Flowgram.ai v0.2.0版本发布:变量系统重大升级与编辑器优化
Flowgram.ai是一个专注于可视化编程和流程自动化的开源项目,它通过图形化界面让开发者能够更直观地构建复杂的工作流。该项目提供了丰富的布局编辑器和表单组件,使得构建自动化流程变得更加简单高效。
变量系统架构重构
本次v0.2.0版本带来了变量系统的重大架构调整,主要体现在类型定义和数据结构上的优化。新的变量系统设计更加严谨,为后续的功能扩展打下了坚实基础。
变量选择器(value)类型变更
在表单材料库(@flowgram.ai/form-materials)中,VariableSelector组件的value属性类型从string变更为string[]。这一变更使得变量选择器能够支持多值选择,为批量操作提供了更好的支持。
// 旧版本(0.1.x)
interface VariableSelectorPropsType {
value: string;
}
// 新版本(0.2.x)
interface VariableSelectorPropsType {
value: string[];
}
值模式(Value Schema)重构
在自由布局编辑器(@flowgram.ai/free-layout-editor)和固定布局编辑器(@flowgram.ai/fixed-layout-editor)中,值模式的定义得到了全面重构:
- 将原来的简单联合类型拆分为明确定义的接口
- 每种值类型都有清晰的类型标识和内容定义
- 引用值(ref)的内容现在支持数组形式
// 新版本的值模式定义
export interface IFlowConstantValue {
type: 'constant';
content?: string | number | boolean;
}
export interface IFlowRefValue {
type: 'ref';
content?: string[];
}
// ...其他值类型定义
这种重构使得类型系统更加健壮,开发者在使用时能获得更好的类型提示和校验。
编辑器功能优化
自由布局快捷键修复
修复了自由布局编辑器(freeLayout)中删除快捷键失效的问题。现在用户可以使用快捷键更高效地进行元素删除操作,提升了编辑体验。
循环批量变量材料支持
新增了对循环批量变量材料的支持,这使得在处理需要批量操作的场景时更加方便。开发者现在可以更容易地创建和管理批量变量,特别是在处理循环结构中的数据时。
输出变量键名调整
在演示项目中,同步变量插件(sync-variable-plugin)的输出变量键名进行了调整:
// 旧版本
key: `${node.id}.outputs`
// 新版本
key: `${node.id}`
这一变更简化了变量引用路径,使得在流程中引用节点输出时更加直观和简洁。
升级建议
对于正在使用Flowgram.ai的开发者,升级到v0.2.0版本时需要注意以下几点:
- 检查所有使用VariableSelector的地方,确保正确处理数组类型的value
- 更新类型定义导入,使用新的IFlowValue等接口
- 检查流程中变量引用的路径,适应新的输出变量键名格式
这次升级虽然包含了一些破坏性变更,但这些改进为项目未来的发展奠定了更坚实的基础,特别是在处理复杂变量场景和批量操作方面提供了更好的支持。建议开发者尽快评估升级影响并进行相应调整。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00