Mindket
简体中文
English简体中文
登录注册
商店MCP技能计算器学习价格博客
发现
研究312写作59商务95法律13财务33营销175开发1,427效率391教育81陪伴14
帮助与支持
语言
English简体中文

用本地 Ollama 模型写欢迎语的调用

由 Mindket 上架n8n 工作流开发
新上架第 1 版 · 更新于
节点2应用1点赞

概览

  1. When clicking "Execute Workflow"
  2. Ollama Request
用本地 Ollama 模型写欢迎语的调用，图片 1
‹2 / 2›

一个有两个节点的 n8n 工作流，让通过 Ollama 在你自己电脑上运行的模型写一段简短的欢迎语。它是测试 n8n 能否连上 Ollama 的最小办法。

用本地 Ollama 模型写欢迎语的调用 是一款 n8n 工作流，属于开发类，由 Mindket 上架。可免费获取。当前为第 1 版，最近更新于 。在本页下载，或复制它的 JSON，再导入 n8n 画布。在 n8n 里启用之前，它不会运行。

速览

用在
  • 和 Ollama 在同一台电脑上的你自己的 n8n：地址保持不变
  • Docker 里的 n8n：用 Ollama 容器的名字，或者你电脑的地址
  • n8n Cloud：只有 Ollama 有一个它够得着的地址才行
  • Ollama：你拉取过的任何模型都可以换掉 phi3

平台

n8n工作流自动化，可在 n8n 云端或你自己的服务器上运行
连接 1 个应用

运行方式

触发

手动运行

点 Test workflow 时开始运行，没有表单：

  • 没有输入：模型名和提示词都设在 Ollama Request 节点里

动作

  1. 一个 HTTP 请求把模型 phi3 和一段提示词发给本机 11434 端口上的 Ollama
  2. Ollama 为喜欢 AI 自动化的人写一段简短的问候
  3. 答案以一个 JSON 对象返回，文字在它的 response 字段里

结果

一个条目，欢迎语在 response 字段里，旁边还有模型名和耗时数据

集成

开始之前要准备好这些。

Ollama

本地语言模型

在你自己的电脑上运行 phi3，并回答提示词。

需要运行中的 Ollama，并已拉取 phi3 模型

工作流检查

由 Mindket 于 2026年11月13日检查

步骤
2 个步骤，手动启动
AI
没有步骤调用 AI 模型
登录
不需要登录任何账号
API 密钥
文件里没有留下 API 密钥
步骤类型
Mindket 的检查器能读懂它全部 2 种步骤类型

以上内容读自工作流文件，并非实际运行的结果。

关于

它是什么

这个 n8n 工作流是对本地模型最小的一次测试。手动触发器启动它，一个 HTTP 请求把提示词发给你自己电脑上的 Ollama。Ollama 返回一个 JSON 对象，它的 response 字段里是一段写给喜欢自动化的人的简短问候。一共两个节点，不需要登录任何账号。

适合谁

在用 Ollama、想确认 n8n 能不能连上它的开发者和爱好者，或者想要一个底子来搭本地 AI 工作流的人。如果你需要聊天、记忆或工具，就别选它，因为这里只有一次请求、一个答案。

谁在用，怎么用
行业谁在用怎么用例子
软件开发者在搭更多东西之前，先检查 n8n 和 Ollama 之间的连接一位开发者运行它一次，读到欢迎语，就知道模型有回应了。
注重隐私的团队IT 人员试用一个让提示词留在公司内网的模型一位 IT 管理员把地址指向办公室里的一台 Ollama 服务器。
教育教师给学生演示一个离线运行的语言模型一位老师现场运行它，再和全班一起修改提示词。
自动化自由职业者为客户的工作流起一个本地文字步骤一位自由职业者把这个节点复制进一个更大的流程，用来写短文字。

