В домашней AI-лаборатории собрал на n8n два автоматизированных процесса, которые связывают внешние источники данных, оркестрацию сценариев, локальный inference через Ollama и публикацию готового результата в виде HTML-страницы.
Моя роль: самостоятельно спроектировал и настроил оба workflow — от подключения источников до финальной публикации. Локальная модель здесь используется не для демонстрационного чата, а как рабочая часть автоматизированного пайплайна.
Реальный workflow в редакторе n8n
n8n запускает сбор вручную или по расписанию, собирает вакансии с нескольких площадок, передаёт их локальной LLM через Ollama для оценки соответствия заданным критериям, отфильтровывает и ранжирует результат — итог публикуется как обновляемая HTML-страница.
Схема процесса: источники → n8n + локальная LLM → публикация
Опубликованный результат — «Радар вакансий»
Второй сценарий опрашивает дизайн-площадки (Dribbble, Behance) в поиске свежих работ по заданным тематикам, локальная модель через Ollama оценивает и классифицирует материалы по категориям — результат публикуется как HTML-библиотека интерфейсных решений.
Схема процесса: площадки → n8n + локальная LLM → HTML-дайджест
Опубликованный результат — «Библиотека интерфейсных решений»
- Собраны и отлажены два рабочих сценария в n8n, соединяющих внешние источники, локальный inference через Ollama и автоматическую публикацию HTML-страницы.
- Оба процесса проверены как прототипы и могут использоваться как основа для регулярной автоматизации.
- Практика показала, как локальная LLM может быть встроена в реальный рабочий пайплайн, а не только использоваться как чат-ассистент.