2026-05-05
n8n 与本地 Ollama 实例集成：完整设置指南
通过这份循序渐进的指南，学习如何将 n8n 连接到本地 Ollama 实例。安全私密地自动化您的 AI 工作流，无需支付云 API 费用。
作为亚马逊合作伙伴，我们从符合条件的购买中赚取收益。本文可能包含联盟链接。
如何将 n8n 连接到本地 Ollama 实例：完整设置指南
快速解答： 要将 n8n 连接到本地 Ollama 实例，请确保两个应用程序运行在同一个网络上。在启动 Ollama 之前，通过设置环境变量
OLLAMA_HOST=0.0.0.0来公开您的 Ollama 主机。然后，在 n8n 中，使用 HTTP Request 节点或社区版 Ollama 节点，将基础 URL 设置为http://<your-machine-ip>:11434，即可在自动化工作流中直接发送提示词并接收 AI 生成的响应。
过去，将强大的大语言模型（LLMs）集成到日常工作流中意味着需要支付定期的订阅费用，并将敏感数据发送给第三方云提供商。然而，开源权重模型和用户友好的执行环境的兴起，已经彻底改变了这一模式。
通过将 n8n（一个灵活的、自托管的工作流自动化工具）与 Ollama（一个允许您在自有硬件上本地运行 LLMs 的应用程序）相结合，您可以构建完全私密、免费运行且响应极其迅速的复杂 AI 管道。
无论您是要自动化客户支持工单分类、从 RSS 订阅源生成内容草稿，还是总结内部文档，将这两个工具连接起来都能为本地 AI 自动化创建一个强大的引擎。本指南将逐步指导您如何让 n8n 与本地 Ollama 实例实现无缝通信。
了解架构
在深入配置之前，了解 n8n 和 Ollama 的交互方式会很有帮助。n8n 作为一个编排器，根据触发器按定义的顺序执行步骤。Ollama 作为一个后台服务（REST API 服务器）运行，它将模型加载到计算机的内存（RAM 或 VRAM）中，并处理文本生成请求。
当您连接两者时，n8n 充当客户端。它向 Ollama 的 API 端点发送一个包含提示词的 HTTP POST 请求。Ollama 通过选定的模型（如 Llama 3、Mistral 或 Phi-3）处理提示词，并将生成的文本返回给 n8n，n8n 随后将该数据传递给工作流中的下一个节点。
为什么要本地运行模型？
这种设置的主要优势在于数据隐私和成本控制。由于模型运行在您自己的硬件上，任何信息都不会离开您的网络。这对于处理敏感客户数据、专有代码或机密内部通信的企业来说至关重要。此外，除了初始的硬件投资外，本地推理的每个 token 的 API 成本为零，让您可以无限扩展自动化操作，而无需担心预算。
第 1 步：配置 Ollama 的网络访问
默认情况下，Ollama 将其 API 服务器严格绑定到 localhost (127.0.0.1)。这是一种防止未经授权访问的安全措施。如果您通过 Docker 或在本地网络的另一台机器上运行 n8n，n8n 将无法使用 localhost 访问 Ollama，因为 Docker 容器内的 localhost 指的是容器本身，而不是您的宿主机。
您必须将 Ollama 配置为接受来自其他 IP 地址的连接。
设置主机环境变量
要将 Ollama 暴露给您的本地网络，您需要在启动 Ollama 服务之前设置 OLLAMA_HOST 环境变量。
在 Linux 上：
编辑您的 systemd 服务文件（通常位于 /etc/systemd/system/ollama.service）。在 [Service] 部分下添加以下行：
Environment="OLLAMA_HOST=0.0.0.0"
保存文件，重新加载守护进程（sudo systemctl daemon-reload），然后重启服务（sudo systemctl restart ollama）。
在 macOS 上：
如果您通过终端运行 Ollama，可以使用以下命令启动它：
OLLAMA_HOST=0.0.0.0 ollama serve
如果您使用 macOS 应用程序，可以使用 launchctl 全局设置该变量：
launchctl setenv OLLAMA_HOST "0.0.0.0"
然后重启 Ollama 应用程序。
在 Windows 上：
打开“开始”菜单，搜索“环境变量”，然后点击“编辑系统环境变量”。点击“环境变量”按钮。在“系统变量”下，点击“新建”。将变量名设置为 OLLAMA_HOST，将变量值设置为 0.0.0.0。点击确定，并重启 Ollama 应用程序。
验证连接
在转到 n8n 之前，验证 Ollama 是否可通过您的本地网络访问。找到您宿主机的本地 IP 地址（例如，192.168.1.50）。在同一网络上的另一台设备上打开浏览器，并导航到 http://192.168.1.50:11434。您应该会看到消息：“Ollama is running”。
第 2 步：准备您的 n8n 环境
如果您通过 Docker 运行 n8n，您需要确保它可以将流量路由到您的宿主机。
使用 Docker 内部路由
如果 n8n 运行在与 Ollama 同一台机器的 Docker 容器中，您不需要使用特定的本地 IP 地址（这可能会改变）。相反，您可以使用 Docker 内置的主机解析。
在 n8n 中配置 URL 时，使用：
http://host.docker.internal:11434
如果您在 Linux 上使用 Docker Compose，可能需要在您的 docker-compose.yml 文件中的 n8n 服务下明确定义此映射：
extra_hosts:
- "host.docker.internal:host-gateway"
第 3 步：将 n8n 连接到 Ollama
