Mindket

用本地大模型从聊天消息里提取联系方式

新上架第 1 版 · 更新于

概览

一个带聊天框的 n8n 工作流:输入一条消息,在你自己的 Ollama 里运行的 Mistral NeMo 就以 JSON 返回姓名、联系方式、主题和时间。文字只在 n8n 和你的 Ollama 之间流动。

用本地大模型从聊天消息里提取联系方式 是一款 n8n 工作流,属于效率类,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
  • n8n Cloud:只有当你的 Ollama 有一个 Cloud 能访问的地址时才行
  • 你自己的 n8n 服务器:最自然的选择,Ollama 放在同一台机器或同一个网络里
  • Docker:n8n 和 Ollama 在容器里运行时,把两者放进同一个用户自定义网络
  • 其他来源:把聊天触发器换成 webhook 或邮箱,再更新链的提示来源

平台

连接 1 个应用

运行方式

触发

聊天消息

有人在 n8n 的聊天里发来一条消息时开始运行,消息里有:

  • 消息文字,在 chatInput 字段里

动作

  1. 消息交给一个 Basic LLM Chain,它的系统消息要求按一个 JSON 结构提取信息,并给出今天的日期
  2. Ollama 里的 Mistral NeMo 作答
  3. 一个结构化解析器检查答案,不合格时,自动修复解析器让模型再答一次
  4. 一个 Set 节点把解析好的 JSON 作为这次运行的输出返回

结果

一个 JSON 对象,含这个人的名、姓、联系方式的类型、联系方式、时间戳和主题,由你自己机器上的模型生成

集成

开始之前要准备好这些。

Ollama

本地语言模型

在你自己的服务器上以 0.1 的温度运行 mistral-nemo:latest,从每条消息里填出结构化字段。

需要一台 Ollama 服务器,基础网址放在一个 Ollama 凭据里

工作流检查

由 Mindket 于 2026年11月13日检查

步骤
4 个步骤,由聊天消息启动
AI
1 个步骤调用 AI 模型:Basic LLM Chain
登录
需要登录:Ollama
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 4 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 工作流用你自己机器上的模型,从自由文本里提取个人信息。一个聊天触发器接收消息,一个 Basic LLM Chain 把它连同一个严格的 JSON 结构发给 Ollama 里的 mistral-nemo。这个结构要求给出名、姓、联系这个人的方式、联系方式、时间戳和主题。当答案不符合结构时,一个自动修复解析器会让模型再答一次。干活的是七个节点,旁边还有六张便签。

适合谁

处理含个人信息的消息、又不想把它们发给托管的 AI 服务的团队,以及需要一个输出形状固定的小型提取步骤的开发者。如果运行 Ollama 的电脑太小,装不下一个 7 GB 的模型,就别选它。

谁在用,怎么用
行业谁在用怎么用例子
客户支持支持主管把一条粘贴来的消息变成带姓名、联系方式和主题的记录一位主管粘贴一封邮件,拿回一个姓名、一个地址和一行主题。
招聘招聘人员从一条消息里提取候选人的信息一位招聘人员从一条转发的短信里得到姓名和电话号码。
销售客户经理记下谁来联系、怎么联系他们、为了什么事一位经理把一条聊天备注变成可存入 CRM 的 JSON 记录。
医疗和法律小型事务所把提取留在他们自己掌控的机器上一家事务所在自己的服务器上运行 Ollama,让消息不进入托管的 AI 服务。

你需要会一点 n8n,还要有一个能用的 Ollama:导入文件、让一个凭据指向 Ollama、拉取一个模型。不需要账号或密钥。

用在哪里

任何能访问你的 Ollama 服务器的 n8n 都能运行它。消息如果是私密的,就让两者在同一个网络里。

  • n8n Cloud:只有当你的 Ollama 有一个 Cloud 能访问的地址时才行
  • 你自己的 n8n 服务器:最自然的选择,Ollama 放在同一台机器或同一个网络里
  • Docker:n8n 和 Ollama 在容器里运行时,把两者放进同一个用户自定义网络
  • 其他来源:把聊天触发器换成 webhook 或邮箱,再更新链的提示来源

