n8n Ollama 完整教學：在本地運行 Llama 3，實現 100% 免費的私有化 AI 自動化

你是否渴望將 AI 的強大能力融入你的 n8n 自動化流程，卻因為 OpenAI (ChatGPT) API 的高昂費用、數據隱私的擔憂，或是對網路連線的依賴而猶豫不決？

想像一下，如果你能在自己的電腦或公司內部的伺服器上，運行一個與 ChatGPT 能力相當的大型語言模型 (LLM)，而且完全免費、完全離線、100% 確保資料隱私。這聽起來像是一個遙不可及的夢想，但現在，透過 Ollama 這個開源工具，它已經成為了現實。

Ollama 讓任何人都能輕鬆地在自己的硬體上，下載並運行最先進的開源大型語言模型，例如 Meta 的 Llama 3、Mistral 等。而 n8n 的 Ollama 節點，正是連接這座本地 AI 金礦的官方橋樑。

這篇文章將是你最完整的 n8n 結合 Ollama 的實戰指南。我們將從零開始，手把手帶你完成 Ollama AI 伺服器的安裝與設定，接著教你如何在 n8n 中串接這個本地 AI 大腦，並透過實際案例，打造出一個完全免費且注重隱私的智慧自動化流程。準備好告別 API 帳單，擁抱真正屬於你的 AI 了嗎？

零基礎帶你完成屬於自己的n8n自動化流程

內容目錄

告別 API 費用與隱私擔憂：為什麼選擇 Ollama + n8n？

在 n8n 的世界中，串接 OpenAI 節點雖然方便，但對於許多個人開發者或企業來說，Ollama 提供的本地化 AI 方案有著無可取代的致命吸引力：

零 API 費用 (近乎免費): 開源的大型語言模型本身是免費的。一旦你的硬體準備就緒，你可以無限制地向你的本地 AI 提出請求，執行任意多次的推論，而無需擔心每一筆請求都會產生費用。這對於需要大量 AI 運算的應用場景（例如批次處理上萬份文件）來說，能省下極為可觀的成本。
絕對的資料隱私與安全： 這是 Ollama 最核心的優勢。當你使用 Ollama 時，你所有的提示 (Prompt) 和資料，都只在你自己的電腦或內部網路中流動，完全不會發送到任何第三方的雲端伺服器。這對於需要處理客戶個資、公司內部文件、財務報表等敏感資訊的自動化流程來說，是唯一能符合資安與法規要求的選擇。
離線運行與穩定性： 你的 AI 自動化流程不再依賴於外部網路連線的穩定性。即使網路中斷，只要你的 n8n 和 Ollama 伺服器在同一個區域網路內，流程依然能夠順暢運行。
模型選擇的自由度： 你可以根據你的硬體規格和任務需求，自由選擇最適合的模型。從輕量級、速度快的小模型，到能力強大、需要較高硬體配置的頂尖模型（如 Llama 3 70B），完全由你掌控。

步驟一：安裝與啟動 Ollama – 打造你的個人 AI 伺服器

在我們能於 n8n 中使用本地 AI 之前，必須先在電腦或伺服器上安裝並運行 Ollama 這套軟體。

1. 安裝 Ollama

前往 Ollama 官方網站，根據你的作業系統（macOS, Linux, Windows）下載對應的安裝程式。安裝過程非常簡單，基本上就是點擊幾下即可完成。

安裝完成後，Ollama 會在你的系統背景中以一個服務的形式運行。

2. 下載你的第一個 AI 模型

Ollama 本身只是一個模型的「運行器」，我們還需要下載實際的語言模型。Meta 最新開源的 Llama 3 是目前綜合表現最強的選擇之一。

打開你的終端機 (Terminal) 或命令提示字元 (CMD)，輸入以下指令：

Bash

ollama run llama3

第一次執行時，Ollama 會開始從網路上拉取 (pull) Llama 3 模型的檔案（大約幾 GB），這需要一些時間。下載完成後，你會直接進入一個可以在終端機中與 Llama 3 對話的介面，這代表你的個人 AI 伺服器已經成功啟動並運行了！