将 n8n 连接到 Ollama 主要有两种方法：使用原生的 HTTP Request 节点，或安装专门为 Ollama 设计的社区版节点。
方法 1：使用 HTTP Request 节点
这种方法无需额外安装，并在 API 负载上提供了最大的灵活性。
- 打开您的 n8n 画布并添加一个 HTTP Request 节点。
- 将 Method 设置为
POST。 - 将 URL 设置为
http://<your-machine-ip>:11434/api/generate（或http://host.docker.internal:11434/api/generate）。 - 将 Authentication 设置为
None（Ollama 默认不需要身份验证）。 - 在 Body Parameters 中，选择
JSON。 - 构建您的 JSON 负载。一个基本的生成请求需要模型名称、提示词和一个用于禁用流式的标志（因为 n8n 处理离散数据块比连续流更好）。
示例 JSON：
{
"model": "llama3",
"prompt": "Summarize this text: {{ $json.textToSummarize }}",
"stream": false
}
执行该节点。您应该会收到一个包含 response 字段的 JSON 响应，其中包含生成的文本。
方法 2：使用 LangChain 集成
现代版本的 n8n 包含强大的 Advanced AI (LangChain) 节点。如果您想构建具有记忆功能的多步骤对话代理（agents），或者希望使用模型调用特定工具，这是推荐的方法。
- 在您的画布中添加一个 Basic LLM Chain 或 Agent 节点。
- 在该节点的 ‘Model’ 输入连接中，添加一个 Ollama Chat Model 节点。
- 配置 Ollama Chat Model 节点。将 Base URL 设置为您的 Ollama 端点（例如，
http://192.168.1.50:11434）。 - 输入您通过 Ollama 提取的Model的准确名称（例如，
mistral，llama3:8b）。 - 调整 Temperature 设置。较低的值（0.1 - 0.3）会使输出更具确定性和事实性，而较高的值（0.7 - 0.9）则鼓励创造力。
实用设置建议与故障排除
让本地 AI 管道顺利运行需要管理硬件资源并[有效地处理超时。
管理节点超时
本地 LLM 推理可能需要时间，尤其是在消费级硬件上或处理大型提示词时。默认的 n8n HTTP Request 节点超时可能会在 Ollama 完成生成响应之前触发。
如果您在 n8n 中遇到 “Timeout” 错误，请打开您的 HTTP Request 节点（或 Advanced AI 节点）的设置。找到 “Timeout” 设置并大幅增加它——通常根据您硬件的能力和任务的复杂性，从默认的 10,000ms（10 秒）增加到 60,000ms（1 分钟），甚至是 300,000ms（5 分钟）。
硬件注意事项
n8n 工作流的速度将完全受限于您的 Ollama 推理[速度。
- VRAM 为王： 为获得最佳性能，请确保您的模型能完全装入 GPU 的 VRAM 中。将层卸载到系统 RAM 会大幅降低生成速度。
- 模型大小： 对于标准的 8GB VRAM GPU，坚持使用量化为 4 位（Ollama 默认执行此操作）的 7B 或 8B 参数模型。
- 并发： Ollama 默认会对请求进行排队。如果您的 n8n 工作流同时触发多个实例（例如，处理一批 50 封电子邮件），Ollama 将逐一处理它们。除非您已经显式配置了多 GPU 设置以进行并发执行，否则不要对 Ollama 的 HTTP 请求进行并行化，因为这将导致内存耗尽和崩溃。
结论
将 n8n 连接到本地 Ollama 实例，为任何自动化爱好者或注重隐私的企业解锁了一项巨大的能力。通过公开 Ollama 主机，正确地通过 Docker 或本地 IP 路由网络流量，并利用 n8n 的 HTTP 或 Advanced AI 节点，您创建了一个私密、无成本的智能层。从文本摘要或数据提取等简单任务开始，随着您对硬件限制和本地模型所需的提示词工程越来越熟悉，逐步扩展到复杂的多代理工作流。
常见问题解答
为什么尝试访问 Ollama 时 n8n 显示连接被拒绝？
这通常意味着 Ollama 仍然只绑定到 localhost，或者您的防火墙阻止了 11434 端口。请确保您在运行 Ollama 的机器上设置了 OLLAMA_HOST=0.0.0.0 环境变量并重启了服务。
我可以将 n8n Advanced AI 节点与 Ollama 一起使用吗？
可以。n8n 在 Advanced AI 类别下包含了原生的 Ollama Chat Model 和 Ollama Embeddings 节点。这些允许您构建复杂的类似 LangChain 风格的代理，为模型提供记忆，并直接在 n8n 界面中执行工具调用。
我该如何处理超出模型上下文窗口的大型文档？
本地模型通常具有 4k 到 8k 个 tokens 的上下文限制。在 n8n 中，您应该使用 Advanced AI 的文本拆分节点来对大型文档进行分块，通过 Ollama 生成嵌入，将它们存储在本地向量存储（如 Qdrant 或 Postgres）中，并在向模型发送最终提示词之前，查询向量存储以仅检索相关的上下文。
n8n 是否需要与 Ollama 在同一台机器上？
不需要，它们可以在不同的机器上。只要两台设备在同一个本地网络上（或通过安全的 VPN/Tailscale 连接），且运行 Ollama 的机器允许在 11434 端口上接收传入连接，n8n 就可以使用主机的本地 IP 地址与之通信。