小白必看：3步搞定 AI 自动化办公，用本地大模型+n8n搭建专属"零代码"工作流

上周五下午五点，你还在手动把50份客户反馈复制进Excel表格，而你同事的电脑正在自动跑完同样的工作——他去喝咖啡了。

这不是科幻小说的情节。这是现在，今天，就在发生的事。

McKinsey的研究报告显示：知识工作者每周平均花19小时处理可以自动化的重复性任务。 19小时——相当于每周有将近半个工作周，你在做机器早就能替你做的事。

整理邮件、汇总日报、提取合同关键信息、生成周报……这些事情消耗的不只是时间，还有你最宝贵的注意力。

好消息是：你不需要会写代码，不需要花钱买订阅，甚至不需要把数据传到云端——只要跟着本文的3步走，今天就能让你的第一个"AI员工"上岗。

---

第一章：搞清楚两个工具，才不会越学越懵

很多人一听"自动化工作流"就头大，觉得这是程序员的专属领域。但其实，理解这套方案只需要一个比喻：

本地大模型是大脑，n8n是手脚。

本地大模型：你自己电脑上的"私人ChatGPT"

你可以把它理解成"把ChatGPT装进你的电脑"——只不过用的是开源模型，比如阿里的 Qwen3、Meta的 Llama3，或者专门为中文优化的各类模型。

• 数据不上云，隐私100%保留（处理公司内部文件时尤其重要）
• 使用完全免费，没有token计费
• 一次配置，永久可用

n8n：把所有工具连在一起的"胶水"

比如：定时触发 → 抓取新闻 → 本地模型总结 → 发送到微信 ——这整条链路，在n8n里拖拖拽拽十分钟就能搭完，一行代码不用写。

两者的协作关系

[触发器] → [数据获取] → [本地模型处理] → [执行动作]
↑              ↑              ↑              ↑
定时/Webhook   HTTP请求      Ollama API     发邮件/通知

n8n通过标准的HTTP请求调用Ollama的本地API，把数据喂给模型，拿回处理结果，再传给下一个节点。整个过程在你的局域网内完成，外部服务完全不知道发生了什么。

---

第二章：环境搭建——30分钟跑通，比装微信还简单

Step 1：安装 Ollama 并拉取模型

打开终端，一行命令搞定：

curl -fsSL https://ollama.com/install.sh | sh

访问 [ollama.com](https://ollama.com)，下载Windows安装包，双击安装，和装普通软件一样。

安装完成后，拉取你的第一个模型（推荐新手用 qwen2.5:7b，中文效果好，7B参数在8GB内存的电脑上就能跑）：

ollama pull qwen2.5:7b

拉取完成后，验证是否成功：

ollama run qwen2.5:7b "你好，请用一句话介绍你自己"

如果终端里出现模型的回复，恭喜你——大脑装好了。

⚠️ 常见报错解决方案

>

报错1：模型拉取超时/中断

→ 挂上代理再拉取，或者使用国内镜像源。也可以先拉取更小的 qwen2.5:3b，体积只有2GB左右。

>

报错2：ollama: command not found（Linux）

→ 执行 source ~/.bashrc 或重新打开终端，让环境变量生效。

>

报错3：端口11434被占用

→ 执行 lsof -i :11434 找到占用进程，kill掉后重启Ollama。

Step 2：安装 n8n

n8n有两种安装方式，推荐新手用 npx（需要提前装好Node.js 18+）：

npx n8n

第一次运行会自动下载依赖，等待约2-3分钟。启动成功后，打开浏览器访问：

http://localhost:5678

看到n8n的注册页面，填写邮箱和密码完成初始化，手脚也装好了。

💡 想要更稳定的方案？ 用Docker一行命令启动，数据持久化不丢失：

> docker run -it --rm --name n8n -p 5678:5678 -v ~/.n8n:/home/node/.n8n n8nio/n8n

---

第三章：实战演练——3步搭建你的第一条工作流

我们用一个真实场景来演示：每天早上8点，自动抓取科技新闻，用本地模型总结成一份早报，发送到你的邮箱。

节点1：定时触发器

在n8n画布上，点击左上角 + 添加节点，搜索 Schedule Trigger。

配置参数：

• Trigger Interval：Days
• Hour：8
• Minute：0

这个节点会在每天早上8点自动启动整条工作流。

节点2：HTTP请求抓取新闻

添加 HTTP Request 节点，配置如下：

{
"method": "GET",
"url": "https://hacker-news.firebaseio.com/v0/topstories.json",
"responseFormat": "json"
}

