n8n@2.46.5
n8n 2.46.5 更新修复了多个错误，包括修正 AI 智能体节点已弃用的代理类型标注、改进节点参数的凭据解析，并支持在表达式中读取命名数组键。新功能包括在迁移报告中默认隐藏已归档的工作流，以及在迁移报告加载时间过长时显示提示信息。
AI NEWS JOURNAL
搜索 AI 资讯
检索标题、摘要与正文，把分散的信息连起来。
n8n@2.47.1
n8n 2.47.1 更新引入了多项功能，以提升迁移报告的使用体验，包括默认隐藏已归档的工作流，并在报告加载耗时较长时显示提示信息。
n8n@2.46.3
## [2.46.3](https://github.com/n8n-io/n8n/compare/n8n@2.46.2...n8n@2.46.3) (2026-10-30) ### 修复内容 * **核心：** 在重新发送迁移所有者提醒之前添加冷却时间（[#42567](https://github.com/n8n-io/n8n/issues/42567))（[724efc3](https://github.com/n8n-io/n8n/commit/724efc352f51a52910924789b79cf66770807e09)) * **核心：** 在激活后解析 IMAP 触发表达式（[#42612](https://github.com/n8n-io/n8n/issues/42612))（[17594a7](https://github.com/n8n-io/n8n/commit/17594a7eefa42bc37f532af35c4f38eb1986bbc5)) * **核心：** 在表达式中以 __isError 键作为数据返回用户数据（[#42490](https://github.com/n8n-io/n8n/issues/42490))（[9fe595e](https://github.com/n8n-io/n8n/commit/9fe595e1b83179b54ac5768d03c5f90f9c409f16)) * **编辑器：** 在工作流项目名称下显示该项目
n8n@2.45.7
核心：在工作流作用域的路由读取执行数据时，要求具备“read”权限（#42446）（93638f4）
n8n@1.123.90
1.123.90（2026-10-29）核心：接受邀请需使用已签名的令牌（#42292）（4580f22）
n8n@2.45.6
核心：记录队列模式下执行所节省的动态时间（#42482）（f2f0c2f） 编辑器：匹配紧凑侧边栏图标尺寸（#42378）（56eec49）
n8n@3.0.1
## [3.0.1](https://github.com/n8n-io/n8n/compare/n8n@3.0.0...n8n@3.0.1) (2026-10-28) ### Bug修复 core：在压缩版构建中保留 ExpressionError 的名称 (https://github.com/n8n-io/n8n/issues/42309) ([b3192c6](https://github.com/n8n-io/n8n/commit/b3192c6d151125c76c88fe8a421e027b4242a3f9)) core：在 QuickJS 表达式结果中保留未定义值 (https://github.com/n8n-io/n8n/issues/42264) ([532f645](https://github.com/n8n-io/n8n/commit/532f645f21c99e178a09448caf37ebd77d24b56a)) 编辑器：使分割按钮内的光标对齐 (https://github.com/n8n-io/n8n/issues/42203) ([61cbfea](https://github.com/n8n-io/n8n/commit/61cbfeafa267b5c769b345c50ccbd4fc504b0e69)) 编辑器：提升首次加载速度 (https://github.com/n8n-io/n8n/issues/41987) ([8b6bdbb](https://github.com/n8n-io/n8n/commit/8b6bdbbe874b
n8n@2.45.5
## [2.45.5](https://github.com/n8n-io/n8n/compare/n8n@2.45.4...n8n@2.45.5) (2026-10-28) ### 修复的Bug * **核心：** 在压缩版构建中保留 ExpressionError 的名称（[#42309](https://github.com/n8n-io/n8n/issues/42309))（[b3192c6](https://github.com/n8n-io/n8n/commit/b3192c6d151125c76c88fe8a421e027b4242a3f9)) * **核心：** 在 QuickJS 表达式结果中保留未定义值（[#42264](https://github.com/n8n-io/n8n/issues/42264))（[532f645](https://github.com/n8n-io/n8n/commit/532f645f21c99e178a09448caf37ebd77d24b56a)) * **编辑器：** 在拆分按钮内对齐光标（[#42203](https://github.com/n8n-io/n8n/issues/42203))（[61cbfea](https://github.com/n8n-io/n8n/commit/61cbfeafa267b5c769b345c50ccbd4fc504b0e69)) * **编辑器：** 提高首次加载速度（[#41987](https://github.com/n8n-io/n8n/issues/4
n8n@3.0.0
