n8n на GX10: автоматизации с локален AI

01Какво ще научиш

• Какво е машина от класа GB10 и защо ARM64 и общата памет са важни за контейнерите.
• Как да опишеш цял стек в един файл compose.yaml и да пазиш тайните в .env.
• Как да вдигнеш n8n с Postgres и Ollama и да провериш, че са живи.
• Как да стигнеш до редактора от своя компютър, без да отваряш машината към мрежата.
• Как да направиш първия работен процес, в който локален модел оценява запитване.
• Как да правиш копия на данните и да обновяваш безопасно.

02Преди да започнеш

• Машина от класа NVIDIA GB10 (например ASUS Ascent GX10 или DGX Spark) с DGX OS (Ubuntu 24.04 за Arm64), настроена по първото включване.
• Достъп до терминала на машината — директно или по SSH.
• Docker и NVIDIA Container Toolkit — на DGX Spark са предварително инсталирани и настроени (по документацията на NVIDIA). Ако Docker иска sudo, добави се към групата по инструкцията на NVIDIA или пиши sudo пред командите.
• Интернет за изтеглянето на образите и моделите (десетки гигабайта при по-големите модели).
• Свободно място на диска: образите и моделите заемат десетки гигабайта — провери с df -h.

03Стъпки

1. Какво ще стои къде

   Накрая ще имаш три контейнера в един проект. Защо контейнери? Всяка програма идва с всичко нужно, не пречи на другите и се маха с една команда.

   Услуга	За какво е	Достъп
   n8n	Редактор и двигател за автоматизации	само 127.0.0.1:5678 на машината
   Postgres	Базата на n8n	вътрешна, без публикуван порт
   Ollama	Локалните езикови модели	вътрешна, без публикуван порт

2. Провери машината

   Първите две команди показват архитектурата и версиите. Третата пуска малък контейнер с достъп до видеокартата — така знаем, че Docker вижда GPU, преди да сложим Ollama.

   bash · на машинатакопирай

   uname -m
   docker --version
   docker compose version
   docker run --rm --gpus=all nvcr.io/nvidia/cuda:13.0.1-devel-ubuntu24.04 nvidia-smi

   Очакваш aarch64, Compose v2 и таблица с видеокартата. В нея редът за памет може да казва „Memory-Usage: Not Supported“ — това е нормално: видеокартата няма отделна памет, а ползва общата (потвърждава NVIDIA).

   ⚠️

   Не тръгва с GPU?

   Виж раздела за отстраняване на неизправности в документацията на NVIDIA за контейнерната среда: проверка на nvidia-ctk --version, на /etc/docker/daemon.json и рестарт на Docker. Версията на образа на CUDA в командата е по документацията към 01.10.2026 — при по-нова система провери актуалния таг.

3. Папка и файл с тайните

   Тайните (пароли, ключ за криптиране) не се пишат в compose файла. Държим ги в .env — Compose го чете сам. Генерираме ги на място, за да няма две инсталации с една и съща „тайна“.

   bash · ~/n8n-gx10/.envкопирай

   mkdir -p ~/n8n-gx10 && cd ~/n8n-gx10
   
   cat > .env <<EOF
   N8N_VERSION=2.41.4
   OLLAMA_VERSION=0.35.0
   POSTGRES_USER=n8n
   POSTGRES_PASSWORD=$(openssl rand -hex 24)
   POSTGRES_DB=n8n
   N8N_ENCRYPTION_KEY=$(openssl rand -hex 32)
   TZ=Europe/Sofia
   EOF
   
   chmod 600 .env

   ✅

   Запази ключа извън стека

   N8N_ENCRYPTION_KEY шифрова всичките ти достъпи в n8n. Без него, след възстановяване от копие, достъпите не могат да се разшифроват. Препиши го в мениджър на пароли. Версиите са текущите към 01.10.2026 — виж „Обновяване“ по-долу.

