# n8n с локальной LLM: ограниченный рабочий процесс

Первый локальный AI-процесс в существующем n8n: сведения Ollama, подключение модели чата и явная передача текста в узел генерации.

Автор: Команда Retrivium
Обновлено: 2026-11-03
Канонический URL: https://retrivium.ai/ru/journal/n8n-local-ai-chat-workflow/
Language: ru

В n8n учётная запись Ollama определяет работающий сервис модели, а подузел Ollama Chat Model предоставляет генерацию совместимому корневому узлу. Соединение модели является только частью работающего процесса беседы.

## Конкретная граница приложения

В потоке есть передача данных помимо инференса. Учётная запись хранит Base URL экземпляра и ключ только при необходимости аутентификации. Подузел модели чата выбирает модель, уже доступную runtime. Корневой узел определяет, какой ввод станет запросом и какой результат продолжит поток. Если выбран AI Agent, текущая документация требует хотя бы один подключённый инструмент; для простого переписывания текста агент не нужен. Предпочтите базовую текстовую цепочку для первой задачи без инструментов. Это оставляет внимание на передаче ввода и локальном ответе вместо действий, которых пользователь не запрашивал. Ошибку структуры потока тогда легче отличить от ошибки соединения ([n8n Ollama Chat Model](https://docs.n8n.io/integrations/builtin/cluster-nodes/sub-nodes/n8n-nodes-langchain.lmchatollama)).

## Практический маршрут

В существующем локальном n8n создайте учётную запись Ollama и внесите фактический Base URL сервиса. Документированное значение для соответствующей локальной схемы — http://localhost:11434; при другой схеме используйте реальный адрес. Оставьте необязательный API Key пустым, если сервис не требует аутентификации. Подключите Ollama Chat Model к совместимой текстовой цепочке и выберите установленную модель. Передайте один пробный текст в запрос корневого узла и запустите поток вручную до триггеров и систем назначения ([n8n Ollama credentials](https://docs.n8n.io/integrations/builtin/credentials/ollama)).

## Разобранный пример

Передайте вымышленную заметку поддержки и запросите короткий ответ с указанием недостающих сведений. Изучите ввод корневого узла, выбранную модель и результат. Затем замените заметку и повторите запуск. Если ответ касается старого текста, проверьте выражение передачи данных вместо вывода, будто локальная модель не умеет следовать инструкции. Сравнивайте фактически переданный ввод, а не только поле редактора.

| Проверка | Запись |
| --- | --- |
| Учётная запись | Фактический адрес экземпляра Ollama и требование аутентификации сервиса. |
| Ввод корневого узла | Пробная заметка, переданная в запрос текстовой цепочки. |
| Модель | Точная модель runtime, выбранная подключённым подузлом чата. |

## Как правильно прочитать сбой

Для выражений подузлов документировано обращение к первому элементу, отличающееся от обычного поэлементного разрешения. Многоэлементный поток поэтому может удивить при предположении об одинаковом обходе всех выражений. Начните с одного элемента и изучите передачу данных до расширения. Отсутствие инструмента у AI Agent также является структурной проблемой, а не общим отказом модели ([n8n AI Agent](https://docs.n8n.io/integrations/builtin/cluster-nodes/root-nodes/n8n-nodes-langchain.agent)).

## Что завершает проверку

Первый поток завершён, когда один видимый ввод даёт проверяемый ответ нужной локальной модели. Расписание и внешние записи оставьте вне начальной пробы, чтобы передача данных оставалась понятной и не смешивалась с побочными действиями.

Связанные материалы: [Локальный RAG-сервер: какие компоненты размещать рядом с GPU](/ru/journal/rag-server-local-architecture/), [llama.cpp server: локальный API из GGUF-модели](/ru/journal/llama-cpp-server-launch/).