这里用Hacker News的公开API作为示例（国内可替换为其他新闻源的RSS或API）。

节点3：调用本地模型总结

这是整个工作流的核心。添加 HTTP Request 节点，调用本地Ollama：

{
"method": "POST",
"url": "http://localhost:11434/api/generate",
"headers": {
"Content-Type": "application/json"
},
"body": {
"model": "qwen2.5:7b",
"prompt": "你是一位科技媒体编辑。请将以下新闻标题整理成一份简洁的早报摘要，中文输出，每条新闻一行，格式为「📌 标题：一句话核心要点」。\n\n新闻内容：{{$json.body}}",
"stream": false
}
}

💡 关键参数说明

- stream: false：让模型一次性返回完整结果，而不是流式输出（n8n处理流式输出需要额外配置）

- {{$json.body}}：n8n的变量语法，引用上一个节点的输出数据

节点4：发送邮件通知

添加 Send Email 节点（或 Gmail 节点），配置收件人和邮件内容：

• To：你的邮箱地址
• Subject：📰 今日科技早报 - {{$now.format('MM月DD日')}}
• Body：{{$json.response}}（引用模型返回的总结内容）

四个节点用线连起来，点击右上角 "Test Workflow"——

3个可以直接套用的进阶场景

跑通早报工作流之后，同样的逻辑可以快速复用：

1. 自动周报生成：每周五下午触发 → 读取本周工作记录（Notion/飞书API）→ 模型汇总润色 → 发给领导

2. 合同关键信息提取：新合同文件上传触发 → 读取PDF内容 → 模型提取甲乙方/金额/日期 → 写入数据库

3. 客服FAQ自动回复：收到邮件触发 → 模型判断问题类型 → 匹配知识库答案 → 自动回复

---

第四章：避坑指南——让工作流稳定跑起来

坑1：模型输出格式不稳定，每次结果都不一样

推荐使用这个Prompt框架：

你是一个[角色定义]。
你的任务是：[具体任务描述]。
输出格式要求：必须严格按照以下JSON格式输出，不要有任何额外说明：
{
"summary": "总结内容",
"key_points": ["要点1", "要点2"],
"priority": "high/medium/low"
}
以下是输入内容：{{input}}

坑2：工作流卡死无响应

本地模型处理大量文本时，响应时间可能超过n8n的默认超时时间。

坑3：Prompt太随意，输出乱飘

很多人第一次写Prompt就是一句话："帮我总结一下这篇文章"——然后抱怨模型不好用。

坑4：本地算力不够用

7B模型在没有独立显卡的电脑上，处理一段500字的文本可能需要10-30秒。如果你的工作流需要处理大量数据，或者需要更强的推理能力，本地模型可能成为瓶颈。

💡 本地跑模型嫌慢？试试这个方案

>

如果电脑配置有限，或者工作流里需要接入更强的模型（比如用于复杂合同分析、多轮推理），可以用 API中转服务 作为补充——价格比官方便宜，国内直连无需翻墙。

>

我们测试过的稳定方案：[api.884819.xyz](https://api.884819.xyz)，支持 GPT-5.4、Claude Sonnet 4.6、Gemini 3.1 Pro 等主流模型，和n8n的OpenAI节点完全兼容，只需改一行配置：

>

> Base URL: https://api.884819.xyz/v1

>

最优策略：本地模型处理日常高频任务（快且免费），云端API处理复杂推理（强且准）。 两者在n8n里可以同时存在，按任务类型自动路由。

坑5：n8n免费版节点限制

n8n云端版免费层有节点数量限制，但自托管版本完全没有限制。本文介绍的 npx n8n 和Docker方式都是自托管，功能100%解锁，永久免费。

---

结语：你的第一个 AI 员工，今天就可以上岗

你刚刚完成的，不是一个小实验——你搭建了一套可以持续工作的数字基础设施。它会在你睡觉的时候继续替你干活，在你喝咖啡的时候跑完你同事还在手动做的事。

完成了这篇教程的读者，已经做到了99%的人不会去做的事。

• [ ] 安装Ollama，成功运行 qwen2.5:7b
• [ ] 启动n8n，打开 localhost:5678
• [ ] 搭建早报工作流，跑通第一次测试
• [ ] 修改Prompt模板，让输出格式符合你的需求
• [ ] 把工作流设为Active，让它明天早上自动跑起来

---

---

🔮 下一篇预告

你已经跑通了第一条工作流——但大多数人在这里就停了。

下一篇我会拆解真实生产环境中的进阶玩法：

• 如何让AI自动判断任务优先级，而不是无脑执行每一条指令
• n8n的 Error Handler 怎么配，工作流出错不再让你措手不及
• 一个让本地模型输出100%结构化JSON的Prompt黑魔法（用了之后你会后悔没早点知道）

---

#AI自动化办公 #n8n教程 #本地大模型 #Ollama #零代码工作流 #AI效率工具 #8848AI #AI学习