n8n 1.87.0版本发布:工作流自动化平台的重要更新
n8n是一个开源的、可扩展的工作流自动化工具,它允许用户通过可视化界面连接各种应用程序和服务。作为一个基于节点的系统,n8n使非技术用户也能轻松创建复杂的工作流,同时为开发者提供了强大的自定义能力。
核心功能增强
本次1.87.0版本在核心功能方面进行了多项重要改进。首先,系统升级到了Express 5框架,这一变更不仅提升了性能,还修复了CVE-2024-52798安全问题。对于企业级用户而言,系统现在支持配置浮动许可证在关闭时的分离行为,为大规模部署提供了更灵活的选项。
在数据处理方面,新版本引入了针对子工作流执行的优化,不再存储这些执行的洞察数据,这显著降低了数据库负载。同时,系统现在能够正确处理带有多个Webhook节点的触发器计数,解决了之前版本中可能出现的统计不准确问题。
安全性提升
安全性是本版本的重点改进领域。开发团队为推送端点添加了跨域检查,有效防止了潜在的跨站请求伪造问题。HTML二进制文件在查看模式下现在会被沙箱化处理,进一步增强了系统对不安全内容的防护能力。此外,Swagger/OpenAI设置也进行了升级,修复了CVE-2024-57083问题。
对于使用HTTP头部认证凭证的情况,编辑器界面现在会显示明显的提示信息,帮助用户更好地管理重要数据。这些改进共同构成了n8n更强大的安全防线。
编辑器体验优化
用户界面方面,1.87.0版本带来了多项体验提升。新增的洞察功能仪表板为用户提供了工作流执行的全局视图,包括失败率等关键指标。日志概览现在支持悬停操作,并能够显示错误状态,使问题排查更加直观。
在节点编辑方面,开发团队修复了资源映射器中"尝试转换类型"开关的拖放问题,并优化了搜索标签的样式。对于未执行的节点,标签描述也进行了调整,使其更加准确。这些细节改进共同提升了用户的工作效率。
新增节点与功能
本版本引入了多个新节点,丰富了n8n的功能生态:
- Airtop节点:新增了对Airtop平台的支持,扩展了数据集成能力
- MongoDB聊天记忆节点:为聊天机器人应用提供了新的记忆存储选项
- 思考工具节点:一个简单的AI工具,可以强制AI代理进行更多思考
- Google Vertex嵌入支持:增强了AI模型的处理能力
GitHub节点也进行了全面改进,提供了更完善的API覆盖和更稳定的操作体验。
数据连接与处理改进
在数据连接方面,多个现有节点获得了重要更新:
- Jira触发器节点:修复了Jira v10+版本上的Webhook订阅问题
- Pipedrive触发器节点:新增了对Webhooks v2的支持
- Kafka节点:升级了kafkajs库并增加了测试覆盖率
- Postgres节点:为执行查询操作添加了批量插入查询的警告提示
表单节点也进行了多项改进,包括添加DOCTYPE声明和移除字段要求等变更,提升了表单的兼容性和灵活性。
性能与稳定性
新版本在性能和稳定性方面做了大量工作。洞察数据压缩现在支持配置年龄阈值,帮助用户更好地管理数据库资源。工作流所有权转移时,系统会正确处理与父文件夹的关联,避免了潜在的引用问题。
对于开发者而言,系统新增了一个特殊的@tool显示选项,为工具类节点提供了更好的展示方式。代码节点现在能够正确处理空输入对象,提高了鲁棒性。
总结
n8n 1.87.0版本在安全性、功能丰富度和用户体验三个方面都取得了显著进步。从核心框架的升级到各种节点功能的完善,再到界面细节的优化,这个版本为自动化工作流管理提供了更强大、更可靠的平台。特别是新增的洞察功能和多种新节点,进一步扩展了n8n在企业自动化场景中的应用潜力。对于现有用户而言,升级到这个版本将获得更安全、更高效的工作流管理体验。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C028
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