2026 年自托管 AI：使用 n8n 与 Ollama 自动化你的 Linux 工作流

Source: Dev.to

为什么要将 Ollama 与 n8n 结合？

• 零延迟 – 无需外部 API 往返。
• 隐私 – 日志、密钥和提示永不离开你的硬件。
• 无需订阅 – 一次性硬件费用，零月费。
• 完全控制 – 可运行任意模型（Llama 3.x、Mistral、DeepSeek 等）。

支持的环境

• 任意现代 Linux 发行版（推荐 Ubuntu 24.04+ 或 Debian 13）。
• Ollama – 本地运行 LLM 的最简方式。
• n8n – “自托管版 Zapier”，内置 AI 节点。
• Docker – 便于部署和隔离。

安装 Ollama

curl -fsSL https://ollama.com/install.sh | sh

验证安装并拉取一个通用模型（例如 Llama 3）：

ollama pull llama3
ollama run llama3 "Hello, world!"

使用 Docker Compose 部署 n8n

创建 docker-compose.yml 文件：

version: '3.8'

services:
  n8n:
    image: n8nio/n8n:latest
    restart: always
    ports:
      - "5678:5678"
    environment:
      - N8N_HOST=localhost
      - N8N_PORT=5678
      - N8N_PROTOCOL=http
    volumes:
      - n8n_data:/home/node/.local/share/n8n
    # Allow n8n to reach Ollama on the host
    extra_hosts:
      - "host.docker.internal:host-gateway"

volumes:
  n8n_data:

启动整个栈：

docker compose up -d

在浏览器中打开 n8n（地址为 http://localhost:5678）。

添加 Ollama 节点

1. 在工作流中添加 Ollama 节点。
2. 配置凭证：将 URL 设置为 http://host.docker.internal:11434。
3. 选择你的模型（例如 llama3）。
4. 将节点连接到触发器（HTTP 请求、Cron 等）。

示例工作流：日志摘要邮件

1. 节点 1 – 执行命令

   tail -n 100 /var/log/syslog

2. 节点 2 – Ollama

   提示语：“Summarize these logs and highlight any security warnings or critical errors.”（请将日志进行摘要，并标出任何安全警告或关键错误。）

3. 节点 3 – Email / Discord

   将生成的摘要发送到你喜欢的渠道。

性能优化技巧

• GPU 加速 – 安装 nvidia-container-toolkit，让 Docker 能使用 CUDA。
• 模型量化 – 4‑bit 或 6‑bit 量化在速度与精度之间提供良好平衡。
• 显存需求
  • 7 B–8 B 模型：约 8 GB 显存即可。
  • 70 B 模型：需要 24 GB 以上显存（或高端工作站，如 Mac Studio）。

进一步阅读

• Ollama 官方文档
• n8n 自托管 AI 入门套件
• Linux 自动化最佳实践（2026）

自托管 AI 不仅是技术选择，更是重新掌控工具所有权的一步。如果你用这套技术栈构建了有趣的项目，欢迎在评论区分享。

祝玩得开心！