用本地 Ollama 模型逐句核对事实

用本地 Ollama 模型逐句核对事实

一个 n8n 工作流，把一段文本和一份源文档逐句核对。Ollama 提供的一个小型事实核查模型给每个句子标 Yes 或 No，标为 No 的句子被收集起来，第二个 Ollama 模型再写出一份关于问题的简短总结。可以手动运行，也可以从别的工作流里调用。

包里有什么

• workflow.json：n8n 导出的工作流，十三个干活的节点和五张便签。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

• 两个 Ollama 节点原来关联着作者 n8n 里的一个凭据。这个关联已删掉，请添加你自己的。
• Edit Fields 里的示例原来是两段关于一位有名有姓的研究者的文字，后面跟着一篇关于她的编造文章，里面夹着捏造的说法。现在换成了一段关于虚构图书馆的短示例，文档有五句，文本有六句，其中有两句明显是错的。
• 别的都没改。Code 节点是文件原来的。

开始之前

• 一个能通过网络访问到你的 Ollama 的 n8n 实例。
• 已安装并在运行的 Ollama，拉取了两个模型：核查用的 ollama pull bespoke-minicheck，写总结用的 ollama pull qwen2.5:1.5b。Ollama 上核查模型的页面（2026 年 11 月 12 日查阅）把它列为 4.7GB，上下文窗口 32K。

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. 打开 Ollama Chat Model，创建一个 Ollama 凭据。它的 Base URL 初始是 http://localhost:11434。如果 Ollama 在另一台机器上，就改掉。如果 n8n 跑在 Docker 里，容器必须能访问宿主机的网络。
3. 打开 Ollama Model，选同一个凭据。
4. 打开 Edit Fields。facts 字段放源文档，text 放要核对的文本。把两个示例都换掉。
5. 保存，点 Execute workflow。总结是 Basic LLM Chain 的 text 字段。

一次运行的过程

1. 运行从 When clicking ‘Test workflow’ 开始，它连着 Edit Fields，或者从 When Executed by Another Workflow 开始，它从调用方工作流取 facts 和 text。
2. Code 把 text 拆成句子。文本是空白的时候，它会以 “Input text is empty” 停下。
3. Merge1 按位置把带着 facts 和 text 的条目，和带着句子清单的条目合起来。Split Out1 再把清单变成每个句子一个条目，放在一个叫 claim 的字段里。
4. Basic LLM Chain4 把每个句子发给 Ollama Chat Model（bespoke-minicheck:latest），内容是 Document: 后面跟文档，再 Claim: 后面跟句子。模型回答 Yes 或 No。
5. Merge 按位置把每个句子和它的回答配对。Filter 留下回答恰好是 No 的条目。
6. Aggregate 把留下的条目放进一个清单。Basic LLM Chain 让 Ollama Model（qwen2.5:1.5b）按一条系统消息写总结，格式是：错误陈述的数量、一份清单，再加一个简短的最终评估。

改变风格

• 文档和文本：Edit Fields 里的 facts 和 text，或者调用方工作流的输入。
• 模型：Ollama Chat Model 和 Ollama Model 里的 Model。
• 总结：Basic LLM Chain 里的系统消息。便签说你可以删掉总结部分，直接从 Aggregate 返回错误句子的原始清单。
• 什么算问题：Filter 里的 No。
• 文本怎么拆：Code 里的正则表达式。

注意事项

• 核查模型判断的是一个句子有没有文档的支持，这也是 Ollama 上它的页面的描述。一个确实为真、但文档从没提过的句子，也可能得到 No。
• Code 在句号、感叹号或问号之后，只要后面跟着一个空格和一个大写字母，就拆开。所以 Dr. Lee 这样的称呼会在那里断成两段。它的日期保护列的是德语月份名。
• 每个句子一次模型调用，另外总结再一次。长文本在小机器上要跑一阵。
• Ollama 的页面说，文档不超过 32K 个 token 就不用拆。
• qwen2.5:1.5b 是个很小的模型。如果它的总结不好，就在 Ollama Model 里换个大的。
• 模型的回答不检查格式。不是 No 的回复会被 Filter 丢掉。
• 一切都留在运行 Ollama 的机器上，除非你把凭据指到别处。