n8n 1.78.0版本发布:工作流自动化平台的重大更新
n8n是一个开源的、可扩展的工作流自动化平台,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。作为一款低代码/无代码工具,n8n特别适合需要集成多个系统的业务场景,同时为开发者提供了充分的灵活性。
核心功能改进
本次1.78.0版本在核心功能方面进行了多项重要改进:
工作流执行优化:修复了"Respond to Webhook"功能在包含等待节点的工作流中的问题,确保这类工作流能够正确响应webhook请求。同时,改进了执行状态监听机制,不再为等待中的执行发送"workflow-post-execute"事件,避免了不必要的处理。
资源映射器增强:默认情况下不再启用严格的类型验证,这一改变使得资源映射器更加灵活,同时保留了在需要时启用严格验证的选项。这一改进特别适合处理数据结构多变或不确定的场景。
执行堆栈修复:解决了空节点执行堆栈的问题,提升了工作流执行的稳定性和可靠性。这一修复对于复杂工作流的正确执行尤为重要。
编辑器体验提升
n8n的图形化编辑器在本版本中获得了多项用户体验改进:
节点问题可视化:现在可以更直观地查看固定集合参数的问题,并在打开执行时更新节点问题状态。这一改进使得调试工作流变得更加高效。
代码编辑器优化:修复了代码节点在切换节点后覆盖代码的问题,同时改进了代码验证逻辑,现在会忽略注释中的代码验证,减少误报。
连接体验改进:优化了连接按钮的位置显示,特别是在直线连接时,使连接操作更加直观。同时修复了删除节点后相邻节点连接索引的问题。
AI与自动化增强
n8n在AI集成和自动化能力方面持续发力:
AI代理节点:为SQLAgent添加了忽略SSL错误的选项,增强了在特定环境下的连接能力。
OpenAI集成:在模型选择中新增了o3模型支持,为用户提供了更多选择。同时,Summarize节点现在能够保留原始字段的数据类型,确保数据处理的一致性。
工具节点扩展:核心功能现在支持更多节点作为工具使用,增强了工作流的灵活性和复用性。
安全与管理功能
API密钥管理:新增了设置API密钥过期时间的功能,增强了安全性。同时支持通过UI创建多个API,简化了管理流程。
GitHub节点改进:修复了从GitHub获取文件名时被截断的问题,确保数据的完整性。
安全改进:解决了Google Cloud Firestore节点中潜在的原型问题,提升了系统的安全性。
新节点与功能
Discord节点:新增了sendAndWait操作,支持更复杂的交互场景。
n8n表单节点:新增了隐藏字段功能,并支持以文本形式响应,扩展了表单的使用场景。
HTTP请求工具节点:放宽了二进制数据的检测标准,提高了兼容性。
总结
n8n 1.78.0版本在稳定性、用户体验和功能丰富度方面都有显著提升。从核心工作流执行机制的优化,到编辑器体验的细节改进,再到AI集成和安全管理的增强,这一版本为自动化工作流的构建和管理提供了更加强大和可靠的平台。特别是对开发者而言,代码节点和资源映射器的改进大大提升了开发效率,而新增的API密钥管理功能则为企业级应用提供了更好的安全保障。
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