4. Файлът compose.yaml

   Един файл описва целия стек. Четири правила си заслужава да запомниш: версиите са закачени (не latest), данните са в именувани томове, единственият публикуван порт е на n8n и то само към 127.0.0.1, а n8n чака Postgres да е „здрав“, преди да стартира.

   yaml · ~/n8n-gx10/compose.yamlкопирай

   name: n8n-gx10
   
   services:
     postgres:
       image: postgres:18
       restart: unless-stopped
       environment:
         POSTGRES_USER: ${POSTGRES_USER}
         POSTGRES_PASSWORD: ${POSTGRES_PASSWORD}
         POSTGRES_DB: ${POSTGRES_DB}
         PGDATA: /var/lib/postgresql/data
       volumes:
         - db_data:/var/lib/postgresql/data
       healthcheck:
         test: ["CMD-SHELL", "pg_isready -h localhost -U ${POSTGRES_USER} -d ${POSTGRES_DB}"]
         interval: 5s
         timeout: 5s
         retries: 10
   
     ollama:
       image: ollama/ollama:${OLLAMA_VERSION}
       restart: unless-stopped
       volumes:
         - ollama_models:/root/.ollama
       deploy:
         resources:
           reservations:
             devices:
               - driver: nvidia
                 count: all
                 capabilities: [gpu]
   
     n8n:
       image: docker.n8n.io/n8nio/n8n:${N8N_VERSION}
       restart: unless-stopped
       depends_on:
         postgres:
           condition: service_healthy
       environment:
         TZ: ${TZ}
         GENERIC_TIMEZONE: ${TZ}
         DB_TYPE: postgresdb
         DB_POSTGRESDB_HOST: postgres
         DB_POSTGRESDB_PORT: "5432"
         DB_POSTGRESDB_DATABASE: ${POSTGRES_DB}
         DB_POSTGRESDB_USER: ${POSTGRES_USER}
         DB_POSTGRESDB_PASSWORD: ${POSTGRES_PASSWORD}
         N8N_ENCRYPTION_KEY: ${N8N_ENCRYPTION_KEY}
         N8N_ENFORCE_SETTINGS_FILE_PERMISSIONS: "true"
       ports:
         - "127.0.0.1:5678:5678"
       volumes:
         - n8n_data:/home/node/.n8n
   
   volumes:
     db_data:
     ollama_models:
     n8n_data:

   💡

   Защо точно така

   PGDATA — Postgres 18 смени мястото на данните по подразбиране; без този ред базата започва празна (предупреждение от документацията на n8n). Ollama без ports — моделът е достъпен само за другите контейнери в проекта, а не за мрежата; така не отваряме Ollama на 0.0.0.0. deploy.devices — така Compose иска достъп до видеокартата (формата е от документацията на Docker). 127.0.0.1 — портът на n8n не е видим за другите в мрежата ти.

   Провери, че файлът е четим (Compose замества променливите и показва резултата — тайните също, затова не го пращай никому):

   bashкопирай

   docker compose config --quiet && echo "compose: OK"

5. Стартирай и провери

   bashкопирай

   docker compose up -d
   docker compose ps
   curl -sf http://localhost:5678/healthz && echo " n8n е жив"

   Първия път се теглят образите. След това docker compose ps трябва да покаже postgres като healthy, а n8n и ollama като running. Ако нещо не стои, виж логовете: docker compose logs -f n8n (изход с Ctrl+C).

6. Отвори редактора от своя компютър

   n8n слуша само на самата машина. От твоя компютър стигаш до него през SSH тунел — защитен коридор, който не отваря нищо към мрежата. Адресът на машината е този, с който вече се свързваш по SSH.

   bash · на твоя компютъркопирай

   ssh -L 5678:localhost:5678 <потребител>@<адрес-на-машината>

   Остави връзката отворена и отвори http://localhost:5678 в браузъра си. При първо отваряне n8n те кара да създадеш собственически акаунт (имейл, име, парола) — няма друга „основна автентикация“. Ако работиш директно на машината, просто отвори същия адрес.

   🌐

   Нужен ти е публичен адрес?

   Това е друг, по-рисков урок: нужен е домейн, обратен прокси (например Caddy, който сам урежда HTTPS), променливите N8N_HOST, N8N_PROTOCOL, WEBHOOK_URL и N8N_PROXY_HOPS — виж документацията на n8n. Не го правим тук и не сме го пробвали на GB10. Докато не ти трябва външен webhook, тунелът е достатъчен.

7. Ollama: изтегли модел

   Моделите се теглят вътре в контейнера на Ollama и стоят в тома ollama_models — оцеляват при рестарт.

   bashкопирай

   docker compose exec ollama ollama pull llama3.1
   docker compose exec ollama ollama list
   docker compose exec ollama ollama run llama3.1 "Кажи „Стекът работи!“ на 3 езика"

   По ollama.com: llama3.1 (8B) е около 4,9 GB, mistral (7B) — 4,4 GB, gemma2:27b — 16 GB, llama3.1:70b — 43 GB. Паметта е обща: моделът, системата и контейнерите делят едни и същи 128 GB, затова не пускай няколко големи модела наведнъж. ⚠️ Скоростта на отговорите на твоята машина не сме мерили.

