n8n 1.83.0版本发布:工作流自动化的新特性与改进
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。作为一款自托管的解决方案,n8n提供了高度的灵活性和可定制性,特别适合需要数据隐私和自定义集成的企业用户。
核心功能改进
本次1.83.0版本在核心功能方面进行了多项重要改进。首先,在任务运行器方面,修复了从用户定义函数中报告错误的问题,确保了错误信息的准确传递。同时,现在会正确传递NODE_PATH环境变量给任务运行器,这对于依赖特定模块路径的工作流尤为重要。
在证书管理方面,修正了自定义证书的NODE_OPTIONS导出语法,解决了证书配置可能出现的语法错误问题。对于使用LDAP认证的用户,现在系统不会验证电子邮件地址,这简化了LDAP环境下的用户管理流程。
编辑器体验优化
n8n的图形化编辑器在本版本中获得了多项用户体验改进。最值得注意的是,现在可以支持从选定的运行中复制JSON数据,即使节点已被多次执行。这对于调试复杂工作流特别有帮助。
编辑器现在提供了更智能的代码节点处理能力,包括忽略必需的模块类型声明错误,以及在AI生成代码时支持固定数据。错误视图现在会扩展到完整的输出面板宽度,提供了更清晰的问题诊断界面。
在资源选择器(RLC)方面,修复了搜索输入框聚焦时下拉菜单消失的问题,并改进了错误详情显示,使开发者能更快定位和解决问题。Airtable节点的表资源选择器现在正确地依赖于基础资源选择器,确保了配置的连贯性。
节点功能增强
多个内置节点在本版本中获得了功能改进和问题修复:
- Elasticsearch节点现在使用POST而非GET方法进行搜索API调用,支持在请求体中传递参数
- Google Sheets节点更好地处理特殊字符,确保行更新操作不会因特殊字符而失败
- S3节点修复了与Supabase存储连接的问题,扩展了兼容性
- GitHub节点改进了工作流资源选择器的功能
- Call n8n Workflow工具节点现在会返回子执行的所有项目,提供更完整的数据输出
安全性与稳定性提升
在安全性方面,n8n Form Trigger节点现在会对表单节点的HTML内容进行消毒处理,防止潜在的XSS攻击。编辑器中的HTML消毒逻辑也进行了优化,确保在正确的生命周期阶段执行。
系统现在能够正确处理节点执行时的数据缺失情况,允许超过2个输入的数据缺失处理,提高了工作流执行的稳定性。当从后端加载时,编辑器能够正确渲染仅凭据节点,确保工作流配置的完整性。
开发者体验改进
对于使用代码节点的开发者,编辑器现在会忽略必需的模块类型声明错误,减少了不必要的干扰。同时,支持以等号(=)开头的值的粘贴操作,方便公式和表达式的输入。
在自动补全功能中,改进了节点匹配算法,使开发者能更快找到需要的节点。Schema预览界面也进行了UI更新,提供了更直观的数据结构展示。
总的来说,n8n 1.83.0版本在稳定性、安全性和用户体验方面都做出了显著改进,同时扩展了多个节点的功能,为构建复杂自动化工作流提供了更强大的工具集。这些更新使得n8n在企业级自动化解决方案中的地位更加稳固,为开发者和管理员提供了更高效、更可靠的工作流管理体验。
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。C091
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00