你只需要很少的东西：运行中的 Ollama、拉取好的 phi3 模型，和一个能连上它的 n8n。

用在哪里

和 Ollama 在同一台电脑或同一个网络里的 n8n。n8n Cloud 连不上你自己电脑上的 localhost。

  • 和 Ollama 在同一台电脑上的你自己的 n8n：地址保持不变
  • Docker 里的 n8n：用 Ollama 容器的名字，或者你电脑的地址
  • n8n Cloud：只有 Ollama 有一个它够得着的地址才行
  • Ollama：你拉取过的任何模型都可以换掉 phi3

设置

点“下载”会把一个压缩包存到你的下载文件夹，里面有 workflow.json 和 Mindket 写的设置说明。你只需要安装 Ollama，再拉取一个模型。

先准备好这些
需要详情
n8n任何版本，运行在能连上 Ollama 的机器上
Ollama已安装并在运行，默认端口是 11434
模型phi3，用 ollama pull phi3 拉取
  1. 安装 Ollama 并启动它。在终端里运行 ollama pull phi3。
  2. 在 n8n 里新建一个工作流，打开它的菜单，选 Import from File，选 workflow.json。
  3. 打开 Ollama Request。如果 n8n 和 Ollama 在同一台机器上，就保留地址，如果不在，就改掉 localhost。
  4. 点 Test workflow，等第一个答案。

如何使用

点 Test workflow。输出的条目把文字放在 response 字段里。想问别的，就改请求体里的提示词，如果第一个答案很慢，就调大超时。

想要不同的结果，改这里
要改的位置
模型Ollama Request 请求体里的 model 值
问题同一个请求体里的 prompt 值
地址Ollama Request 的 url
等待时间Ollama Request 选项里的超时

示例

一位开发者刚装好 Ollama，想看看它能不能跑起来。

这位开发者点了 Test workflow。稍等一会儿，输出里 response 字段有了一段欢迎语，旁边是模型名和耗时数据。如果失败了，先检查地址或者拉取的模型。

新手与专家

新手：n8n 把工作流画成用线连起来的方框，每个方框，也就是节点，做一件事。Ollama 是一个在你自己电脑上运行语言模型的程序。这个工作流向它发一个问题，再把答案显示出来。在搭更大的东西之前，先试试这个。

专家：请求体把 stream 设为 false，所以 Ollama 返回一个对象，否则答案会变成许多个小对象陆续到达。

再细看这里
节点作用要注意的
手动触发器手动启动一次运行它没有任何设置
Ollama Request把模型、提示词和 stream 设置发到 /api/generate它在 60 秒后超时

注意事项

这里没有停用的东西，第一次运行时超时可能偏短，数据留在你这边。

  • 停用情况：Ollama 的 API 页面（2026 年 11 月 12 日查阅）仍然记录着带 stream 设置的 /api/generate，Ollama 的模型库也仍然列着 phi3。这个工作流里没有任何已停用的东西
  • 副本：这个工作流就是原来的，没有改动，因为它没有凭据，也没有私有地址
  • 超时：电脑慢，或者模型还没加载，都可能超过 60 秒。在 Ollama Request 的选项里调大它
  • 地址：n8n 的 Ollama 页面（2026 年 11 月 12 日查阅）建议在 localhost 连不上时改用 127.0.0.1，两个 Docker 容器在同一个网络里时用容器的名字
  • 密钥：请求不带任何密钥，所以它适合你自己电脑或网络上的 Ollama
  • 计费：没有厂商为它收费，每次请求只花你电脑的电力
  • 你的数据：提示词和答案只会发到你设置的 Ollama 地址
  • 凭据：JSON 里没有任何凭据

README 和文件

README

用本地 Ollama 模型写欢迎语的调用

一个有两个节点的 n8n 工作流。手动触发器启动它，一个 HTTP 请求让通过 Ollama 在你自己电脑上运行的模型写一段简短的欢迎语。Ollama 返回一个 JSON 对象，文字在它的 response 字段里。

包里有什么

  • workflow.json：n8n 导出的工作流，2 个节点，没有便签。里面没有任何凭据。
  • README.md：这份设置说明，压缩包里的是英文版。

我们相对原来的副本改了什么

  • 工作流本身没有改。原来的副本没有凭据，没有私有地址，也没有便签，所以 Mindket 的副本就是同样的两个节点、同样的设置。

开始之前

  • 在运行 n8n 的电脑上安装并运行 Ollama。
  • 已把 phi3 模型拉取到 Ollama 里。
  • 一个能连上 Ollama 的 n8n。n8n Cloud 连不上你自己电脑上的 localhost。

