n8n 与私有 AI 模型本地化部署实战指南

结论： n8n 是'大脑'和'神经系统'，负责决策和协调；私有 AI 模型是'感官'和'智囊'，负责理解和创造。二者结合，便能构建出能够理解自然语言、进行智能判断并自动执行任务的数字员工。

二、零成本部署实战——从'一无所有'到'无所不能'

第一步：零成本获取一台云服务器并完成基础配置

国内用户要实现'畅玩'，首选是利用各大云服务商提供的免费试用套餐。

• 平台选择：
  • 阿里云： 提供为期 1 年的 ECS t5/t6 实例，配置通常为 1 核 1G，足够入门。
  • 腾讯云： 同样提供为期 1 个月的免费 CVM 实例，或时长更长的轻量应用服务器套餐。
  • 其他选择： 华为云、百度云等也有类似活动。
• 关键操作：
  1. 实名认证： 完成平台要求的实名认证流程。
  2. 选择系统： 在创建实例时，选择 Ubuntu 20.04/22.04 LTS 或 CentOS 7/8。本文以 Ubuntu 为例，因其社区支持更完善。
  3. 安全组配置（防火墙）： 这是至关重要的一步！务必在云服务器的安全组规则中，放行以下端口：
     • 22：用于 SSH 连接。
     • 5678：n8n 的默认访问端口。
     • 7860/8000：后续部署 HF 模型时常用的 API 端口。
  4. SSH 连接： 使用 Terminal（Mac/Linux）或 PuTTY/Xshell（Windows）通过 SSH 连接到你的服务器。

第二步：使用 Docker 容器化部署

Docker 能解决环境依赖问题，让部署变得无比轻松。

云主机种类很多，价格很便宜

创建云主机

创建完成 在这里可以看到云电脑

打开第三个链接进入 vscode

在终端输入以下命令启动

首次打 n8n 需要注册以下

登录成功之后新建工作流

打开 ComfyUI

然后打开这个页面

打开节点

触发子工作流

查看节点

而且还可以生成文字语音图片视频

三、终极融合——在 n8n 中调用私有 AI 模型

奇迹发生！ n8n 成功地将提示词发送给了你本地部署的 AI 模型，并获取并处理了返回的结果。你现在拥有了一条完全私有、免费、自动化的 AI 文本生成流水线！

四、高级技巧与'保活'秘籍

• 进程保活： 上面的 python3 app.py 在 SSH 断开后会停止。我们需要使用 systemd 或 tmux 来守护进程。

• 性能优化：

  • 选择更小的模型： 1 核 1G 的服务器资源有限，务必选择参数量在 1B 以下，甚至 500M 以下的模型。
  • 使用量化模型： 寻找 int8 或 int4 量化的模型版本，能大幅降低内存占用和计算量。
  • 模型并行与卸载： 对于稍大的模型，可以利用 accelerate 库进行优化。

• 扩展 n8n 工作流：

  • 定时触发： 使用 'Cron' 节点，让 AI 模型每天定时为你生成日报、摘要。
  • 邮件/Slack 集成： 将生成的结果通过 'Email' 或 'Slack' 节点发送给你或你的团队。
  • 条件逻辑： 使用 'IF' 节点，根据 AI 返回内容的不同，执行不同的后续操作。

使用 systemd（推荐）：
创建一个服务文件 sudo nano /etc/systemd/system/my-ai-service.service：

[Unit]
Description=My AI Model API Service
After=network.target

[Service]
Type=simple
User=root
ExecStart=/usr/bin/python3 /path/to/your/app.py
WorkingDirectory=/path/to/your/
Restart=always

[Install]
WantedBy=multi-user.target

然后启动并启用它：

sudo systemctl daemon-reload
sudo systemctl start my-ai-service
sudo systemctl enable my-ai-service

五、总结与展望

通过本指南，你已经成功搭建了一个技术栈非常现代的私人自动化与 AI 平台。你拥有了：

• 一个可视化的自动化中心（n8n）。
• 一个私有的、免费的 AI 大脑（模型）。
• 一套将二者无缝连接的技术方案。

这一切，都是在数据完全私有、国内网络畅通无阻的前提下实现的。现在，你不再是工具的使用者，而是规则的制定者。尽情发挥你的想象力，去创造属于你自己的智能工作流吧！