Oracle 免费 VM.Standard.A1.Flex 实例最多提供 4 个 ARM Ampere CPU、24GB RAM 以及 200GB SSD，尽管 CPU 性能不算顶尖，但对于一些小型 LLM 模型处理轻型任务基本够用。
今天通过 Docker 部署 n8n 服务，顺便尝试了下在里面通过 Ollama 调用本地模型，这下终于可以不让小鸡吃灰了。本文使用以下服务：
n8n 是一个开源的自动化工作流平台，对各家 AI 的支持都非常好。我没有这些 AI 平台的 API，就先试试本地 LLM 模型吧，由俭入奢嘛~
Ollama 是一款运行本地大语言模型的开源框架，部署起来很简单，可以让各家开源模型快速跑起来。
参考 Docker 官方最新文档安装好 Docker 和 Doker Compose 插件，应该还需要一个反向代理服务器，文中以 Nginx 为例。
n8n 支持多种数据库（默认 SQLite），这里使用的是 PostgreSQL，提前创建数据卷并设置权限
# n8n data dir
cd ~/container/n8n
mkdir -p n8n_data postgres_data
# node user
sudo chown -R 1000:1000 ./n8n_data
# postgres user
sudo chown -R 999:999 ./postgres_data
chmod -R 700 ./postgres_data
chmod -R 755 ./n8n_data
创建 docker-compose.yml 模板
services:
postgres:
image: postgres:17.6-alpine
container_name: n8n-postgres
restart: unless-stopped
user: "999:999"
environment:
POSTGRES_USER: n8n # 数据库用户名
POSTGRES_PASSWORD: n8npass # 数据库密码
POSTGRES_DB: n8n # 数据库名称
LANG: en_US.UTF-8
LC_ALL: en_US.UTF-8
volumes:
- ./postgres_data:/var/lib/postgresql/data
healthcheck:
test: ["CMD-SHELL", "pg_isready -U n8n -d n8n || exit 1"]
interval: 10s
timeout: 5s
retries: 10
start_period: 30s
n8n:
image: docker.n8n.io/n8nio/n8n:latest
container_name: n8n
restart: unless-stopped
user: "1000:1000"
environment:
- DB_TYPE=postgresdb
- DB_POSTGRESDB_HOST=postgres
- DB_POSTGRESDB_PORT=5432
- DB_POSTGRESDB_DATABASE=n8n # 数据库名称
- DB_POSTGRESDB_USER=n8n # 数据库用户名
- N8N_ENFORCE_SETTINGS_FILE_PERMISSIONS=true
- N8N_RUNNERS_ENABLED=true
- N8N_HOST=n8n.dejavu.moe
- N8N_PORT=5678
- N8N_PROTOCOL=https
- WEBHOOK_URL=https://n8n.dejavu.moe/ # 替换你的域名
- N8N_EDITOR_BASE_URL=https://n8n.dejavu.moe/ # 替换你的域名
- N8N_PROXY_HOPS=1
- GENERIC_TIMEZONE=Asia/Shanghai
- TZ=Asia/Shanghai
ports:
- "127.0.0.1:5678:5678"
depends_on:
postgres:
condition: service_healthy
volumes:
- ./n8n_data:/home/node/.n8n
这时候我们只部署了 n8n 服务，启动容器
sudo docker compose up -d
添加一个用于 n8n Web 服务的 Nginx 反向代理配置，示例如下：
server {
listen 80;
listen [::]:80;
server_name n8n.dejavu.moe; # 替换你的域名
# HTTP to HTTPS
return 301 https://$host$request_uri;
}
server {
listen 443 ssl;
listen [::]:443 ssl;
http2 on;
server_name n8n.dejavu.moe; # 替换你的域名
ssl_certificate /etc/nginx/cert/wild.dejavu.moe.pem; # SSL
ssl_certificate_key /etc/nginx/cert/wild.dejavu.moe.key; # SSL
# Cloudflare Origin SSL cipher suites
ssl_protocols TLSv1.2 TLSv1.3;
ssl_ecdh_curve X25519:P-256:P-384;
ssl_ciphers ECDHE-ECDSA-AES128-GCM-SHA256:ECDHE-ECDSA-CHACHA20-POLY1305:ECDHE-RSA-AES128-GCM-SHA256:ECDHE-RSA-CHACHA20-POLY1305:ECDHE+AES128:RSA+AES128:ECDHE+AES256:RSA+AES256:ECDHE+3DES:RSA+3DES;
ssl_prefer_server_ciphers off;
ssl_session_cache shared:SSL:10m;
ssl_session_timeout 1d;
ssl_session_tickets off;
# logs
access_log /var/log/nginx/n8n.dejavu.moe.access.log;
error_log /var/log/nginx/n8n.dejavu.moe.error.log;
location / {
proxy_pass http://127.0.0.1:15678;
proxy_http_version 1.1;
proxy_set_header Upgrade $http_upgrade;
proxy_set_header Connection "upgrade";
