhookPayload:审计日志条目事件CustomResourceWebhookPayload:自定义资源事件DocumentWebhookPayload:文档相关事件IssueSlaWebhookPayload:问题 SLA 相关事件OAuthAppWebhookPayload:OAuth 应用事件
这些新类型使开发者能够更精确地处理不同类型的事件通知。
功能增强
Salesforce 集成改进
新增了 SalesforceSettingsInput.reopenCaseStatus 输入字段,允许配置当案例重新打开时的状态设置,增强了与 Salesforce 的集成能力。
元数据刷新功能
新增了 Mutation.integrationSalesforceMetadataRefresh 字段,提供了手动刷新 Salesforce 元数据的能力,这对于保持集成数据的最新状态非常有用。
类型系统优化
-
引入了
BaseWebhookPayload作为新的基础类型,替代被移除的BaseEntityWebhookPayload。 -
新增了
EntityWebhookPayload和DataWebhookPayload类型,提供了更灵活的负载处理能力。 -
对现有类型的字段描述进行了优化,使其更加清晰明确。
升级建议
对于正在使用 Linear SDK 的开发者,升级到 v44.0.0 版本时需要注意:
-
检查所有使用
BaseEntityWebhookPayload的代码,替换为新的相应类型。 -
处理
AppUserNotificationWebhookPayload.createdAt字段的类型变更,确保时间处理逻辑兼容新的DateTime!类型。 -
考虑利用新的 Webhook 负载类型来增强应用程序的事件处理能力。
-
如果需要 Salesforce 集成功能,可以利用新的元数据刷新和案例状态配置选项。
这次更新显著提升了 Linear SDK 在 Webhook 处理方面的能力和灵活性,为开发者构建更强大的集成应用提供了更好的基础。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust026
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00