n8n и нейросеть на своём сервере: подключение без облака за 10 минут

Платформа n8n (визуальный конструктор автоматизаций, работающий на вашем сервере) умеет вызывать нейросеть через обычный HTTP-запрос. Ollama (программа для запуска языковых моделей локально) поднимается в соседнем контейнере Docker и отвечает по API. Вместе они дают рабочую цепочку: триггер принимает заявку, нейросеть пишет резюме и ставит категорию, следующий узел разбирает ответ. Пример ниже собран на n8n 2.43.5 и Ollama 0.40.4, названия узлов и формат настроек от версии к версии меняются.

Что понадобится?

• Сервер с Docker и Docker Compose (подойдёт даже VPS с 4 ГБ оперативной памяти)
• n8n версии 2.43.5 или новее
• Ollama версии 0.40.4 или новее
• Модель для Ollama, например qwen2.5:1.5b (работает на процессоре без видеокарты, но отвечает не мгновенно)
• SSH-доступ к серверу для туннеля к интерфейсу n8n
• 10 минут на базовую настройку, ещё 15 на проверку приватности

Пошаговая инструкция

1. Создайте файл docker-compose.yml с двумя сервисами и изолированной сетью.

services:
  n8n:
    image: docker.n8n.io/n8nio/n8n:2.43.5
    ports:
      - "127.0.0.1:5678:5678"
    networks: [frontend, inference]

  ollama:
    image: ollama/ollama:0.40.4
    environment:
      - OLLAMA_NO_CLOUD=1
    networks: [inference]

networks:
  frontend: {}
  inference:
    internal: true

Ollama подключена только к сети inference с флагом internal: она не может выйти в интернет, и её порт снаружи не виден. n8n стоит в двух сетях: через frontend интерфейс слушает на 127.0.0.1, вы подключаетесь к нему по SSH-туннелю. У n8n выход наружу остаётся, поэтому приватность дальше держится на его настройках и проверке трафика.

2. Скачайте модель до переключения на изолированную сеть.

Пока Ollama стоит в обычной сети (до включения флага internal), выполните:

docker exec -it ollama ollama pull qwen2.5:1.5b

Из internal-сети команда ollama pull до реестра не достучится.

3. Проверьте связь между контейнерами.

Отправьте из контейнера n8n запрос к Ollama по имени сервиса:

curl http://ollama:11434/api/tags

Этот запрос вернёт список скачанных моделей. Генерацию (инференс, то есть процесс получения ответа от модели) он не запускает и модель в память не грузит. После него отправьте короткий тестовый запрос к /api/chat, чтобы убедиться, что модель отвечает.

4. Выберите один из двух API и придерживайтесь его.

У Ollama два маршрута с разными адресами и разными полями ответа:

• Нативный API: POST http://ollama:11434/api/chat, текст ответа в поле message.content
• OpenAI-совместимый API: POST http://ollama:11434/v1/chat/completions, текст ответа в поле choices[0].message.content

В примере используется нативный /api/chat без стриминга (потоковой передачи), чтобы узел HTTP Request получал ответ одним JSON-объектом.

5. Соберите workflow из трёх узлов в интерфейсе n8n.

Цепочка: триггер (форма или вебхук) принимает текст заявки, узел HTTP Request отправляет POST на http://ollama:11434/api/chat с моделью и промптом (текстовой инструкцией для нейросети), третий узел достаёт ответ из JSON.

6. Настройте credentials, если между сервисами стоит шлюз.

По умолчанию Ollama ключей не проверяет, её защищает изоляция сети. Если добавляете обратный прокси с авторизацией, ключ храните в n8n Credentials через Generic Credential Type с Header Auth. Ключ шифрования базы n8n бэкапьте вместе с базой: потеряете его, и все сохранённые секреты станут нечитаемыми.

При подключении n8n к локальному OpenAI-совместимому API вы увидите обязательное поле API Key, даже если сервер ключи не проверяет. Вписать можно любую строку: проверять её некому.

7. Составьте карту данных перед первым прогоном с реальными заявками.

Для каждого шага распишите: что он получает, куда обращается, что сохраняет. Добавьте фоновые обращения наружу: телеметрию (автоматическая отправка статистики использования), проверку обновлений, DNS-запросы. На первом прогоне с выдуманной заявкой и без внешних интеграций такая карта займёт три-четыре строки, и каждую легко проверить.

Сделай короткое резюме заявки в одно предложение и укажи категорию из списка: оборудование, ПО, сеть, доступ.

Резюме: Принтер HP LaserJet на третьем этаже мигает красным после замены картриджа. Категория: оборудование.

Что делать с этим прямо сейчас?

Авторам Дзена. Связка n8n с нейросетью на своём сервере подойдёт для автоматической обработки комментариев, классификации обращений от читателей или генерации черновиков ответов. Модель не отправляет данные в облако, но проверьте, что история запусков n8n не хранит тексты подписчиков дольше, чем нужно.

Маркетологам. Можно автоматизировать сортировку лидов из форм: n8n принимает заявку, нейросеть категоризирует и пишет резюме, результат уходит в CRM. Экономия на API платных моделей ощутима при потоке от нескольких сотен заявок в день.

Предпринимателям в РФ и СНГ. Ollama и n8n бесплатны и ставятся на любой российский VPS. Данные не покидают сервер (при правильной настройке сети), что упрощает соответствие требованиям 152-ФЗ о персональных данных. Из локальных моделей для русского языка стоит попробовать варианты на базе Qwen или Mistral, доступные через Ollama.

Главное, что стоит вынести: n8n с локальной нейросетью работает, но «локальное» не значит «приватное по умолчанию». Прежде чем пускать реальные данные, пройдитесь по карте: где оседает текст, кто имеет доступ к истории запусков и куда контейнер n8n ходит в фоне.