Локальная LLM в n8n: автоматизация без облака не гарантирует приватность

Переход на локальные языковые модели часто воспринимают как простое решение для приватной автоматизации: данные не уходят в облако, значит, всё под контролем. На практике подключение n8n к Ollama действительно занимает около десяти минут, но обеспечение реальной приватности требует существенно большего внимания к тому, где именно оседают обрабатываемые тексты. Базовая схема выглядит просто: Ollama работает в соседнем контейнере, n8n обращается к нему по HTTP, и модель, например, формирует резюме заявок, ничего не отправляя во внешние сервисы. Проблема в том, что к моменту завершения работы сценария исходный текст заявки уже сохраняется в нескольких местах — в истории запусков n8n, в журналах контейнеров и в бэкапе базы данных. Кроме того, любой неосторожно добавленный узел в workflow может отправить эти данные наружу.

Подробности

Пример, разобранный в исходной статье, собран на n8n 2.43.5 и Ollama 0.40.4. Автор предупреждает: названия узлов, формат credentials и совместимость API меняются от версии к версии, поэтому стриминг, structured output и вызов инструментов необходимо проверять на собственной связке. Взаимодействие n8n с локальной моделью строится через узел HTTP Request: он отправляет POST-запрос на адрес Ollama с указанием модели, текста и параметров генерации, а следующий узел извлекает ответ из JSON. Поддерживаются как нативный маршрут `/api/chat`, так и OpenAI-совместимый `/v1/chat/completions`. Важное условие — адрес Ollama должен быть доступен именно из контейнера n8n; формат ответа и работу стриминга проверяют для выбранного маршрута.

Что делать

При построении приватной автоматизации на n8n и локальной LLM стоит учитывать следующее: - Проверяйте, где сохраняются обрабатываемые данные: история запусков n8n, журналы контейнеров и бэкапы базы — все эти места содержат тексты заявок. - Контролируйте состав workflow: каждый добавленный узел — потенциальный канал утечки данных за пределы контура. - Настройте политику хранения и очистки истории запусков и журналов, а также ограничьте доступ к бэкапам базы. - Убедитесь, что сетевой доступ к Ollama открыт только из контейнера n8n и не выходит за пределы инфраструктуры. - Фиксируйте версии n8n и Ollama и перепроверяйте стриминг, structured output и вызов инструментов при обновлении, поскольку совместимость API между версиями меняется. Итог: локальная модель убирает облачную передачу данных, но не отменяет необходимости контролировать их хранение и маршруты внутри собственного контура. Приватность自动化 обеспечивается не точкой подключения LLM, а дисциплиной обращения с данными на всём пути их следования.

Источник: Хабр — Системное администрирование