【重要通知】开发者文档更新(10.25-10.31)

简介: 10.25-10.31文档更新

2021.10.25-2021.10.31

本周文档更新了以下内容,详情可参考钉钉开放平台官方文档-更新日志


新增能力开放

【钉工牌】新增开放钉工牌接口,支持企业内部应用、第三方企业应用调用,详情请参考钉工牌概述

新增使用案例/示例代码

  1. 【智能工作流】新增智能工作流的官方工作流使用案例,实现调用接口发起审批实例、查看审批实例、撤销审批实例。详见发起及撤销审批实例
  2. 【智能工作流】智能工作流-官方工作流,发起审批实例创建或更新审批模板接口,完善HTTP、Java SDK请求示例,新增审批多个组件调用示例代码。


接口升级

为提升接口的使用体验,提供更加规范的接口,针对接口进行了升级。关于接口的使用,请注意:

(1)接口不会下线,已接入使用的应用可以继续调用,开发者可根据应用情况评估是否切换。

(2)未接入的应用,无法申请使用升级前的接口,建议使用新接口。

涉及的接口列表如下:

  1. 【免登】通过免登码获取用户信息(不推荐)接口升级,优化接口参数不规范、缺失SDK等问题。文档已迁移至历史文档(不推荐)目录,新应用接入推荐使用通过免登码获取用户信息接口。

错误码调整

【通讯录】

  1. 修改错误信息对应的错误码。父部门下该部门名称已存在,对应的错误码由60008  => 60021。
  2. 新增错误码。错误码60022:包含敏感内容,请检查修改后重试。

文档目录/接口名称调整

调整事项

模块

调整内容

修改接口名称

【智能工作流】

修改目录名称

【获取凭证】

【获取访问凭证】

修改目录位置

【事件订阅】

  • 第三方企业应用开发 - 入门教程,开发小程序(HTTP回调)相关文档迁移至历史文档(不推荐) > HTTP回调。推荐使用的事件订阅方式,请参考事件订阅概述

相关文章
|
11月前
|
运维 监控 安全
高效运维管理:从混沌到有序的艺术
【10月更文挑战第4天】 在当今数字化时代,运维管理成为企业IT部门的重中之重。本文将探讨如何通过系统化的策略和工具,将看似杂乱无章的运维工作变得井井有条。我们将从基础架构监控、自动化工具的应用、到团队协作流程的优化等方面,逐步揭示实现高效运维管理的秘诀,并通过一些实际案例展示这些策略和方法的实际应用效果。希望本文能够为企业运维团队提供有价值的参考,帮助大家在纷繁复杂的工作中找到秩序与效率。
188 63
|
Kubernetes Java Docker
利用(K8S)配合Docker部署jar包
通过Docker打包并部署到Kubernetes(K8S)集群的过程。首先,通过SpringBoot生成jar包,接着在K8S环境中创建并编辑Dockerfile文件。随后构建Docker镜像,并将其推送到镜像仓库。最后,通过一系列kubectl命令(如get pods、get svc、logs等),展示了如何在K8S中管理应用,包括查看Pod状态、服务信息、Pod日志以及重启Pod等操作。
572 3
|
11月前
|
JSON SpringCloudAlibaba Java
Springcloud Alibaba + jdk17+nacos 项目实践
本文基于 `Springcloud Alibaba + JDK17 + Nacos2.x` 介绍了一个微服务项目的搭建过程,包括项目依赖、配置文件、开发实践中的新特性(如文本块、NPE增强、模式匹配)以及常见的问题和解决方案。通过本文,读者可以了解如何高效地搭建和开发微服务项目,并解决一些常见的开发难题。项目代码已上传至 Gitee,欢迎交流学习。
817 1
Springcloud Alibaba + jdk17+nacos 项目实践
|
机器学习/深度学习 数据采集 运维
智能化运维:利用机器学习优化系统性能
在当今快速发展的信息技术时代,传统的运维方式已难以满足日益增长的业务需求和复杂性。本文将探讨如何通过机器学习技术来提升运维效率,确保系统的高可用性和性能优化。我们将深入分析机器学习模型在预测系统负载、自动故障检测与响应以及资源分配中的应用,并讨论实施这些策略时可能遇到的挑战和解决思路。
|
关系型数据库 Java MySQL
Java关于Mysql数据库的事物处理类
Java关于Mysql数据库的事物处理类
58 0
|
XML 前端开发 JavaScript
你可以学会的svg动画(SMIL)
你可以学会的svg动画(SMIL)
|
JavaScript 前端开发 IDE
Arco Vue + Flask 手把手实战开发一测试需求平台
使用最新的Acro Vue前端框架,和Python Flask服务从0-1手把手实现一个测试需求平台,内容将囊括基础、扩展和实战,由浅入深带你实现测试开发岗位中平台工具技术能力入门和提升。
1044 0
Arco Vue + Flask 手把手实战开发一测试需求平台
|
安全 Cloud Native Nacos
nacos未授权-CVE-2021-29441复现
nacos未授权-CVE-2021-29441复现
3428 0
|
弹性计算
如何使用FinalShell、FileZilla上传网站代码到服务器?这两个都是神器
这段时间想做一个导航网站来着,然后就简单写了一个网页,买了一个域名、一台ECS服务器,都是比较便宜的那种
530 0
如何使用FinalShell、FileZilla上传网站代码到服务器?这两个都是神器
|
机器学习/深度学习 人工智能 搜索推荐
【推荐系统论文精读系列】(十一)--DeepFM A Factorization-Machine based Neural Network for CTR Prediction
在推荐系统领域最大化CTR最关键就是要学习用户举止背后复杂的特征交互。尽管现在已经有了一些大的进展,但是现存的方式仍然是只能捕捉低阶或者高阶特征,或者需要专业的特征工程。本篇论文中,我们提出了一种端到端的学习模型,能够同时学习到低阶和高阶的交互特征。我们将这个模型命名为DeepFM,它结合了分解机的能力和深度学习捕捉高阶特征的能力。对比最新谷歌提出的Wide & Deep模型,我们的DeepFM模型不需要任何特征工程,而且会共享特征输入。
374 0