你可以隨時關閉這個對話視窗，Ollama 服務依然會在背景待命，等待接收來自 n8n 的 API 請求。

步驟二：設定 n8n Ollama 節點 – 連接你的本地 AI 大腦

現在，我們回到 n8n 的世界，將自動化流程與我們剛剛建立好的 AI 伺服器連接起來。

新增 Ollama 節點： 在 n8n 畫布上，新增一個 Ollama 節點。你會發現它的介面與 OpenAI 節點非常相似。
建立憑證 (Credential)：
- 點開 Credential 欄位，選擇「Create New」。
- Base URL:這是最關鍵的設定！ 你必須在這裡填入你 Ollama 伺服器的位址。
  - 如果 n8n 和 Ollama 運行在同一台電腦上，地址通常是 http://localhost:11434。
  - 如果 n8n 和 Ollama 在不同的電腦上（但在同一個區域網路內），請將 localhost 換成運行 Ollama 那台電腦的內網 IP 位址，例如 http://192.168.1.50:11434。
- 其他欄位（如 API Key）可以留空。點擊「Save」儲存。
設定節點參數：
- Model: 在這個欄位，手動輸入你剛剛下載的模型名稱，例如 llama3。你也可以填寫 llama3:70b 來指定使用更大參數的版本。
- Prompt: 在這裡輸入你希望 AI 執行的指令，可以使用 Expression 來動態傳入資料。

完成設定後，點擊「Execute Node」，n8n 就會將你的請求發送到你本地的 Ollama 伺服器，並將 AI 生成的結果回傳到節點的輸出中。

實戰演練：建立一個完全離線的「本地文件摘要」工作流

這個範例完美體現了 Ollama 在隱私保護上的優勢。

目標： 讀取一個本地資料夾中的文字檔案 (.txt)，使用本地的 Llama 3 模型為其產生一段 200 字的摘要，最後將摘要結果寫入另一個新的文字檔中。整個過程完全在你的電腦內部完成，檔案內容絕不外洩。
流程： Read Binary File -> Ollama -> Write Binary File

設定詳解：

Read Binary File 節點：
- File Path: 指定你要讀取的來源文字檔路徑，例如 /data/source_document.txt。
Ollama 節點：
- Credential: 選擇你設定好的本地 Ollama 憑證。
- Model: llama3
- Prompt (使用 Expression):請將以下文章內容，總結成一段不超過 200 字的繁體中文摘要。文章內容如下： {{ $binary.data }}
  - 解說： $binary.data 會自動讀取從上一個節點傳來的檔案內容。
Write Binary File 節點：
- File Path: 指定你要儲存摘要的目標路徑，例如 /data/summary_output.txt。
- Input Field Name: response (Ollama 節點預設會將 AI 生成的文字放在 response 欄位中)。

執行這個流程，你就在沒有連接網際網路、不花費任何 API 費用的情況下，完成了一次智慧化的文件摘要任務。

Ollama vs. OpenAI 節點：我該如何選擇？

比較項目	Ollama (本地)	OpenAI (雲端)
費用	免費 (硬體成本除外)	按量計費 (Token-based pricing)
資料隱私	極高 (資料不出內網)	較低 (資料需上傳至 OpenAI 伺服器)
效能	依賴本地硬體 (CPU/GPU/RAM)	高效能 (由 OpenAI 的資料中心提供)
模型能力	接近頂尖 (Llama 3 等)	業界頂尖 (GPT-4o 等最新模型)
穩定性	自己維護，不受外部網路影響	依賴網路連線與 OpenAI 服務狀態
設定複雜度	較高 (需自行安裝維護伺服器)	極低 (只需 API Key)

選擇建議：

優先選擇 Ollama： 當你的任務涉及高度敏感資料、需要大量運算（成本考量）、或需要在不穩定的網路環境下執行時。
優先選擇 OpenAI： 當你需要最頂尖的 AI 推理能力、處理多模態任務（圖片、聲音）、或是追求最簡單的設定與最高效能時。

進階技巧：如何讓 Docker 中的 n8n 連接到主機的 Ollama？

這是一個非常常見的進階問題。許多人會在主機 (Host Machine) 上安裝 Ollama，但 n8n 卻是運行在 Docker 容器中。在這種情況下，n8n 容器內的 localhost 指的是容器自己，而不是你的主機。

解決方案： 在 n8n Ollama 憑證的 Base URL 中，不要使用 localhost，而是使用一個特殊的 Docker 網路主機名稱 http://host.docker.internal:11434。這個特殊的地址會讓 Docker 容器能夠正確地找到並連接到運行在主機上的 Ollama 服務。