GPUStack 实战:n8n 接入本地模型,零成本打造 AI 资讯助手

【AI平台】n8n入门2:第一个工作流,调用本地大模型 n8n是一款开源的,专注于AI工作流构建,支持灵活的自定义与集成。就是可以把大模型和其他工具联合起来,这就厉害了。而且,免费功能又强大,目前很火,来研究一下。 阅读详情

n8n 是一款强大的开源低代码自动化工具,它允许你通过可视化节点的方式,将不同的服务和 API 串联起来,构建复杂的自动化工作流。与传统的自动化平台相比,n8n 拥有极高的自由度和扩展性,支持自托管部署,能够确保数据的完全私有化。

在集成 AI 能力时,n8n 丰富的节点生态可以轻松对接 GPUStack 部署的本地大模型。这种组合不仅消除了昂贵的 API 调用费用,还确保了企业敏感数据在处理过程中始终留在本地,是构建私有化 AI 智能体的理想选择。接下来,我们将通过一个实战案例,演示如何将两者结合使用。

🛠️ 演示环境

  1. GPUStack v2.0.3:请参考官方文档 https://docs.gpustack.ai 进行安装部署。
  2. n8n 最新版:推荐使用 Docker 快速部署,请参考官方指引 https://docs.n8n.io/hosting/installation/docker 。
  3. gpt-oss-120b:在 GPUStack 中部署,具备优秀并发能力。

📖 工作流搭建

1. 获取模型 API 凭证

首先,我们需要获取模型的调用地址。在 GPUStack 的 Deployments 列表找到目标模型,通过右侧菜单点击 API Access Info。系统会弹出详细的接入信息,若尚未配置密钥,可直接点击窗口内的链接跳转至创建页。


创建 API Key

成功创建后,生成的 API Key 将作为 n8n 访问本地模型的安全凭证。由于 Key 仅在创建时显示一次,建议立即将其妥善保存。

2. 配置 n8n 模型连接

由于 GPUStack 兼容 OpenAI 协议,我们在 n8n 中直接添加一个 OpenAI API 类型的凭证即可。


在配置窗口,填入刚才获取的 API Key 和 GPUStack 的接入地址。如果填入凭据信息无误,点击 Save 会提示 Connection tested successfully。


关闭凭据配置窗口后,勾选 Limit models,指定该凭证仅使用特定的本地模型。

3. 编排自动化工作流

本节目标是搭建一个自动化链路:每天早上八点半定时触发,自动采集 RSS 源信息,并调用 AI 提取摘要发送至指定邮箱。

  1. 创建空白 Workflow

  1. 设置工作流的 First step node 为 On a schedule 类型

配置触发时间为每天早上八点半

  1. 添加 RSS Read 节点,这里以 https://36kr.com/feed 为例


点击测试按钮,验证 RSS Read 节点是否正常工作


双击 RSS Read 节点可查看执行日志和数据

  1. 添加 Basic LLM Chain 节点,用于提取信息摘要

在弹出的配置窗口中,配置 Source for Prompt (User Message) 为 Define below,然后拖动左侧面板 contentSnippet 字段到 Prompt (User Message) 输入框中


继续在下方配置 System Prompt -> 你是一个资深科技编辑。请阅读下方的文章内容,提取摘要,要求字数精炼,直击本质。

  1. 配置 LLM Model


  1. 添加 Send Email 节点


添加 Email 凭据,如下如所示,点击 Create new credential 会弹出配置窗口。

此界面仅为示例,具体的 SMTP 配置信息(如服务器地址、端口、授权码)请参照你所使用邮箱服务的官方说明。

配置收件人地址及邮件正文。作为初步演示,我们直接将模型输出的原始文本作为邮件内容。

表达式无需手写,将字段拖拽到输入框即可。

📊 效果验证

点击 Execute Workflow 手动触发一次工作流。n8n 将抓取最新的 RSS 资讯,调用 GPUStack 进行推理生成摘要,最后通过 Send Email 节点发送邮件。

注意:这一步不要着急实操,否则将一次性收到 30 封邮件!🤣

执行完成如图所示:

邮箱截图:

💡 工作流优化

上述流程中我们注意到,工作流每完整执行一次就会发送 30 封邮件,这显然不符合预期。我们期望将每条资讯压缩为一句话摘要,再将所有摘要汇总为一个列表,以单封邮件的形式发送,并对展示样式进行统一美化。

  1. 修改 Basic LLM Chain 节点上的系统提示词,指导其直接输出一个 list item
你是一个资深科技编辑。请将用户输入的文章内容总结为一条简练的 HTML 列表项(<li>...</li>),包含标题和核心要点。

格式示例:
<li><b>标题</b>:核心要点摘要</li>

要求:
1. 仅输出 <li> 标签及其内容,不要包含 <ul> 或其他 markdown 格式。
2. 摘要控制在 50 字以内。

  1. 在 Basic LLM Chain 与 Send Email 节点之间插入一个 Code 节点,用于将分散的摘要聚合为美观的 HTML 格式。

在后续弹出的菜单中,根据自己偏好选择 Code in JavaScript / Code in Python (Native)。

本文以 Code in JavaScript 为例。

在弹出的配置面板中,填入如下 JavaScript Code:

⚠️ 注意:在微信公众号中直接复制以下代码时,普通空格可能会被替换成不换行空格 (NBSP),粘贴后请务必检查并手动替换回普通空格!

