El Self-hosted AI Starter Kit de n8n inicia n8n, Ollama, Qdrant y PostgreSQL mediante Docker Compose para workflows de IA locales sin API en la nube.
Quien quiera crear workflows de IA locales sin enviar datos a proveedores en la nube encontrará en el Self-hosted AI Starter Kit de n8n una plantilla de Docker Compose lista para usar. Esta inicia n8n como orquestación de workflows, Ollama para modelos de lenguaje locales, Qdrant como base de datos vectorial y PostgreSQL como almacenamiento de datos, con un único comando. En la documentación oficial de n8n se describe el kit como una selección organizada de elementos de IA con los que se pueden crear workflows de IA rápidamente, la configuración completa se encuentra en el repositorio de GitHub n8n-io/self-hosted-ai-starter-kit. Allí se indica que el kit está pensado explícitamente como punto de partida y no como una solución lista para producción. Estado: julio de 2026.
El stack combina cuatro contenedores, cada uno con una tarea claramente delimitada. Según el README del repositorio, estos son en concreto:
El stack se puede adaptar al hardware disponible mediante perfiles de Docker Compose. Para tarjetas gráficas Nvidia, el comando docker compose --profile gpu-nvidia up inicia el stack con aceleración por GPU, en Linux esto funciona de forma análoga para tarjetas AMD mediante el perfil gpu-amd. Sin una GPU dedicada, el stack también funciona en el perfil CPU, en cuyo caso el procesador se encarga del cálculo del modelo, lo que tarda notablemente más con modelos más grandes. En Mac, la GPU no se puede pasar directamente a Docker, aquí la documentación recomienda ejecutar Ollama localmente en el sistema host e iniciar n8n normalmente mediante docker compose up.
El inicio sigue el patrón habitual de Docker Compose: clonar el repositorio de GitHub, copiar el archivo .env.example a .env y ajustar en él los secretos y las contraseñas, después ejecutar el comando de perfil correspondiente. Tras el inicio, n8n está disponible en http://localhost:5678/, donde se configura una cuenta de usuario una única vez. El kit incluye un workflow de ejemplo integrado, que se puede probar directamente mediante el botón de chat. Para el intercambio de datos entre los workflows y el sistema de archivos local, además se monta en los contenedores una carpeta compartida en /data/shared. Quien mantiene el stack actualizado utiliza para las actualizaciones los comandos pull y create correspondientes antes de reiniciar con el perfil respectivo.
Como workflows de ejemplo, el repositorio menciona entre otros agentes de IA para la planificación de citas, el resumen de documentos PDF, la ampliación de bots de Slack así como el análisis de documentos financieros, además de plantillas para temas fiscales y análisis de documentos con Qdrant y un modelo Mistral. El denominador común: los documentos sensibles como facturas, contratos o datos de clientes no salen de la propia infraestructura. Esa es la ventaja central frente a las API en la nube. Siendo honestos, los modelos locales que se ejecutan en hardware convencional todavía están actualmente notablemente por detrás de los grandes modelos en la nube en velocidad de respuesta y calidad de razonamiento, especialmente en tareas complejas de varios pasos. Para tareas claramente delimitadas como clasificación, resumen o extracción sencilla, el rendimiento suele ser suficiente, sobre todo cuando la protección de datos y el control sobre la infraestructura son más importantes que la máxima calidad del modelo. Para las empresas que quieren usar una arquitectura así de forma productiva y segura, suele valer la pena evaluar qué casos de uso son adecuados para los agentes de IA en infraestructura propia y dónde tiene más sentido una solución híbrida. NordFlux apoya la selección y configuración de este tipo de stacks en el marco de proyectos de automatización.
Según la documentación oficial de n8n, expresamente no sin trabajo adicional: el kit "no está completamente optimizado para entornos de producción" y debe adaptarse, asegurarse y reforzarse antes de un uso productivo.
No. Existe un perfil de CPU propio con el que el stack también funciona sin GPU, aunque el cálculo del modelo tarda entonces más. Las tarjetas gráficas Nvidia y AMD aceleran Ollama mediante los respectivos perfiles de GPU, en Mac Ollama se ejecuta en su lugar directamente en el host.
El repositorio está bajo la Apache License 2.0, las condiciones completas se encuentran en el archivo LICENSE del repositorio de GitHub.
Sí. La configuración de Docker Compose sirve como estructura básica sobre la que se pueden construir workflows propios, integraciones adicionales y modelos adaptados, el workflow de ejemplo incluido solo muestra la estructura básica.
Fundador de NordFlux. Siete años de experiencia, desde la web y el SEO hasta la automatización a escala de grupo, hoy de forma pragmática para las pymes y con soberanía de datos alemana.
Certificaciones
Cómo conectar n8n a modelos de IA locales mediante la credencial de Ollama, incluyendo un escollo de Docker y los límites del tool-calling.
Cómo instalar n8n con Docker Compose: Postgres en lugar de SQLite, .env, volúmenes y actualizaciones paso a paso.
n8n Cloud limita las ejecuciones paralelas: Starter 5, Pro 20, Enterprise 200+. Cómo afecta esto al procesamiento masivo y cómo ayuda el batching.
El starter kit se monta rápido, pero producción significa gestión de recursos, actualizaciones de cuatro servicios y copias de seguridad para Qdrant y PostgreSQL. NordFlux opera stacks de IA locales con n8n, Ollama y Qdrant para que sigan siendo fiables bajo carga y tras las actualizaciones. Juntos evaluamos qué le falta a su stack para estar listo para producción.