proxy_set_header Host $host;
proxy_set_header X-Real-IP $remote_addr;
proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
proxy_set_header X-Forwarded-Proto $scheme;
proxy_set_header X-Forwarded-Host $host;
proxy_set_header X-Forwarded-Port $server_port;
proxy_buffering off;
chunked_transfer_encoding off;
proxy_read_timeout 3600;
proxy_send_timeout 3600;
}
location ~ ^/(webhook|webhook-test)/ {
proxy_pass http://127.0.0.1:15678;
proxy_set_header Host $host;
proxy_set_header X-Real-IP $remote_addr;
proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
proxy_set_header X-Forwarded-Proto $scheme;
}
}
此时应该可以通过自己的域名访问 n8n 了，创建管理员账号输入邮箱，会收到一个用于解锁社区版特性的激活码。假如你有 ChatGPT、Gemini……这些平台的 API Key，现在就可以愉快的玩耍了，毕竟现在 n8n 宣称是原生 AI 集成的全自动工作流，在这里找模板：
和我一样的「穷鬼」们，去下一步吧，我们将在 Ollama 中体验各种免费的模型。
假如用 Docker 部署 Ollama，我又不想再给它添加一个反向代理了，那么 n8n 怎么访问 Ollama 呢？那就直接编排到同一个 docker-compose.yml 模板里吧，它们会共享容器的网络，端口绑定本地环回地址即可确保安全，这样 Ollama 的 HTTP API 就仅限本机 n8n 使用了。
在上面的 n8n 服务中添加 Ollama 的服务，现在看起来应该这样：
services:
ollama:
container_name: ollama
image: ollama/ollama:latest
restart: unless-stopped
environment:
- OLLAMA_HOST=0.0.0.0
- OLLAMA_KEEP_ALIVE=1h
volumes:
- ./ollama:/root/.ollama
postgres:
image: postgres:17.6-alpine
container_name: n8n-postgres
restart: unless-stopped
user: "999:999"
environment:
POSTGRES_USER: n8n
POSTGRES_PASSWORD: n8npassword
POSTGRES_DB: n8n
LANG: en_US.UTF-8
LC_ALL: en_US.UTF-8
volumes:
- ./postgres_data:/var/lib/postgresql/data
healthcheck:
test: ["CMD-SHELL", "pg_isready -U n8n -d n8n || exit 1"]
interval: 10s
timeout: 5s
retries: 10
start_period: 30s
n8n:
image: docker.n8n.io/n8nio/n8n:latest
container_name: n8n
restart: unless-stopped
user: "1000:1000"
environment:
- DB_TYPE=postgresdb
- DB_POSTGRESDB_HOST=postgres
- DB_POSTGRESDB_PORT=5432
- DB_POSTGRESDB_DATABASE=n8n
- DB_POSTGRESDB_USER=n8n
- N8N_ENFORCE_SETTINGS_FILE_PERMISSIONS=true
- N8N_RUNNERS_ENABLED=true
- N8N_HOST=n8n.dejavu.moe
- N8N_PORT=5678
- N8N_PROTOCOL=https
- WEBHOOK_URL=https://n8n.dejavu.moe/
- N8N_EDITOR_BASE_URL=https://n8n.dejavu.moe/
- N8N_PROXY_HOPS=1
- GENERIC_TIMEZONE=Asia/Shanghai
- TZ=Asia/Shanghai
ports:
- "127.0.0.1:15678:5678"
extra_hosts: # <添加这个>
- "host.docker.internal:host-gateway" # <以及这个>
depends_on:
postgres:
condition: service_healthy
volumes:
- ./n8n_data:/home/node/.n8n
启动 Ollama 服务
sudo docker compose up -d
下载 LLM 模型，比如 llama3.1:8b，也可以使用一些 Tool Calling 类模型，比如 deepseek-r1-tool-calling:1.5b
sudo docker exec -it ollama bash
ollama pull llama3.1:8b
完成后重启相关容器
sudo docker compose down && sudo docker compose up -d
登录我们部署的 n8n 控制台，添加一个 Ollama 服务凭据，Base URL 填 http://ollama:11434 即可
这是一个获取 RSS 摘要并将总结发送到 Telegram 频道/群组/对话中的工作流（来自公开模板）
纯 CPU 进行这种 LLM 推理压力还是挺大的，后续可以选择更小一点的模型
考虑当前硬件性能对本地 LLM 的瓶颈，我们大概最多可以选择 7b/8b 以下的模型（甚至更低），虽然吐 Token 的速度还是有点慢，不过反正以后是 n8n 在跑，我们又不用等，让它跑吧！
最终，这个简单的任务用时 11 分钟 24.635 秒，可以接受哈哈。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。