你真的需要AI Agent吗？先把这套本地自动化跑起来
n8n 加 Ollama 可以把邮件分拣、日志告警、文档摘要这些任务放到本地跑。它不神秘，关键是把不确定性关进一个步骤，后面继续用固定流程。
现在很多人一上来就想做 AI Agent 。真落到日常工作里，大部分需求没有那么玄：邮件来了，判断优先级；PDF 丢进文件夹，提取摘要；服务器日志异常，发一条解释清楚的提醒。
这不是 Agent 。它更像一条固定流水线，中间塞进一个本地模型，让它负责“理解一下”。
n8n + Ollama 正好适合这个场景。 n8n 负责触发器、分支、连接器和执行步骤；Ollama 在本机跑模型，提供 localhost:11434 接口。数据不用送到 OpenAI 、 Anthropic 或其他云端模型，成本也从按 token 计费变成自己维护机器。
这个方案不适合所有人。但如果你正在为 Zapier + OpenAI API 账单肉疼，或者不想把邮件、合同、日志、客户资料发到云端，它值得先跑一遍。
先把 Ollama 跑起来
Linux / macOS 上安装 Ollama：
curl -fsSL https://ollama.com/install.sh | sh
先拉一个适合工作流的模型。原讨论里提到的是 Gemma 系列，实际选择可以按机器内存来：
ollama pull gemma3:4b
如果你的机器内存更大，可以试 Qwen 系列。评论里有人问俄语场景，答复是 Qwen 对西里尔文字更稳，64GB 内存可以先试 30B/32B 级别模型。
给工作流模型单独建一个配置，主要是把上下文窗口调大一点：
cat > workflow-model.modelfile << 'EOF'
FROM gemma3:4b
PARAMETER num_ctx 16384
EOF
ollama create workflow-model -f workflow-model.modelfile
确认 API 正常：
curl http://localhost:11434/api/generate -d '{
"model": "workflow-model",
"prompt": "把这句话分成 urgent / normal / newsletter：客户说今天必须回合同。",
"stream": false
}'
能返回内容，就说明本地模型这一步通了。
用 Docker Compose 起 n8n
新建 docker-compose.yml：
version: "3.8"
services:
n8n:
image: n8nio/n8n:latest
restart: always
ports:
- "5678:5678"
environment:
- N8N_HOST=localhost
- N8N_PORT=5678
- N8N_PROTOCOL=http
volumes:
- n8n_data:/home/node/.local/share/n8n
extra_hosts:
- "host.docker.internal:host-gateway"
volumes:
n8n_data:
启动：
docker compose up -d
打开：
http://localhost:5678
这里最容易踩坑的是这行：
extra_hosts:
- "host.docker.internal:host-gateway"
n8n 在 Docker 容器里，Ollama 跑在宿主机上。没有这行，容器里的 n8n 很可能找不到 localhost:11434，因为容器自己的 localhost 不是宿主机。
连接 n8n 和 Ollama
在 n8n 后台进入 Credentials，新建 Ollama 凭据。 URL 写：
http://host.docker.internal:11434
保存后，新建 workflow，拖一个 Ollama 节点，应该能看到本机已经安装的模型。选 workflow-model，写提示词，接到前后的触发器和动作上。
到这里，核心链路已经完成：
触发器 -> n8n 固定步骤 -> Ollama 本地理解 -> n8n 固定动作
第一个可用工作流：邮件分拣
先做一个每天早上 8 点跑的邮件摘要：
- Cron Trigger：每天 8 点触发。
- Gmail Node：读取最近 12 小时未读邮件。
- Ollama Node：把标题和摘要发给本地模型分类。
- IF Node：把 urgent 和其他邮件分流。
- Telegram Node：只把紧急邮件摘要发给你。
- Gmail Node：把 newsletter 自动标为已读或归档。
Ollama 节点里可以用这个提示词：
你是一个邮件分拣助手。
