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。
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
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-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
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