n8n 1.93.0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,创建复杂的自动化流程。作为一款自托管解决方案,n8n因其灵活性、可扩展性和强大的集成能力而广受欢迎。
核心功能增强
本次1.93.0版本带来了多项核心功能的改进,显著提升了系统的稳定性和用户体验。
工作流管理方面实现了重大改进,现在删除工作流时采用软删除机制,这意味着工作流不会被立即永久删除,而是可以被恢复。当移除文件夹而不转移其中的工作流时,系统会自动将这些工作流归档,而不是直接删除,这为意外删除提供了安全保障。
Insights功能获得了多项优化,包括引入了数据修剪系统,可以自动清理过期的Insights数据以节省存储空间。系统现在能够防止并发压缩操作导致的冲突,并修复了SQLite数据库中的并发问题。此外,还增加了对许可证配置中Insights最大保留期限的检查功能。
执行引擎方面,改进了任务运行器的兼容性,现在支持在execute和execute-batch命令中使用任务运行器。系统会优先处理已有执行数据的工作流执行,提高了资源利用率。同时修复了任务运行器在处理数组嵌套时的验证错误问题。
编辑器体验优化
n8n的可视化编辑器获得了多项用户体验改进:
工作流列表现在会记住用户的排序和分页大小偏好,提升了浏览体验。新增了"Shared with you"区域,方便用户快速访问共享的工作流。日志视图进行了全面改进,提供了更清晰、更易用的执行日志查看体验。
在画布交互方面,修复了上下文菜单的行为问题,优化了快捷键指示器的显示。增加了画布工具栏边缘的悬停延迟和点击区域,使操作更加顺畅。现在可以通过快捷键快速跳转到子工作流中,提高了复杂工作流的导航效率。
执行控制方面,修复了AI节点日志视图中重复执行记录的过滤问题。改进了手动执行时开始节点的排序逻辑,现在会按照Y轴位置排序。确保执行完成后不会有节点显示为仍在运行的状态。
新增节点与集成
1.93.0版本引入了多个新节点,扩展了n8n的集成能力:
新增了Jina AI节点,这是一个强大的AI服务集成,可以用于各种人工智能任务。AWS Cognito节点为身份验证和用户管理提供了原生支持。社区节点现在可以直接在节点面板中访问,使得第三方扩展更加易用。
对于现有节点也进行了多项改进:Google Sheets节点在读取操作中,当使用OR组合条件且选择"仅返回第一个匹配行"时,现在会正确返回单行结果。MCP服务器触发器节点现在能够处理多个工具调用,增强了复杂场景下的处理能力。
技术优化与修复
底层技术方面,改进了动态Webhook的处理,不再缓存这些请求以避免潜在问题。修复了代码节点中Pyodide沙箱上下文的问题,解决了micropip回归问题。改进了节点名称到工具名称的转换逻辑,更好地处理特殊字符。
社区功能方面,优化了社区节点设置页面的空状态显示,提供了更好的用户体验。修复了导入模板时上下文菜单禁用大多数选项的问题,确保用户可以顺畅地使用模板功能。
总结
n8n 1.93.0版本通过引入软删除机制、Insights数据管理优化、新增AI和云服务集成,以及多项用户体验改进,进一步巩固了其作为领先开源自动化平台的地位。这些更新不仅提升了系统的稳定性和安全性,还扩展了其应用场景,使开发者和企业用户能够构建更加强大、可靠的自动化解决方案。
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。C030
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