想尝试 AI 自动化，可以先让流程只处理一段自己提供的文字。n8n Self-hosted AI Starter Kit 是 Docker Compose 启动模板，组合了 n8n、Ollama、Qdrant 与 PostgreSQL。下面的练习不需要同时使用全部组件。

按硬件选择启动说明

先安装并确认 Docker Compose 可用，再阅读仓库 Installation 部分，选择与你的系统和硬件对应的配置。复制环境示例后按说明设置密码与密钥。仓库提供 CPU 等不同配置；不要把显卡方案直接套用到没有对应硬件的电脑。

这套模板适合学习和验证；将它用于公开服务之前，需要另外完成访问控制、备份与部署配置。模板的 Apache-2.0 许可不替代 n8n 等各组件自己的许可。

先画清四步流程

手动触发 → 准备 title/body 字段 → 调用已配置的文本模型 → 检查输出

在编辑器创建工作流，使用手动触发节点。通过字段编辑节点准备 title 和 body；具体节点名称随版本可能变化。先单独执行这一段，确认下一节点能看到正文，而不是空值或整段对象描述。

连接模型并明确输入

选择当前版本支持的基础文本生成链或对应节点，配置你已经准备好的模型连接。若使用启动模板中的 Ollama，按 README 核对连接与已下载模型。没有工具调用需求时，不必额外引入复杂 Agent。

请只根据传入正文输出：
一句主题概括；三个关键事实；原文没有说明的事项。
标题：绑定 title 字段
正文：绑定 body 字段

在界面使用字段映射功能绑定上游值，并查看预览确认实际内容。不要把“绑定 body 字段”这几个字当成最终正文发送。

用两条输入验收

一条使用信息完整的短文章，另一条刻意不写日期。检查模型是否补出了不存在的时间、流程是否保留原始标题，以及执行记录能否定位输入和输出。先把结果留在编辑器中核对，满意后再设计保存与发布环节。

常见问题

为什么模型收不到正文？

查看字段编辑节点实际输出及映射预览，检查字段名称、层级与空值，而不是先换模型。

一定要部署向量库吗？

这条摘要流程不需要文档检索。模板包含相关组件，不表示每次练习都要使用它们。

界面实操：做一个手动摘要流程

前提是你已经能登录 n8n，且有可连接的聊天模型。以下流程不自动发送消息或发布文章。n8n 界面可能因版本不同略有区别，可对照 Basic LLM Chain 官方文档查找参数。

  1. 新建工作流，添加 Manual Trigger。这是练习的手动入口。
  2. 连接 Edit Fields (Set)，使用 Manual Mapping 添加两个字符串字段：title 填“备份说明”，body 填“软件 A 支持 Windows。打开设置后选择备份，每周备份一次。价格未说明。”运行这个节点，检查输出面板能看到这两个字段。
  3. 连接 Basic LLM Chain，在 Prompt 选择 Define below。把 body 字段从输入面板拖到 Prompt 编辑框，确认预览显示实际正文，再写明“只根据正文输出一句概述、两个事实和未说明的信息”。
  4. 在 Chain 的模型连接位置添加与你已配置服务匹配的聊天模型节点，选择现有凭据和模型。若服务运行在 Docker 容器外，地址按实际网络配置填写；容器中的 localhost 指容器自身。
  5. 手动执行整个工作流，打开 Chain 输出。正确依据应包括 Windows、每周备份一次；价格只能说未说明。模型回答还需要人工对照原文。

如果 Basic LLM Chain 提示缺少 chatInput，检查是否仍选了“自动取上一节点”；该模式期望字段名为 chatInput。按上面方法切换到 Define below 并绑定 body，再测一次。具体输出结构和模型连接方式以当前版本为准。

项目来源与许可

原项目：n8n-io/self-hosted-ai-starter-kit。许可说明：Apache-2.0（启动模板；各组件另有许可），详见原仓库许可与说明。仓库与许可核验于 2026-10-31。本文为本站编写的中文导读与练习设计，不是原教程逐字翻译；未在读者环境执行，运行结果需自行核对。