用 Ollama 在本地给邮件分类并起草回复的 AI

用 Ollama 在本地给邮件分类并起草回复的 AI

一个 n8n 工作流：用你自己电脑上的 AI 模型给每封新邮件打标签，再为每封不是垃圾邮件的邮件起草回复。模型通过 Ollama 运行，所以邮件文字不会发给在线 AI 服务。草稿留在 n8n 里供你查看，什么也不会发出。

包里有什么

• workflow.json：n8n 导出的工作流，5 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

• 这个工作流原来从一个每五分钟运行一次的定时器开始，它连着一个被设成取十封未读邮件的 IMAP 节点。n8n 的 IMAP 节点本身就是触发器。它不接收输入，也没有这样的设置，所以定时器和那些设置都去掉了。现在由 Email Trigger (IMAP) 启动每次运行，这个节点原来叫 Get Unread Emails (IMAP)，已经改名。
• 两个 Ollama 步骤用 JSON.parse($json.data).response 读取答案。HTTP Request 节点已经把 Ollama 的 JSON 回复变成了字段，并没有 data 字段。它们现在读取 $json.response，里面就是模型的文字。
• Filter Spam 原来只留下模型标为 SPAM 的邮件，把其他的全部拦住。现在它丢掉垃圾邮件，放行其余的。
• 这些步骤原来从 text 读取邮件正文。IMAP 节点的默认格式里没有这个字段，所以模型只看到发件人和主题。它们现在读取 textPlain。

开始之前

• 一个 n8n 实例，本地或自托管，和 Ollama 在同一台电脑或同一个网络里。
• 已安装并在运行的 Ollama，且已下载 llama3:8b。它是一个 4.7GB 的模型，所以要留出空间。
• 一个可以通过 IMAP 读取的邮箱，要有它的服务器、端口、用户名和密码。

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. 给 Email Trigger (IMAP) 添加 IMAP 凭据。
3. 确认 Ollama 在运行，并且有 llama3:8b。
4. 两个 Ollama 步骤都调用 http://localhost:11434/api/generate，这是 Ollama 自己的默认地址。如果 n8n 在那里连不到 Ollama，就把两个步骤里的地址都改掉。
5. 保存工作流，打开它，再给这个邮箱发一封测试邮件。

一次运行的过程

1. Email Trigger (IMAP) 监视收件箱。每封未读邮件都会触发它，并被标为已读，这是它自己的默认行为。后面用到的字段是 from、subject 和 textPlain。
2. 1. Classify Email (Ollama) 向 Ollama 的 /api/generate 发送请求。提示里给出发件人、主题和正文的前 1000 个字符，要求用大写字母回答一个词，在 urgent、question、feedback、spam 和 other 里选一个。它的温度是 0.1，上限 20 个令牌，超时 60 秒。
3. Filter Spam 把回复和 SPAM 比较，不分大小写，一致时就丢掉这封邮件。
4. 2. Draft Reply (Ollama) 让同一个模型写一份简洁、友好的回复正文，用的是邮件的前 2000 个字符。它的温度是 0.5，上限 1000 个令牌，超时 120 秒。提示要求模型以团队的名义落款。
5. Prepare Draft for Review 收集四个字段：draft_reply、original_from、original_subject（在主题前面加上 Re:）和 category。
6. 运行到此结束。

调整

• 标签：1. Classify Email (Ollama) 提示里的那个列表。
• 回复的风格和落款：2. Draft Reply (Ollama) 的提示。
• 模型：两个请求体里的 llama3:8b 这个名字。
• 模型读多少邮件内容：两个请求体里 substring 后面的数字。
• 每一步等多久：每个 Ollama 步骤的超时选项。

要知道的

• 下面的事实来自 2026 年 11 月 12 日读取的页面和 n8n 源码。
• 什么也不发，也什么都不保存。草稿只存在于每次运行的数据里，也就是 Executions 列表中。想用它们，就在 Prepare Draft for Review 后面加一个 Gmail、Send Email 或电子表格节点。
• 垃圾邮件判断是完全匹配。像 SPAM. 或 Spam, because it sells something 这样的回复不等于 SPAM，所以这封邮件会被留下并起草回复。
• 家用电脑上的小模型有时会看错邮件，也会在回复里编造细节。每份草稿都要读一遍。
• Ollama 在第一次请求时加载模型，默认保留五分钟。慢一点的电脑，这第一次调用可能需要超过 60 秒和 120 秒的超时。
• n8n Cloud 连不到你电脑上的 localhost。如果 n8n 运行在容器里，localhost 指的是那个容器。n8n 自己的 Ollama 说明建议把两个容器放在同一个用户自定义的 Docker 网络里，地址写 http://<ollama-container>:11434。
• ollama.com 把 llama3:8b 列为 4.7GB、8K 上下文窗口。Ollama 列出的任何其他模型，只要在两个步骤里改掉名字就能用。
• 计费：没有按次收费。成本是你电脑的时间和电力。
• 你的数据：邮件文字发给你机器上的 Ollama，不会发给在线 AI 服务。你的邮件服务商和 n8n 仍然能看到每封邮件。
• 凭据：这个 JSON 里没有任何凭据。