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。不需要账号或 API 密钥。

先准备好这些
需要说明
n8n你自己的服务器,或者能访问到 Ollama 地址的 n8n Cloud
Ollama已安装并在运行,已拉取 mistral-nemo:latest。下载大约 7 GB
一个 Ollama 凭据你的 Ollama 服务器的基础网址,默认是 http://localhost:11434
  1. 在 n8n 里新建一个工作流,打开它的菜单,选 Import from File,选中 workflow.json。
  2. 在运行 Ollama 的机器上,用 ollama pull mistral-nemo 拉取模型。
  3. 添加一个 Ollama 凭据,填上你的服务器的基础网址,在 Ollama Chat Model 里选中它。
  4. 检查那个节点里的模型名。文件里用的是 mistral-nemo:latest。
  5. 保存,从 When chat message received 打开聊天,发一条测试消息。
  6. 打开 Extract JSON Output 查看结果。

如何使用

打开工作流的聊天,发一条提到某个人、联系他的方式和一个主题的消息。链让模型按结构给出字段,并检查答案。成功时,Extract JSON Output 里就是纯 JSON 格式的这些字段。如果链失败,运行就在 On Error 结束。

想要不同的效果,改这里
要改的在哪里改
字段Structured Output Parser 里的 JSON 结构
指令Basic LLM Chain 里的消息,它还会告诉模型今天的日期
模型Ollama Chat Model 里的 model,文件里是 mistral-nemo:latest
模型的设置同一个节点里的 temperature 0.1、keepAlive 2h 和 useMLock
文字从哪里来触发器,以及 Basic LLM Chain 里的 Prompt Source (User Message) 设置
结果去哪里你加在 Extract JSON Output 后面的节点

示例

聊天框里的一条消息说,Maria Tan 可以拨 555 0142 联系,事关上周二的那张发票。

模型回答一个 JSON 对象:name 是 Maria,surname 是 Tan,commtype 是 phone,contacts 是那个号码,subject 是发票。它还会填 timestamp,根据提示里给它的日期推算出来。Extract JSON Output 把这个对象传下去。

新手与专家

新手:n8n 把工作流画成用线连起来的方框,每个方框是一个节点,只做一件事。模型和两个解析器作为小的侧边节点挂在链的下面。发一条不含任何联系方式的消息,看看模型会返回什么。

专家:同一个 Ollama 节点同时给链和自动修复解析器供应模型,所以修复调用用的是同一个模型。

值得细看的地方
节点做什么要知道的
Basic LLM ChainChain 1.5,带系统消息和输出解析器它的错误输出通向 On Error,而它什么都不做,所以答案失败时运行会悄悄结束,没有任何提示
Auto-fixing Output Parser答案不符合结构时再调用一次模型新的提示会引用那个错误,在本地模型上多花一轮
Structured Output Parser手写的 JSON 结构,name 和 commtype 必填contacts 只在给出时才需要,所以字段为空也可以
Ollama Chat Modelmistral-nemo:latest,温度 0.1keepAlive 2h 让模型在最后一次调用后继续留在内存里两小时

注意事项

文件原样就能运行,有两点要留意。

  • 体积:模型大约要下载 7 GB,Ollama 上它的页面写的是 7.1GB。小电脑需要一个更小的模型,结构的措辞可能也要更简单才能配得上
  • 准确度:小的本地模型可能漏掉一个字段,或者编出一个,所以在它们进入 CRM 之前先检查姓名和号码
  • 错误:On Error 什么都不做,所以如果想在运行失败时收到消息,就在那里加一个节点
  • 你的数据:消息只在 n8n 和你的 Ollama 服务器之间流动,没有任何东西发给托管的 AI 服务
  • 凭据:JSON 里没有任何凭据

README 和文件

README

用本地大模型从聊天消息里提取联系方式

一个带聊天框的 n8n 工作流。一条消息连同一个严格的 JSON 结构,一起发给在你自己的 Ollama 里运行的 Mistral NeMo。模型回答一个名、一个姓、联系这个人的方式、联系方式、一个时间戳和一个主题。文字只在 n8n 和你的 Ollama 服务器之间流动。

包里有什么

  • workflow.json:n8n 导出的工作流,13 个节点。七个干活,六个是便签,标出各个步骤。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

  • Ollama 模型节点原来关联着作者 n8n 里的一个凭据,聊天触发器还带着那个 n8n 的 webhook id。两者都已删掉,请选你自己的凭据。你导入文件时,n8n 会给触发器一个新的 id。
  • 别的都没改。提示词、结构、模型和它的设置,以及便签都是文件原有的。

开始之前

  • 一个能访问你的 Ollama 服务器的 n8n 实例,n8n Cloud 或自己的服务器都行。
  • 已安装并在运行的 Ollama,已拉取模型:ollama pull mistral-nemo。下载大约 7 GB。
  • n8n 里的一个 Ollama 凭据。不需要密钥。基础网址默认是 http://localhost:11434。

