在自动化工作流中集成AI时，数据隐私与高昂的API费用是两大障碍。通过将n8n平台与本地部署的Ollama大模型相结合，既能确保数据不出内网，实现绝对隐私，又能零成本调用AI能力。此方案为追求数据安全与成本控制的用户提供了切实可行的解决路径。
智能速览
本地部署Ollama可彻底解决n8n中AI调用的隐私与成本问题。
Windows与macOS上均可轻松安装Ollama，提供图形界面与命令行两种方式。
n8n配置关键点在于正确设置Ollama的BaseURL地址，尤其是Docker部署场景。
通过Homebrew服务管理Ollama，可实现macOS上的后台运行与开机自启。
该方案支持多种本地大模型，如DeepSeek-R1和Qwen3等。
精华内容
掌握n8n与Ollama的集成，意味着可以在不牺牲数据隐私和控制成本的前提下，为自动化工作流赋予强大的AI能力。以下将分步详解配置全过程。
Ollama本地部署
首先需要在本地计算机上安装Ollama。对于Windows用户，可直接访问官网下载安装包，整个过程是“下一步”式的傻瓜操作。macOS用户同样可以下载图形安装包，但更推荐使用Homebrew进行命令行安装，通过`brew install ollama`指令即可完成。安装后，使用`ollama run deepseek-r1:1.5b`这样的命令即可下载并运行一个指定模型，1.5B的小模型适合快速演示和测试。
n8n基础配置
在n8n中，新建一个工作流。为了方便测试，可以选择使用`Chat Trigger`（聊天触发器）作为工作流的起点。然后，添加一个`AI Agent`（AI代理）节点。在该节点的模型配置中，语言模型提供商选择“Ollama”，并添加一个“Ollama Chat Model”类型的凭证，此时先保持默认设置，后续将进行调整。
关键配置点
这是整个集成的核心步骤。在`AI Agent`节点的模型设置中，默认的Base URL是`http://localhost:11434`。如果n8n和Ollama都运行在本地宿主机，此设置无误。但如果n8n是通过Docker部署的，而Ollama运行在宿主机上，就必须将Base URL修改为`http://host.docker.internal:11434`。这个特殊地址能让Docker容器内部的n8n成功访问到宿主机上运行的Ollama服务。修改后，务必在模型下拉菜单中选择一个已在Ollama中下载并运行的模型，如`deepseek-r1:1.5b`。
测试与验证
完成上述配置后，即可进行测试。在`Chat Trigger`的输入框中发送一条消息，如“hello”，然后手动触发工作流。如果一切配置正确，`AI Agent`节点将成功执行，并返回由本地DeepSeek模型生成的回答。视频中的实测结果显示，n8n成功调用了本地模型并返回了结果，验证了整个流程的可行性。
平台差异处理
在macOS上，通过Homebrew安装Ollama后，推荐使用`brew services start ollama`命令来启动服务。这样做的好处是Ollama会作为一个后台服务运行，不占用终端窗口，并且可以设置为开机自启，比直接运行`ollama server`更为稳定和便捷。Windows平台的Ollama默认作为应用运行，但核心的n8n集成配置逻辑与macOS完全一致。
将n8n与本地Ollama模型集成，为自动化领域带来了兼顾隐私、成本与功能性的新范式。无论是企业内网环境还是个人开发者，都能从此方案中获得极高的自由度。未来的自动化工作流，或许将更多地向本地化、私有化的方向演进。