请把每封邮件分成 urgent、normal、newsletter 三类。
对 urgent 邮件写一句话摘要。
只返回 JSON 数组，不要解释。
字段：subject、category、summary。
建议把输出格式压死。不要让模型自由发挥，不要让它写一大段解释。 n8n 后面的节点要吃结构化结果，JSON 越稳定，流程越好维护。
一个简化输入可以长这样：
[
{
"subject": "合同今天必须确认",
"snippet": "客户希望下班前收到修改意见"
},
{
"subject": "本周产品简报",
"snippet": "这里是本周行业新闻和产品更新"
}
]
期望输出：
[
{
"subject": "合同今天必须确认",
"category": "urgent",
"summary": "客户要求今天下班前确认合同修改意见。"
},
{
"subject": "本周产品简报",
"category": "newsletter",
"summary": ""
}
]
五个更适合本地跑的场景
邮件分拣和自动归档。客户邮件打标签，newsletter 自动归档，紧急事项发到 Telegram 。人只看需要处理的部分。
日志监控。定时读取服务器日志，让本地模型解释异常模式，再发一条人能看懂的告警。日志不用上传到云端模型。
文档处理。监听一个文件夹，新 PDF 出现后提取文本，交给 Ollama 摘要，结果保存成 Markdown 。发票、报告、合同初筛都能用。
内容再利用。 RSS 有新文章时，本地模型生成公众号摘要、短视频脚本、社媒草稿。 n8n 只负责保存到表格或待审核文档，不自动发布。
会议准备。日历触发后，读取联系人、 CRM 备注和历史记录，生成一份会前 briefing，提前半小时发到手机。
这些场景共同点很明确：不要求秒级响应，不依赖最强模型，数据又有隐私价值。它们比“全自动 Agent”更适合固定工作流。
评论里最有价值的一点
讨论里有个提醒很关键：当工作流开始跨 Gmail 、日历、 CRM 查资料时，它会悄悄长出一点 Agent 味道。问题不在执行步骤，执行仍然可以固定；问题出在“上下文收集”这一层。
比如“帮我准备客户会议”这个任务，真正不确定的是：该查哪些资料、哪些资料算相关、哪些信息要丢给模型。后面的发 Telegram 、保存笔记、更新状态，仍然是固定流程。
所以不要一遇到这种情况就把整套系统升级成 Agent 。更稳的做法是：把不确定性关进一个上下文收集步骤，后面继续走固定管道。
还要给这个步骤做快照。每次运行时，把模型收到的上下文、筛选出来的资料、输出给下游的 JSON 都保存下来。否则出了怪结果，你分不清是流程 bug，还是上下文那一步漂了。
一个简单做法是在 n8n 里多加一步，把上下文写入本地文件：
{
"run_id": "{{$execution.id}}",
"input_sources": ["gmail", "calendar", "crm"],
"assembled_context": "...",
"model_output": "...",
"created_at": "{{$now}}"
}
这一步看起来啰嗦，但它决定了后面能不能排错。本地自动化想长期跑，审计痕迹比炫技重要。
成本和硬件，别只看免费
原方案的成本对比很诱人：Zapier Pro 加 OpenAI API，一个月可能几十到一百多美元；n8n 自托管加 Ollama，软件成本接近零，主要是电费和机器维护。
但免费不等于没有成本。你要维护 Docker 、备份 n8n 数据、更新容器、处理模型变慢、处理机器睡眠。笔记本合盖，流程就停了。真想 24 小时跑，最好准备一台旧台式机、 NUC 或小主机。
硬件可以按这个标准粗略选：
- 8GB：能跑小模型，适合实验。
- 16GB：个人自动化比较舒服。
- 24GB 以上：可以上更好的模型，余量也更大。
- 64GB：多语言、大模型和更多并发更从容。
本地模型速度也要接受。它不适合用户正在等待的实时客服，但很适合定时任务、后台摘要、每天早上自动跑的工作流。
这套方案适合谁
适合三类人：已经在用 n8n 或愿意自托管的人；有隐私数据不想传云端的人；被云端自动化和 API 账单烦到的人。
不适合三类人：不想维护 Docker 的人；每次都需要顶级模型质量的人；要做实时用户请求的人。
我更愿意把它看成一个判断题：你要的是“自主决策”，还是“固定流程里有一步会理解文本”？如果是后者，先别急着上 Agent 。把 n8n + Ollama 跑起来，可能就够用了。
真正容易引发争论的点也在这里：很多团队喊着要 Agent，实际只是缺一条不把数据送上云的自动化流水线。你觉得呢？日常工作里，你更需要一个会自己行动的 Agent，还是一条可审计、可维护、偶尔调用本地模型的固定流程？