تصور کنید یک برنامه‌نویس یا مدیر محصول باشید که می‌خواهد از قدرت عامل‌های هوش مصنوعی استفاده کند، اما اجازه ندارد حتی یک بیت از داده‌های حساس شرکتش را به سرورهای خارجی بفرستد. با ترکیب n8n و Ollama روی یک دستگاه مک، شما یک زیرساخت کاملاً خصوصی می‌سازید که در آن هیچ داده‌ای از محیط محلی خارج نمی‌شود. این معماری به کاربران اجازه می‌دهد عامل (Agent) — شبیه به کارمندی دیجیتال که می‌تواند به‌طور مستقل تصمیم بگیرد و ابزارها را اجرا کند — طراحی کنند که وظایف پیچیده را بدون نیاز به APIهای ابری مدیریت نماید.
همان‌طور که در پوشش پیشین ما از جایگزین‌های میزبانی شخصی مانند Helical Insight دیدیم، تمایل به سمت هوش مصنوعی محلی به‌دلیل نیاز به حاکمیت کامل بر داده‌ها در حال افزایش است. این رویکرد با هدف حذف هزینه‌های اشتراکی و انتقال پردازش به سیستم‌های بهینه‌شده برای مک در حال گسترش است. برای بسیاری از کاربران، دشواری اصلی در اتصال یک موتور گردش‌کار به یک مدل زبانی بزرگ (LLM) — مثل کتابخانه‌داری که میلیاردها صفحه را خوانده و حالا با همان لحن کتاب‌ها جواب می‌دهد — بود.
زمینه و پیش‌نیازها
طبق مستندات فنی، این پیاده‌سازی بخش سوم از یک سری آموزشی است. بخش اول بر روی راه‌اندازی PostgreSQL متمرکز بود، در حالی که بخش دوم به تفصیل مفاهیم ضروری LLM، از جمله پارامترها، کوانتیده کردن (Quantization)، پنجره‌های زمینه (Context Windows)، قابلیت‌ها و الزامات حافظه VRAM پرداخته بود.
برای شروع، نصب Docker Desktop for Mac از طریق مستندات رسمی داکر ضروری است. برای لایهٔ مدل، از Homebrew جهت نصب بومی (Native) Ollama روی سیستم استفاده می‌شود.
به نقل از راهنمای عملی منتشر شده در ۸ اوت ۲۰۲۶، استفاده از n8n Self-hosted AI Starter Kit توصیه شده است. این قالب Docker Compose، ابزارهای n8n، Ollama، Qdrant (یک پایگاه‌داده برداری) و PostgreSQL را در یک محیط پیش‌تنظیم شده یکپارچه می‌کند.
جزئیات استقرار
برای استقرار این کیت، کاربران باید مخزن GitHub را از مسیر n8n-io/self-hosted-ai-starter-kit کلون کرده و فایل .env را پیکربندی کنند. از آنجا که این فایل به‌طور پیش‌فرض در Finder پنهان است، کاربران باید از کلیدهای Command + Shift + Period برای مشاهده آن استفاده کنند. موارد کلیدی برای به‌روزرسانی در این فایل عبارت‌اند از:
- PostgreSQL: تنظیم مقادیر
POSTGRES_USER=admin،POSTGRES_PASSWORD=rootوPOSTGRES_DB=n8n. - امنیت: جایگزینی
N8N_ENCRYPTION_KEYوN8N_USER_MANAGEMENT_JWT_SECRETبا رشته‌های تصادفی و منحصر‌به‌فرد.
برای بهینه‌سازی عملکرد روی تراشه‌های اپل سیلیکون، این تنظیمات مستلزم آن است که Ollama به‌صورت بومی روی مک اجرا شود و نه داخل یک کانتینر داکر. این کار اجازه می‌دهد مدل مستقیماً به GPU مک دسترسی داشته باشد که برای سرعت استنتاج (Inference) — لحظه‌ای که مدل واقعاً جواب تولید می‌کند، شبیه به خودِ آشپزی و نه دوره‌ی آموزش آشپز — حیاتی است. در فایل .env برای فعال‌سازی این حالت، باید مقدار OLLAMA_HOST=host.docker.internal:11434 تنظیم شود و سپس دستور docker compose up اجرا گردد.
