n8n自动化平台1.88.0版本发布:新增数据库与消息协议支持
n8n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连接各种应用程序和服务,构建复杂的自动化流程。作为一个自托管的解决方案,n8n提供了强大的自定义能力和数据控制权,特别适合需要高度定制化自动化流程的企业和个人开发者。
核心功能增强
本次1.88.0版本更新中,n8n团队对核心功能进行了多项优化。工作流执行引擎现在能够更智能地处理execute和executeBatch命令,当遇到特殊情况时会自动回退到常规执行模式,提高了系统的容错能力。对于等待中的webhook和表单请求,路由机制得到了修复,确保了请求能够正确到达目标工作流。
在性能方面,开发团队实现了原始洞察数据的批量保存机制,并引入了元数据缓存层。这一改进显著减少了数据库I/O操作,提升了系统在高负载情况下的响应速度,特别是对于需要处理大量执行数据的场景。
新增节点支持
数据库相关节点
-
Azure Cosmos DB节点:新增了对微软Azure Cosmos DB的支持,用户现在可以直接在n8n中操作这一全球分布式多模型数据库服务。该节点支持文档数据库操作,为构建云原生应用提供了便利。
-
Milvus向量存储节点:新增了对Milvus向量数据库的支持,这是专为AI应用设计的向量相似性搜索引擎。这一集成使得n8n能够更好地服务于机器学习工作流,特别是在处理嵌入向量和相似性搜索方面。
消息协议相关节点
-
MCP客户端工具节点:新增了MCP(Messaging Client Protocol)客户端支持,可以通过SSE(Server-Sent Events)协议连接到MCP服务器。这一节点为需要实时消息传递的自动化场景提供了新的可能性。
-
MCP服务器触发器节点:配套的MCP服务器触发器节点允许将n8n工具暴露给MCP客户端,实现了双向通信能力,扩展了n8n在消息驱动架构中的应用场景。
邮件处理增强
IMAP电子邮件触发器节点现在能够返回消息的UID(唯一标识符),这一改进使得邮件处理工作流更加可靠。用户可以基于UID实现更精确的邮件状态跟踪和去重逻辑,避免了重复处理同一封邮件的问题。
编辑器与用户体验改进
在用户界面方面,开发团队修复了节点创建器中图标显示问题,并优化了项目分类的输入类型检查。表达式预览功能现在能够在内联编辑时正确显示,提高了工作流调试的效率。
工作流管理方面增加了权限检查,防止用户将不属于自己的工作流移动到其他文件夹,增强了多用户环境下的数据隔离和安全性。
技术细节优化
对于使用Python代码节点的用户,本次更新明确指定了pyodide运行时的indexURL加载路径,提高了运行环境的稳定性。许可证SDK的代理设置现在被隔离,避免了对其他无关请求的影响。
在API层面,修复了工作流洞察数据中比率计算的测试问题,确保了数据分析的准确性。执行状态更新机制中的竞态条件问题也得到了解决,使工作流执行监控更加可靠。
总结
n8n 1.88.0版本通过新增对多种数据库和消息协议的支持,进一步扩展了其作为自动化平台的连接能力。核心引擎的稳定性和性能优化使得平台能够更好地服务于企业级应用场景。这些改进共同提升了n8n在复杂自动化工作流处理方面的表现,为开发者提供了更强大、更可靠的工具集。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00