// 获取所有 LLM 节点的输出项
const items = $input.all();

// 定义 CSS 样式
const style = {
  container: "font-family: 'Helvetica Neue', Helvetica, Arial, sans-serif; max-width: 600px; margin: 0 auto; padding: 20px; background-color: #f9f9f9; border-radius: 10px; border: 1px solid #e0e0e0;",
  header: "color: #2c3e50; border-bottom: 2px solid #3498db; padding-bottom: 10px; margin-bottom: 20px; font-size: 24px;",
  list: "list-style-type: none; padding: 0;",
  listItem: "background-color: #ffffff; margin-bottom: 15px; padding: 15px; border-radius: 8px; box-shadow: 0 2px 4px rgba(0,0,0,0.05); line-height: 1.6; color: #555;",
  footer: "margin-top: 30px; font-size: 12px; color: #999; text-align: center; border-top: 1px solid #e0e0e0; padding-top: 10px;"
};

// 构建 HTML 内容
let htmlContent = `<div style="${style.container}">`;
htmlContent += `<h2 style="${style.header}">📅 每日科技资讯摘要</h2>`;
htmlContent += `<ul style="${style.list}">`;

for (const item of items) {
  if (item.json.text) {
    // 为 item 添加样式
    let styledItem = item.json.text.replace('<li>', `<li style="${style.listItem}">`);
    htmlContent += styledItem + "\n";
  }
}

htmlContent += `</ul>`;
htmlContent += `<div style="${style.footer}">Generated by n8n & GPUStack • ${new Date().toLocaleDateString()}</div>`;
htmlContent += `</div>`;

// 返回合并后的单一结果供邮件节点使用
return [{
  json: {
    email_content: htmlContent
  }
}];

  1. 更新 Send Email 节点

n8n 支持在 {{ }} 中编写 JavaScript 表达式。这里我们使用 {{ $now.format('yyyy-MM-dd') }},以便在邮件主题中自动附带当天的日期信息。

  1. 最终效果

修改完成,重新运行,最终效果如下所示

  1. 保存工作流并发布

至此,工作流部署完成。只要 n8n 服务保持运行,系统将按照预设在每天早上 8:30 触发执行,并在处理完成后自动发送资讯摘要邮件。

📈 总结

通过本文的实战,我们成功利用 n8n 和 GPUStack 搭建了一套全自动、零成本的 AI 资讯助手。从 RSS 抓取到 AI 摘要再到邮件推送,整个流程完全运行在本地环境中,既保护了数据隐私,又规避了高昂的 API 调用成本。

最后,别忘了打开 GPUStack Dashboard 概览页。你可以直观地查看指定模型在一段时间内的 Token 消耗详情(包括 Prompt 和 Completion)以及 API 请求总数,真正掌握 AI 服务的运行状况。

🙌 欢迎加入我们的社区

如果二维码失效,大家可前往 GPUStack 项目获取最新入群二维码 https://github.com/gpustack/gpustack/blob/main/docs/assets/wechat-group-qrcode.jpg

N8N系列:入门级教程—如何调用大模型 本文介绍了使用N8N自动化工具对接大模型的四种基础方法。首先说明准备工作(获取APIKey和安装N8N),然后详细演示了:1)Webhook+AIAgent方式;2)Chat节点方式;3)Webhook直接调用API方式;4)Chat节点直接调用API方式。每种方法都包含节点配置、参数设置和测试验证步骤,并提供了优化返回数据的技巧。文章强调掌握底层逻辑的重要性,适合N8N初学者快速上手实现与大模型的通讯。 阅读详情

相关推荐

【AI平台】n8n入门3:第二个工作流,链接网上大模型(含三种方式)

n8n是一款开源的低代码自动化工具,专注于AI工作流构建,支持灵活的自定义与集成。本节目标:n8n调用公网的大数据模型,完成一个简单的工作流。

正经教主是个热衷于正经学习分享的教主。 6097

【n8n入门教程11】n8n 大模型集成完全指南:调用 OpenAI 和 Gemini API

详细讲解 n8n 如何通过 HTTP Request 节点及内置 AI 节点集成 OpenAI、Google Gemini 等大模型,并结合最佳实践和安全建议

欢迎来到benny的老巢。 1499

轻松掌握 Llama 3.1:轻松本地部署与远程使用的全攻略

Llama 3.1 是 Meta(Facebook 的母公司)发布的一系列最先进的开源大语言模型。Llama 3.1 系列包括 8B(80 亿参数)、70B(700 亿参数)和 405B(4050 亿参数)模型。其中,405B 是 Meta 迄今为止最大的模型。