# [3.0.0](https://github.com/n8n-io/n8n/compare/n8n@2.45.0...n8n@3.0.0)（2026-10-27）### 问题修复 * 在工件下载按钮上添加文件类型提示工具提示（[#41490](https://github.com/n8n-io/n8n/issues/41490))（[4a74f02](https://github.com/n8n-io/n8n/commit/4a74f027e612f31098b354dd3a77b2c2ab98281c)) * **ai-builder：** 检查执行权限：在 Assistant 执行读取时进行检查（[#41863](https://github.com/n8n-io/n8n/issues/41863))（[a967486](https://github.com/n8n-io/n8n/commit/a9674866d075e989a5ce896432262c9a7dc8b0c7)) * **ai-builder：** 通过已配置的 AI 传输通道发送 Assistant 模型调用（[#41948](https://github.com/n8n-io/n8n/issues/41948))（[9b63561](https://github.com/n8n-io/n8n/commit/9b63561cbb48f06d216f27be3b77722d97e4e74a)) * 支持自定义 OAuth2 范围（[#41249](https://github.com/n8n-
n8n@2.46.0
# [2.46.0](https://github.com/n8n-io/n8n/compare/n8n@2.45.0...n8n@2.46.0)（2026-10-27）### 修复的缺陷 * 在工件下载按钮上添加文件类型提示工具提示（[#41490](https://github.com/n8n-io/n8n/issues/41490))（[4a74f02](https://github.com/n8n-io/n8n/commit/4a74f027e612f31098b354dd3a77b2c2ab98281c)) * **ai-builder：** 检查执行权限：在 Assistant 执行读取操作时进行检查（[#41863](https://github.com/n8n-io/n8n/issues/41863))（[a967486](https://github.com/n8n-io/n8n/commit/a9674866d075e989a5ce896432262c9a7dc8b0c7)) * **ai-builder：** 通过已配置的 AI 传输通道发送 Assistant 模型调用（[#41948](https://github.com/n8n-io/n8n/issues/41948))（[9b63561](https://github.com/n8n-io/n8n/commit/9b63561cbb48f06d216f27be3b77722d97e4e74a)) * 支持自定义 OAuth2 范围（[#41249](https://github.com/n8
提炼、辩论、发现：以图谱提炼的洞见为多智能体研究构思奠定基础
arXiv:2610.33366v1 发布类型：新 摘要：大型语言模型（LLMs）正越来越多地被用于支持研究思路的生成与科学发现。多智能体辩论通过汇聚多元视角来制定研究构想，为这一任务提供了一种协作式方法。然而，一个关键挑战是如何赋予各智能体独特而有意义的专业知识，以引导其贡献。受研究人员在协作过程中借鉴已有研究经验的启发，我们提出了InsightAgents框架，该框架通过从相关论文的图谱中提炼洞见，构建基于文献的研究型智能体专长。在一条研究脉络中，这些洞见能够追踪研究方法的演进、揭示潜在假设，并识别尚未解决的难题。
测试版
## [2.45.4](https://github.com/n8n-io/n8n/compare/n8n@2.45.3...n8n@2.45.4) (2026-10-26) ### 问题修复 * **核心：** 重新创建已移除的 n8n-sandbox 沙箱，并重新运行工作空间设置（[#41919](https://github.com/n8n-io/n8n/issues/41919))（[11e279a](https://github.com/n8n-io/n8n/commit/11e279a51d497f8d96f5f9f90bb314dda4f6a49e)) * **核心：** 当预运行检查失败时，启动子工作流错误工作流（[#41977](https://github.com/n8n-io/n8n/issues/41977))（[9595142](https://github.com/n8n-io/n8n/commit/95951428c765f3f0b1da9f341a6ab8c75673385a)) * **编辑器：** 匹配导航加号按钮悬停样式（[#41910](https://github.com/n8n-io/n8n/issues/41910))（[471c006](https://github.com/n8n-io/n8n/commit/471c006fdd46091659f3e1d28d989702049489f0)) * **编辑器：** 将迁移报告文档中的链接指向
n8n@2.45.4
## [2.45.4](https://github.com/n8n-io/n8n/compare/n8n@2.45.3...n8n@2.45.4) (2026-10-26) ### 问题修复 * **核心：** 重新创建已移除的 n8n-sandbox 沙箱，并重新运行工作空间设置（[#41919](https://github.com/n8n-io/n8n/issues/41919))（[11e279a](https://github.com/n8n-io/n8n/commit/11e279a51d497f8d96f5f9f90bb314dda4f6a49e)) * **核心：** 当预运行检查失败时，启动子工作流错误工作流（[#41977](https://github.com/n8n-io/n8n/issues/41977))（[9595142](https://github.com/n8n-io/n8n/commit/95951428c765f3f0b1da9f341a6ab8c75673385a)) * **编辑器：** 匹配导航加号按钮悬停样式（[#41910](https://github.com/n8n-io/n8n/issues/41910))（[471c006](https://github.com/n8n-io/n8n/commit/471c006fdd46091659f3e1d28d989702049489f0)) * **编辑器：** 将迁移报告文档中的链接指向
稳定
