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。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00