2301_81887304的博客 2188

搭建工作流自动化工具n8n并配置deepseek大模型

1. 摘要(发音为 "n-eight-n")是一个开源的图形化低代码工作流自动化工具,允许用户通过可视化界面连接不同的应用程序和服务,实现自动化任务。在linux服务器上,用docker安装n8n工作流自动化工具,用ollama私有化部署DeepSeek-R1-Distill-Qwen-1.5B。If you prefer to disable this security feature,set the environment variable N8N_SECURE_COOKIE to false,版本更新

xuebodx0923的博客 5547

【AI平台】n8n进阶:三种高效调用大模型API的实战对比

本文深入对比了在n8n AI平台中调用大模型API的三种实战方法:内置集成、HTTP Request节点和OpenAI协议兼容调用。详细剖析了各自的配置流程、适用场景、性能差异与优缺点,帮助用户根据模型支持度、灵活性需求和开发效率,选择最高效的集成方案,以构建稳健的自动化工作流。

weixin_29268637的博客 140

保姆级教程:用n8n+DeepSeek搭建AI问答机器人(从配置到调试)

本教程详细介绍了如何利用n8n工作流自动化工具与DeepSeek大模型API搭建高效的AI问答机器人。从基础环境配置到核心工作流构建,再到高级功能实现和生产环境优化,全面覆盖了从零开始的部署过程。重点解决了环境兼容性、异常捕获和对话质量优化等实际问题,帮助开发者快速构建智能对话系统。

weixin_29248611的博客 402

GPUStack(docker)部署本地模型的注意事项

如果GPUStack部署在docker内,尽管GPUStack的web界面的模型部署显示模型在var/...内部,但实际上路径是有问题的,真实路径应该在docker的卷下。也就是说,如果本地存在一个模型,需要部署在GPUStack中,则需要在对应的docker目录下创建一个路径,将本地模型移进去(使用路径链接似乎GPUStack无法识别)

qq_41027830的博客 426

深空探测处理软件USGS-ISIS的下载安装

深空探测处理软件USGS-ISIS下载安装教程

qq_31721595的博客 3310

n8n工作流自动化平台的实操:利用本地嵌入模型,完成文件内容的向量化及入库

牵涉节点:FTP、Code、Milvus Vector Store、Embeddings OpenAI、Default Data Loader、Recursive Character Text Splitter。

xinvictory的专栏 1968

HWSD全球土壤数据下载、处理与提取完整指南

全球尺度的科学研究与工程项目中,土壤数据是必不可少的基础底图,而HWSD(和谐世界土壤数据库)凭借其统一的分辨率与属性标准,成为农业区划、生态模型、土地利用变化和水资源评估等领域的通用数据源。深入理解其“栅格存编号、数据库存属性”的核心原理,是高效使用这套数据的关键。通过掌握MDB数据库结构、属性字段含义以及栅格与属性表的关联方法,研究者可以将原始数据转化为可用的研究底图。无论你是需要提取特定区域的土壤属性,还是进行面积统计与点位采样,合理的处理流程都能显著提升工作效率。本文从下载注册开始,一步步梳理数据清

weixin_29056781的博客 313

AgentScope Java多智能体框架

AgentScope Java 的核心设计理念是“Agent-Oriented Programming” (面向智能体编程)。

zzz19920821的博客 1734

【大模型实战】n8n与大模型结合:零代码实现智能自动化,小白也能上手!

n8n是开源图形界面自动化工具,通过拖拽节点构建工作流。文章介绍其在阿里云主机上的部署步骤,并通过天气信息邮件实例展示工作流创建。n8n可与大模型结合实现智能运维,为程序员和小白提供低门槛自动化解决方案。

2401_84495872的博客 1165

行人重识别(ReID)基础知识入门

行人重识别(Person re-identification)主要目的是针对出现在监控摄像头内的某个目标行人,准确快速地从监控网络其他摄像头内的大量行人中将这个目标行人标识出来。如图所示一个区域有多个摄像头拍摄视频序列,ReID的要求对一个摄像头下感兴趣的行人,检索到该行人在其他摄像头下出现的所有图片。

用于记录 1万+

手把手教小白搭建本地 n8n 知识库,实用又简单,大模型入门到精通,收藏这篇就足够了!