پیکربندی فنی
- اتصال: به دلیل اجرای n8n در داکر و Ollama روی میزبان (Host)، اتصال باید از طریق آدرس
http://host.docker.internal:11434برقرار شود و نه localhost. اگر هر دو در یک شبکه compose بودند، از نام سرویسhttp://ollama:11434استفاده می‌شد؛ و اگر n8n به‌صورت بومی نصب شده بود، همانlocalhostکفایت می‌کرد. - انتخاب مدل: این راهنما مدل gemma4 را به عنوان مدل اصلی برای چت برجسته می‌کند. کاربران می‌توانند آن را از طریق دستور
ollama pull gemma4دانلود کرده و با دستورollama listمدل‌های نصب شده را تأیید کنند. - یکپارچگی ابزارها: گره AI Agent در n8n را می‌توان با زیر-گره‌هایی برای درخواست‌های HTTP، ادغام با Gmail یا پایگاه‌داده‌های برداری Qdrant گسترش داد. در این حالت، مدل تصمیم می‌گیرد که چه زمانی این ابزارها را فراخوانی کند. این قابلیت مستلزم مدلی است که از استفاده از ابزار (Tool Use) پشتیبانی کند، مانند llama3.1. کاربران باید پیش از انتخاب مدل، تگ "tools" را در سایت ollama.com بررسی کنند.
کاربران می‌توانند پیش از استقرار، با استفاده از یک ماشین‌حساب VRAM بررسی کنند که آیا مدل با سخت‌افزارشان سازگار است یا خیر. این موضوع یادآور تجربیات استقرار مدل‌های محلی روی GPUهای ارزان‌قیمت است که نشان داد مدیریت بهینه حافظه می‌تواند محدودیت‌های سخت‌افزاری را کمرنگ کند. اگر تسک مورد نظر از توان سخت‌افزار محلی فراتر رود، می‌توان سیستم را به Ollama Cloud تغییر داد؛ این کار با افزودن یک API key از مسیر ollama.com/settings/keys و به‌روزرسانی URL پایه به https://ollama.com انجام می‌شود. برای استقرار کاملاً محلی، هیچ حساب کاربری یا API Key نیاز نیست.
این ساختار «مالیات حریم خصوصی» را که معمولاً هنگام استفاده از عامل‌های ابری پرداخت می‌شد، حذف می‌کند و مک را از یک کلاینت ساده به یک سرور هوش مصنوعی تبدیل می‌کند که قادر به مدیریت اسناد خصوصی و ارتباطات داخلی است. برای توسعه‌دهندگان، این یعنی امکان ساخت عامل‌های اختصاصی برای داده‌های حساس شرکت بدون ریسک نشت اطلاعات به تامین‌کنندگان شخص ثالث. این رویکرد در واقع معماری «عامل هوش مصنوعی» را دموکراتیزه کرده و آن را از بودجه‌های ابری سازمانی به سخت‌افزارهای محلی منتقل می‌کند.
گام بعدی شما
برای شروع، شما به Docker Desktop for Mac و Homebrew برای مدیریت سرویس Ollama نیاز دارید. پس از آنکه کانتینرها در آدرس http://localhost:5678 فعال شدند، می‌توانید اولین گردش‌کار عامل محلی خود را ترسیم کنید.
اما تکامل بعدی این پشته، ادغام یک دستیار اسناد با استفاده از پایگاه‌داده برداری Qdrant برای فعال‌سازی تولید بازیابی‌افزا (RAG) است که در گزارش بعدی بررسی خواهیم کرد.
گفتگو