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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00