Flowgram.ai v0.1.30版本发布:新增固定布局节点与表单优化
Flowgram.ai是一个专注于可视化流程编排的开源项目,它提供了强大的节点编辑器功能,让开发者能够通过拖拽方式构建复杂的业务流程。本次发布的v0.1.30版本带来了多项重要更新,主要集中在固定布局节点类型的丰富和表单模型的优化上。
固定布局节点功能增强
新版本中,开发团队为固定布局编辑器新增了多种基础节点类型,显著提升了流程编排的灵活性:
-
输入/输出节点:新增的基础输入(input)和输出(output)节点,为流程提供了标准化的数据入口和出口。这些节点可以单独使用,也可以作为复合节点的组成部分。
-
多输入节点(multiInputs):这种复合节点允许在一个节点内集成多个输入端口,特别适合需要同时接收多个数据源的场景。开发者可以灵活配置内部包含的输入节点数量。
-
多输出节点(multiOutputs):与多输入节点相对应,多输出节点支持在一个节点内定义多个输出分支。更强大的是,这种节点还支持嵌套使用,可以在一个多输出节点内再包含另一个多输出节点,形成层级化的输出结构。
-
中断节点(break):新增的中断节点为流程提供了可控的终止点,开发者可以在特定条件下主动终止流程执行。
这些新增的节点类型通过组合使用,可以构建出更加复杂的流程拓扑结构。例如,开发者可以创建一个多输入节点接收多种数据源,经过处理后通过嵌套的多输出节点进行分发,最后在特定条件下使用中断节点终止流程。
表单模型优化
在节点引擎方面,本次更新对表单模型处理进行了两项重要改进:
-
值比较优化:将原来的深拷贝(cloneDeep)改为浅拷贝(clone),并增加了浅层相等检查(shallowEqual)。这种优化在处理大型表单数据时能够显著提升性能,特别是在频繁更新表单值的场景下。
-
初始化格式化修复:修复了formatOnInit标志位下的表单值更新问题,确保在表单初始化时能够正确应用格式化规则,避免数据不一致的情况。
新增演示示例
为了让开发者更好地理解和使用新功能,v0.1.30版本新增了两个演示示例:
-
固定布局简单示例:展示了如何使用新增的节点类型构建基本流程,特别加入了流程选择(flow-select)功能,方便开发者快速切换不同的流程配置。
-
演示沙盒(playground):提供了一个交互式的开发环境,开发者可以在这个沙盒中自由尝试各种节点组合和配置,实时观察流程的变化和效果。
技术实现亮点
从技术实现角度来看,本次更新有几个值得关注的亮点:
-
复合节点的嵌套设计:多输入/多输出节点支持无限级嵌套,这种设计极大地扩展了流程编排的表达能力,同时保持了节点结构的清晰性。
-
性能优化:表单模型的浅拷贝和浅比较策略,在保证功能完整性的前提下,减少了不必要的深拷贝操作,提升了整体性能。
-
开发者体验提升:新增的演示沙盒环境大大降低了新用户的学习曲线,开发者可以通过实际操作快速掌握各种节点特性和组合方式。
这些更新使得Flowgram.ai在流程编排的灵活性和易用性上都迈上了一个新台阶,为构建复杂业务逻辑提供了更加强大的工具支持。
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