## [2.44.7](https://github.com/n8n-io/n8n/compare/n8n@2.44.6...n8n@2.44.7)（2026-10-26）### 问题修复 * **核心：** 当预运行检查失败时，启动子工作流的错误处理流程（[#41978](https://github.com/n8n-io/n8n/issues/41978))（[67d0e65](https://github.com/n8n-io/n8n/commit/67d0e65f5d5d01d49b1d14ea2c26a6b803bf058b)) * **电子邮件触发器（IMAP）节点：** 当服务器每次断开新连接时，退避重连机制（[#41927](https://github.com/n8n-io/n8n/issues/41927))（[10a9518](https://github.com/n8n-io/n8n/commit/10a9518f0d9d470e619b500383b5b76fc1870662)) * **Microsoft SharePoint 节点：** 修复列映射器中的 403 错误以及“自动映射”功能中的空项（[#41906](https://github.com/n8n-io/n8n/issues/41906))（[e67d278](https://github.com/n8n-io/n8n/commit/e67d278ef0ae3c15493e74813ecce972e384ff1
n8n@2.44.7
## [2.44.7](https://github.com/n8n-io/n8n/compare/n8n@2.44.6...n8n@2.44.7)（2026-10-26）### 问题修复 * **核心：** 当预运行检查失败时，启动子工作流的错误处理流程（[#41978](https://github.com/n8n-io/n8n/issues/41978))（[67d0e65](https://github.com/n8n-io/n8n/commit/67d0e65f5d5d01d49b1d14ea2c26a6b803bf058b)) * **电子邮件触发器（IMAP）节点：** 当服务器每次断开新连接时，退避重连机制（[#41927](https://github.com/n8n-io/n8n/issues/41927))（[10a9518](https://github.com/n8n-io/n8n/commit/10a9518f0d9d470e619b500383b5b76fc1870662)) * **Microsoft SharePoint 节点：** 修复列映射器中的 403 错误以及“自动映射”功能中的空项（[#41906](https://github.com/n8n-io/n8n/issues/41906))（[e67d278](https://github.com/n8n-io/n8n/commit/e67d278ef0ae3c15493e74813ecce972e384ff1
DraMaze：一种具备未来感知记忆的多智能体流水线，用于多样化的微剧剧本生成
arXiv：2610.32002v1 发布类型：新 摘要：微剧的迅猛发展使得对高质量剧本创作的需求日益增长。利用大语言模型进行长篇微剧剧本生成，既需要丰富多样的情节推进，又要求具备长远的叙事连贯性。我们的观察发现，随着生成过程的推进，候选续写内容越来越倾向于聚焦于少数几种叙事机制；而传统的检索方式则可能加剧套路的重复使用，并忽视对未来情节至关重要的历史信息。为应对这些挑战，我们提出了DraMaze——一种多智能体流水线，通过基于套路记忆的进化树搜索与变异，探索多样化的因果路径；同时，它还构建了后向叙事依赖树，用于组织、保存并检索历史记忆。
arXiv新论文提出可追溯多模态情绪推理的智能体框架，支持证据验证与免权重更新的提示修补
2026年10月26日，arXiv发布预印本论文（编号2610.31685v1），提出一种基于冻结大模型的可追溯多模态情绪推理智能体架构，通过模态专用感知智能体、集成智能体、MLLM批评者及证据验证阶段实现错误归因与提示空间自适应优化，在MER2025数据集上提升多个开源多模态大模型（2B–38B参数）的情绪识别F-score达0.6–2.2分。
推荐理由：该研究针对当前多模态情绪推理系统在指令微调成本高与智能体流水线不可调试之间的矛盾，提出首个融合证据引用、确定性验证、失败归因与靶向提示修补的全流程可解释框架；所有改进均不修改模型权重，且在四个不同规模开源MLLM上实证有效，具备方法论创新性与工程实用性。
重试权限：AI 智能体工作流中的授权与恢复研究
arXiv：2610.31916v1 发布类型：新 摘要：一个持久化的 AI 智能体能够在自身权限发生变更、且该行动的外部结果仍不确定的情况下，恢复执行一项具有重要影响的行动。我们研究了使用工具的 AI 智能体在执行过程中的可靠性，并将恢复决策与语言模型的行为加以分离。检查点状态、派遣权限、外部效应的证据以及协调权限，都是相互独立的义务。我们提出了一项有限的一致性研究，通过对照隐藏于恢复应用之外的供应商效应账本所记录的历史数据，来检验这些义务。一项预先冻结的实验在原生 LangGraph 和 Temporal 主机上执行了 336 条历史记录，跨越 14 个调度、三个供应商合同以及四个匹配的应用策略。所有 168 对主机单元
拜耳作物科学基于Amazon Bedrock AgentCore构建多智能体决策引擎ADE
拜耳作物科学在Amazon Bedrock AgentCore上构建了Agentic Decision Engine（ADE），一个面向育种专家、分析师与研究人员的自然语言多智能体平台，作为其现有Connected Decision Engine（CDE）的增强层而非替代。该系统已上线生产环境，服务超100名R&D用户，通过22个领域专用智能体与约20个API工具实现约80%问题自助解决。
Deep Insight：AWS开源多智能体系统如何解决五大生产级挑战
AWS解决方案架构团队推出的开源多智能体系统Deep Insight，面向CSV数据自动分析与自然语言报告生成场景，系统性应对生产环境中常见的五大挑战：智能体编排、按角色选模、稳定运行、安全代码执行与可观测性，并已在LG电子和re:Invent 2025 TechRecon等真实场景落地验证。