n8n 1.76.0版本发布:工作流引擎与编辑器全面升级
n8n是一款开源的自动化工作流工具,它允许用户通过可视化界面连接各种应用程序和服务,构建复杂的自动化流程。作为一款低代码/无代码平台,n8n特别适合需要集成多个系统的业务场景,能够显著提高工作效率并减少重复性劳动。
核心引擎优化
本次1.76.0版本在核心引擎方面进行了多项重要改进。首先是对工作流执行后钩子(hook)的保存行为进行了统一,确保workflowExecuteAfter钩子在不同环境下的行为一致性。这一改进使得开发者可以更可靠地在工作流执行后执行自定义逻辑。
执行恢复机制也得到了增强,现在系统能够更好地处理无数据成功执行的情况,确保这些执行记录不会丢失。同时,对于部分执行(partial execution)场景,特别是涉及工具节点(utility nodes)的情况,系统现在会正确清理运行数据,避免残留数据影响后续执行。
在对象处理方面,AugmentObject方法现在能够正确处理constructor属性,解决了某些特殊情况下对象扩展可能引发的问题。此外,对Docker环境的检测逻辑进行了更新,现在能够准确识别Kubernetes/containerd环境,为容器化部署提供了更好的支持。
编辑器体验提升
可视化编辑器是n8n的重要组成部分,本次更新在用户体验方面做了多项优化。JSON编辑器现在能够更好地处理包含表达式的情况,解决了之前可能出现的显示问题。工作流重新初始化机制现在使用查询参数,使得状态管理更加可靠。
对于代码节点(Code Node),修复了切换节点时可能出现的代码覆盖问题,同时延迟了crypto.randomUUID的调用,提高了性能。在暗黑模式下,执行列表的悬停和选中颜色得到了调整,提升了视觉舒适度。
连接线显示也进行了优化,当连接线为直线时,连接器标签现在会显示在线上方,提高了可读性。导航栏高度闪烁问题被修复,页面加载更加平滑。
节点功能增强
多个功能节点在此次更新中获得了改进。Execute Workflow节点现在能够正确传递二进制数据到子工作流,解决了之前的数据丢失问题。GraphQL节点将默认请求格式从graphql改为json,提高了兼容性。
Postgres节点现在支持在upsert查询中使用复合键,为复杂数据操作提供了更多灵活性。Wait节点修复了表单分页中的hasNextPage判断问题,确保了分页逻辑的正确性。
在AI相关节点方面,OpenAI Chat Model节点修复了使用自定义凭证URL时加载模型的问题,并恢复了默认模型值。Google Gemini Chat Model节点增加了对基础URL的支持,为私有部署提供了更好的兼容性。
新增功能与集成
此次更新引入了多个新的凭证专用节点。新增了Microsoft Azure Monitor和Miro的专用凭证节点,为用户提供了更多集成选择。AWS凭证现在支持SSM端点,扩展了与AWS服务的集成能力。
Jira Software节点增加了个人访问令牌(Personal Access Token)凭证类型的支持,为Jira集成提供了更多认证选项。同时修复了服务器部署类型下更新操作中获取自定义字段的问题。
工作流表单改进
n8n Form Trigger节点和n8n Form节点都获得了重要更新。表单触发器节点进行了多项改进,提升了表单处理能力。表单节点移除了日期格式化的修改能力,确保日期数据的一致性。
版本迁移与兼容性
值得注意的是,此版本强制完成了Canvas v2的最终迁移,并从UI中移除了切换器,标志着n8n向新一代工作流编辑器的全面过渡。这一变化带来了更稳定和一致的编辑体验,虽然可能会影响仍在旧版本上的用户,但为未来的功能开发奠定了基础。
总结
n8n 1.76.0版本在稳定性、功能性和用户体验方面都做出了显著改进。从核心引擎的优化到编辑器体验的提升,再到各种节点的功能增强,这次更新全面提升了平台的可靠性和易用性。特别是对AI相关节点和表单处理的改进,以及新增的凭证支持,进一步扩展了n8n的应用场景和集成能力。对于追求高效自动化工作流的用户和开发者来说,升级到这个版本将获得更加强大和稳定的体验。
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。C090
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