Activepieces 0.46.8版本发布:增强HubSpot集成与多项功能优化
Activepieces是一个开源的自动化工作流平台,它允许用户通过可视化界面创建和执行自动化流程。该平台提供了丰富的集成组件,可以连接各种SaaS服务和应用程序,实现数据的自动化处理和任务的无缝衔接。
核心功能更新
HubSpot集成功能增强
本次版本在HubSpot集成方面进行了重要升级,新增了对落地页和站点页面的删除与获取操作。这意味着用户现在可以直接通过Activepieces平台管理HubSpot中的营销内容,包括:
- 删除不再需要的落地页
- 获取现有落地页的详细信息
- 管理站点页面内容
这些新功能为营销自动化工作流提供了更多可能性,例如可以设置定期清理过期的营销页面,或者根据特定条件自动获取页面内容进行后续处理。
Google Drive集成改进
针对Google Drive的集成,0.46.8版本解决了共享驱动器文件列表显示的问题。现在,用户在使用"列出文件"操作时,可以正确显示共享驱动器中的文件内容。这一改进特别适合团队协作场景,确保所有成员都能看到共享资源。
重要问题修复
项目状态同步机制优化
修复了项目发布时流程状态与项目状态不同步的问题。现在当用户发布项目时,系统会确保流程状态与项目状态保持一致,避免了因状态不一致导致的意外行为。
数据选择器稳定性提升
解决了当结果包含null值时数据选择器崩溃的问题。这一修复提高了平台的稳定性,特别是在处理可能包含空值的API响应或数据库查询结果时。
Webhook响应处理改进
优化了Webhook的"继续响应"处理逻辑,确保在特定场景下能够正确响应。这对于构建依赖Webhook的工作流至关重要,特别是在需要确认接收或提供即时反馈的场景中。
安全性与维护更新
安全依赖升级
将axios库从1.7.8版本升级到1.8.2版本,修复了已知的安全问题。这一更新增强了平台处理HTTP请求时的安全性,保护用户数据免受潜在风险。
开发体验优化
- 修正了BuilderFlowStatusSection组件的displayName,提高了开发调试效率
- 更新了prismjs依赖版本,改善了代码高亮显示效果
总结
Activepieces 0.46.8版本在功能扩展、稳定性提升和安全性增强三个方面都做出了显著改进。特别是对HubSpot和Google Drive集成的优化,为市场营销和团队协作自动化提供了更强大的工具。平台持续关注用户体验和系统稳定性,通过不断修复问题和优化性能,为用户提供更可靠的服务。
对于现有用户,建议及时升级以获取这些改进和新功能;对于新用户,这个版本提供了更加完善和稳定的自动化平台体验。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00