设置

  1. 安装 Ollama 并启动它。在终端里运行 ollama pull phi3 下载模型。
  2. 在 n8n 里新建一个工作流，打开它的菜单，选 Import from File。选 workflow.json。
  3. 打开 Ollama Request。如果 n8n 和 Ollama 在同一台机器上，就保留地址。如果不在，就把 localhost 换成 Ollama 回应的地址。n8n 的 Ollama 页面（2026 年 11 月 12 日查阅）建议在 localhost 连不上时改用 127.0.0.1。两个 Docker 容器在同一个网络里时，它建议用容器的名字，例如 http://ollama:11434。
  4. 点 Test workflow。第一次请求可能要等一会儿，因为 Ollama 要先加载模型再回答。

一次运行是怎么走的

  1. 手动触发器启动这次运行。
  2. Ollama Request 向 /api/generate 发送模型 phi3、提示词和 "stream": false。最后这个设置让 Ollama 返回一个 JSON 对象，而不是一串流。请求在 60 秒后超时。
  3. 输出是一个条目。它的 response 字段里是欢迎语，它还带着模型名、一个时间戳、一个 done 标记和耗时数据。

改成你要的样子

  • 模型：Ollama Request 请求体里的 model 值。你拉取过的任何模型都行。
  • 问题：同一个请求体里的 prompt 值。
  • 地址：Ollama Request 的 url。
  • 等待时间：它选项里的超时，现在是 60000 毫秒。
  • 更多设置：在请求体里加上 system 或 options。Ollama 的 API 页面列出了它们。

注意事项

  • Ollama 的 API 页面（同一天查阅）仍然记录着带 stream 设置的 /api/generate，Ollama 的模型库也仍然列着 phi3。这个工作流里没有任何已停用的东西。
  • 电脑慢，或者模型还没加载，都可能超过 60 秒的超时。如果节点第一次就失败了，就在选项里调大它。
  • 回复是 response 里的纯文字。后面的节点可以用 {{ $json.response }} 读取它。
  • 请求不带任何密钥，所以它适合你自己电脑或网络上的 Ollama。
  • 提示词和回复只会发到你设置的 Ollama 地址。每次请求只花你电脑的电力。
文件
NOTICE.md  560 B
README.md  3 KB
workflow.json  1 KB

3 个文件，共 5 KB，以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-12

评价

还没有评分

写评价

还没有评价。

Mindket 的更多商品

查看 Mindket 的全部商品

Bonsai-27B-GGUF

lmstudio-community · 工具包

面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版，含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。

新上架

DeepSeek-V4.1-Flash-1017 EXL3 2.9 bpw

LibertAIDAI · 工具包

以每权重 2.9 位的 EXL3 量化运行 DeepSeek-V4.1-Flash-1017，这是一份 196 GiB 的副本，适合在自己硬件上部署大模型的人。困惑度与原模型相差不大。

新上架

MusicGen Small

facebook · 工具包

根据文字描述或音频提示生成短音乐片段，是 facebook MusicGen 的 small 检查点。适合想在自己电脑上试用文字生成音乐的开发者和音乐爱好者。

新上架

开发类的相似商品

查看开发类的全部商品

Lexnet

alpindale · 工具包

用一个只有约 984 个权重的小型神经网络，为 C 源代码的每个字符打上语法高亮标签，通过一个小小的 C 程序运行。适合对手工设计的网络好奇的开发者和研究者。

新上架

FLUX.2 Klein LoRA Studio

prithivMLmods · 工具包

在浏览器或你自己的电脑上，用一个 Gradio 应用试用 FLUX.2 Klein 图像模型的一组 LoRA。适合制作或测试 AI 图片的人。

新上架

anaksor-ocr

Sokheng · 工具包

这个模型从文档、收据和路牌照片里读取高棉语和英语文字，用一个检测器找文本行，再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。

新上架