Rivet项目v1.10.0版本发布:AI工作流工具的全面升级
Rivet是一款开源的AI工作流和自动化工具,它通过可视化编程的方式帮助开发者构建复杂的AI应用流程。作为一个功能强大的IDE,Rivet允许用户通过拖拽节点的方式连接不同的AI服务和处理模块,大大降低了AI应用开发的门槛。
核心功能升级
编辑器体验优化
本次1.10.0版本带来了多项编辑器功能增强,显著提升了开发体验。最引人注目的是新增的撤销/重做功能,这解决了长期以来的用户痛点。开发者现在可以自由地回退操作,大大降低了试错成本。
新增的"跳转到节点"功能(Ctrl/Cmd+P)让大型项目的导航变得更加高效。开发者可以快速定位到特定节点,这在处理复杂工作流时尤为实用。同时引入的选择全部节点功能(Ctrl/Cmd+A)进一步简化了批量操作。
条件节点与多重连接
1.10.0版本为所有节点引入了条件执行功能。现在每个节点都可以添加条件输入,只有当条件满足时节点才会执行,这为工作流设计带来了更大的灵活性。
另一个实用的改进是多重连接功能——开发者现在可以按住Ctrl键同时拖动连线,一次性连接多个目标节点,这在构建分支逻辑时特别有用。
AI辅助与文本处理
新版本增强了文本处理能力,在Prompt节点和文本节点中加入了AI辅助功能。开发者可以利用AI帮助撰写和优化文本内容,显著提高了内容创作效率。
新增的Markdown表格转换节点可以将对象数组自动转换为Markdown格式的表格,简化了数据格式化过程。同时改进了模板语法,现在可以通过{{{token}}}的方式转义模板变量。
文件处理增强
1.10.0版本引入了几个重要的文件处理节点:
- 文档节点:支持直接加载PDF等文档文件,便于传递给Anthropic等AI服务进行处理
- 读取所有文件节点:可以一次性读取目录中的所有文件
- 文件读取稳定性改进:修复了文件读取的可靠性问题
大模型服务更新
新版本对各主流AI服务提供商的支持进行了全面升级:
Anthropic插件:
- 新增PDF处理能力
- 支持引用功能
- 端点可自定义
Google插件:
- 全面支持Gemini 2.0系列模型
- 新增Generative AI API Key认证方式
OpenAI插件:
- 新增o1和o3-mini模型支持
- 支持GPT 4o音频输出
- 增加预测输出功能
- 改用服务端计算token数量
性能与架构改进
底层架构方面,项目从Recoil迁移到了Jotai状态管理库,这一变更带来了更好的性能和开发体验。同时移除了项目打开数量和大小限制,为大型项目提供了更好的支持。
新增的聊天节点节流设置可以显著提升处理大量数据时的性能表现。二进制数据处理也得到了优化,特别是在使用远程调试器时更加稳定可靠。
开发者体验优化
1.10.0版本还包含多项开发者体验改进:
- 新增复制到剪贴板时的提示通知
- 改进了大型文件和多媒体数据的处理能力
- 修复了空白图表保存的问题
- 更新了大量依赖包
总体而言,Rivet 1.10.0版本通过引入撤销重做、条件节点、AI辅助等核心功能,以及全面升级各大模型服务支持,为AI应用开发者提供了更强大、更灵活的工具集。这些改进不仅提升了开发效率,也扩展了工具的应用场景,使得构建复杂的AI工作流变得更加简单高效。
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