设置

  1. 在 n8n 里新建一个工作流,打开它的菜单,选 Import from File,选中 workflow.json。
  2. 在运行 Ollama 的机器上拉取模型:ollama pull mistral-nemo。
  3. 添加一个 Ollama 凭据,填上你的服务器的基础网址,在 Ollama Chat Model 里选中它。如果本地 n8n 用 localhost 连不上,就试试 127.0.0.1。n8n 和 Ollama 在不同的 Docker 容器里运行时,把两者放进同一个用户自定义网络,网址里用 Ollama 容器的名字。
  4. 检查 Ollama Chat Model 里的模型名。文件里用的是 mistral-nemo:latest。
  5. 保存,从 When chat message received 打开聊天,发一条测试消息。
  6. 打开 Extract JSON Output 查看结果。

一次运行的过程

  1. When chat message received(Chat Trigger 1.1)启动这次运行,消息放在 chatInput 里。
  2. Basic LLM Chain(1.5)把消息连同一条系统消息发给 Ollama Chat Model:分析这个请求,按 JSON 结构提取信息,并给出今天的日期。
  3. Structured Output Parser 存着这个结构。name 和 commtype 必填。commtype 是 email、phone 或 other 之一。contacts 用来放联系方式,只在给出时才填。
  4. Auto-fixing Output Parser 包在这个结构外面。答案不符合时,同一个模型会带着那个错误再被调用一次,要求它自己改正。
  5. 成功时,Extract JSON Output(Set 3.4,原始模式)把解析好的对象作为条目返回。如果链失败,它的错误输出通向 On Error,一个什么都不做的节点,运行就在那里结束。

改变风格

  • 字段:Structured Output Parser 里的 JSON 结构。
  • 指令:Basic LLM Chain 里的消息。
  • 模型和它的设置:Ollama Chat Model,文件里有 temperature 0.1、keepAlive 2h 和 useMLock。
  • 文字从哪里来:把聊天触发器换成 webhook、邮箱或表单,再更新 Basic LLM Chain 里的 Prompt Source (User Message) 设置。
  • 结果去哪里:在 Extract JSON Output 后面加一个节点,比如写一行 Google Sheets,或者给你的 CRM 发一个 HTTP Request。如果想在运行失败时收到消息,就在 On Error 后面加一个。

注意事项

  • 模型大约要下载 7 GB,Ollama 上它的页面写的是 7.1GB,所以小电脑需要一个更小的模型,结构的措辞可能也要更简单才能配得上。
  • 小的本地模型可能漏掉一个字段,或者编出一个,所以在它们进入 CRM 之前先检查姓名和号码。
  • On Error 什么都不做,所以失败的运行会结束,没有任何提示。
  • 消息只在 n8n 和你的 Ollama 服务器之间流动,没有任何东西发给托管的 AI 服务。
  • 文件里没有任何凭据和密钥。
文件
NOTICE.md  644 B
README.md  4 KB
workflow.json  8 KB

3 个文件,共 12 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

Huashu Design

alchaincyf · 技能

把你在 AI 智能体里写的一句话需求,变成一份完成的设计:发布动画、可点击的应用原型、可编辑的幻灯片、信息图,或一组小红书图片。可在多种智能体中使用。

新上架29.4k

Guizang PPT Skill

op7418 · 技能

能生成单文件 HTML 幻灯片、幻灯片配图和多平台封面的技能,有两套视觉风格,还带演讲者模式用于排练。适合使用 Claude Code 或 Codex 的演讲者。

新上架29.8k

Claude Code Skills & Plugins

alirezarezvani · 技能

为 Claude Code 和其他编程智能体提供 411 个现成技能,按角色分组,从工程、产品到营销、财务和合规。以插件方式安装。适合开发者和业务团队。

新上架29.8k

效率类的相似商品

查看效率类的全部商品

Frontend Slides

zarazhangrui · 技能

从零开始或从 PowerPoint 文件生成 HTML 演示文稿,并展示几种视觉风格预览供你挑选,适合不懂 CSS 和 JavaScript、又想做网页幻灯片的人。

新上架32.3k

IPTV

iptv-org · 工具包

把来自多个国家的公开电视直播频道整理成播放列表,任何支持直播流的视频播放器都能打开。适合想看直播的观众,也适合需要频道数据的开发者。

新上架144k

upscaler

uwg · 工具包

收录来自 OpenModelDB 社区的一组图像放大模型,适合想在自己电脑上用 AI 放大低分辨率图片的人。

新上架