不需要昂贵的费用,也不需要复杂的部署。我将介绍一个简单又可靠的方案:利用免费开源的 n8n 和 pgvector,在本地电脑上搭建一个永久属于你、完全私有、且无限强大的本地知识库。

pythonhy的博客 1396

服务器报错:“Unhealthy status reported by this UEFI driver without specific error message”.. 记录解决过程

服务器开机报错:Unhealthy status reported by this UEFI driver without specific...

ayychiguoguo的博客 4398

电机系列(1) - foc最基本原理、clark变换 、park变换、附代码

什么是FOC? FOC(Field-Oriented Control),直译是磁场定向控制,也被称作矢量控制 (VC,Vector Control) ,是目前无刷直流电机(BLDC)和永磁同步电机(PMSM)高效控制的最优方法之一。FOC旨在通过精确地控制磁场大小与方向,使得电机的运动转矩平稳、噪声小、效率高,并且具有高速的动态响应。 简单来说就是,FOC是一种对无刷电机的驱动控制方法,它可以让我们对无刷电机进行 “像素级” 控制,实现很多传统电机控制方法所无法达到的效果。 因为所谓的“矢量控制”其实就是

nepqiu的博客 7万+

TensorFlow相关组件的安装

TensorFlow相关组件的安装

AAI666666的博客 3930

CentOS 7 Linux yum 安装 Docker,解决 Docker 镜像拉取失败问题

本文详细介绍了在 CentOS 7 系统上通过 yum 安装 Docker 的完整流程,包括卸载旧版本、配置阿里云国内镜像源、安装 Docker 及其组件、设置日志限制等关键步骤。针对国内用户常见的 Docker 镜像拉取失败问题,提供了两种实用解决方案:配置镜像加速器或通过代理访问官方源,并附带验证方法与排错指南,帮助读者高效完成 Docker 环境部署。

寒水馨 · 轻量级技术文档 · hanshuixin.org 1718

本地联动部署:n8n + DeepSeek 大模型 + Ollama 实战

私密性:所有数据存储在本地,避免敏感信息上传云端。灵活性:通过 n8n 的可视化界面,无需编写大量代码即可调整工作流。轻量级:Ollama 简化了模型管理。后续可探索的扩展方向:1.模型切换:在 Ollama 中拉取其他模型(如 Llama 3、Qwen),在 n8n 的 HTTP 请求中修改model参数即可切换。

目标一千粉丝,换博客介绍。 2307

大疆A型板使用经验分享(四)—— PWM和舵机SG996的控制

一. j

weixin_43361652的博客 3879

华为的C语言编程规范.pdf

华为技术有限公司内部技术规范。本规范制定了编写C语言程序的基本原则、规则和建议。从代码的清晰、简洁、可测试、安全、程序效率、可移植各个方面对C语言编程作出了具体指导。

私密+高效!本地 AI 工作流终极方案:n8n 无缝集成 Ollama,解锁无限潜能!大模型入门到精通,收藏这篇就足够了!

**n8n** 作为一个功能强大的开源工作流自动化工具,与能够在本地运行 LLM 的 Ollama 相结合,为我们提供了一套完全私有化、高性价比且极具灵活性的 AI 自动化解决方案。

huang9604的博客 2362

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

debain12.9使用gpustack部署内嵌模型/embedding

debain12.9使用gpustack部署内嵌模型/embedding

Eddy的博客 613

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

【超详细教程】使用n8n和大模型搭建微信自动发布工作流,看完就能学会,建议先收藏!

【超详细教程】使用n8n和大模型搭建微信自动发布工作流,看完就能学会,建议先收藏!

m0_48891301的博客 4770

Docker 运行 GPUStack 的详细教程

GPUStack 是一个用于运行 AI 模型的开源GPU集群管理器。它具有广泛的硬件兼容性,支持多种品牌的 GPU,并能在 Apple MacBook、Windows PC 和 Linux 服务器上运行。GPUStack 支持各种 AI 模型,包括大型语言模型(LLMs)、扩散模型、音频模型、嵌入模型和重新排序模型。GPUStack 可以轻松扩展,只需添加更多 GPU 或节点即可扩展操作。它支持单节点多 GPU 和多节点推理和服务,并提供多种推理后端,如llama-boxvox-box和。

顺其自然~专栏 2913

【AI大模型实战】手把手教你构建N8N第一条工作流:自动获取资讯信息并保存到本地,全程干货,建议收藏!!

今天带大家搭建第一套自动化工作流:定时获取资讯并自动保存到本地文件夹中。既然有了想法,首先需要考虑的是,如何搭建这个工作流。本次将以两个方向去搭建如何去获取以及如何导入本地

bugyinyin的博客 2135
上一篇: GPUStack 自定义后端系列 | MinerU:打造超强 PDF 文档解析服务
下一篇: vLLM、SGLang 融资背后,AI 推理正在走向系统化与治理
GPUStack
博客等级 码龄2年 150粉丝 65原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值