   ⚠️

   Вече имаш Ollama, инсталиран направо в системата?

   Той по подразбиране слуша само на loopback и контейнерът на n8n не може да го достигне. Най-простото е да ползваш Ollama от този compose (както по-горе). Ако държиш системния, задай адреса му през sudo systemctl edit ollama (променливата OLLAMA_HOST) — но не на 0.0.0.0, защото така моделът става достъпен за цялата мрежа. ⚠️ Този вариант не е тестван от нас; виж настройките в документацията на Ollama.

8. Първи работен процес: локален модел оценява запитване

   В n8n: Credentials → Create credential → Ollama → Base URL http://ollama:11434 (името на услугата от compose; вътре в контейнера localhost е самият контейнер) → Save.

   След това Workflows → Create workflow и добави:

   1. възел Webhook — метод POST, път lead-demo;
   2. възел Basic LLM Chain с промпт „Define below“, например: Оцени от 1 до 10 колко е готово за покупка това запитване и обясни в едно изречение: {{ $json.body.message }};
   3. към веригата закачи под-възела Ollama Chat Model с твоя credential и модел llama3.1.

   Натисни Listen for test event във Webhook възела и от терминала на машината прати измислено запитване на тестовия адрес:

   bashкопирай

   curl -X POST http://localhost:5678/webhook-test/lead-demo \
     -H "Content-Type: application/json" \
     -d '{"message":"Здравейте, търсим автоматизация за обработка на заявки, бюджет до 2000 EUR, стартираме този месец."}'

   Отговорът на модела се появява в изхода на веригата (полето text). Докато редактираш, работи тестовият адрес /webhook-test/…; за постоянно действие работният процес трябва да е публикуван (бутонът Publish) и да се вика на /webhook/….

   ✅

   Човек одобрява всяко действие с реален ефект

   Оценката е препоръка. Изпращането на имейл, публикуването в социална мрежа или записът в CRM трябва да минат през одобрение от човек — докато не си сигурен как моделът греши.

9. Какво още можеш да автоматизираш

   Същият модел „вход → локален модел → одобрение → действие“ върши работа на много места. Идеи, които можеш да изградиш по образеца от стъпка 8 (конкретните възли за външните услуги избери по документацията на n8n):

   Идея	Вход	Какво прави локалният модел
   Оценка на запитвания	Webhook от формата на сайта	Оценка и обобщение за екипа
   Серия имейли	График (Schedule) + таблица в Postgres	Персонализира текста; изпращането минава през одобрение
   Чернови за социални мрежи	График + списък с теми	Пише варианти; публикува човек
   Седмичен отчет	Данни от твои източници	Резюме на български с числата

   Данните на тези процеси (запитвания, имейли) не напускат машината, докато моделът е локален — това е причината да ги вдигнеш тук, а не при облачен доставчик.

10. Сигурност — минимумът

    • .env е с права 600, не е в Git и не се праща никому.
    • Ключът N8N_ENCRYPTION_KEY е препис на сигурно място.
    • Публикуван е само 127.0.0.1:5678; Postgres и Ollama нямат публикувани портове.
    • Не слагай 0.0.0.0 пред Ollama и не отваряй n8n към интернет без HTTPS и защита.
    • Паролата на собственическия акаунт е дълга и уникална, а двуфакторното удостоверяване е включено (Settings → Personal → Enable 2FA — по документацията на n8n; пази кодовете за възстановяване).

11. Копия, обновяване и следене

    bash · от ~/n8n-gx10копирай

    mkdir -p backups
    docker compose exec -T postgres sh -c 'pg_dump -U "$POSTGRES_USER" "$POSTGRES_DB"' > backups/n8n-db-$(date +%Y%m%d).sql

    Пълното копие има две части: базата и ключът за криптиране (той е във .env — копирай и този файл на сигурно място). Пази копията и на друго място извън машината — копие на същия диск не пази от повреда на диска.

    Всеки ден, без да помниш. Сложи горната команда във файл backup.sh в папката на стека (с cd към нея в началото) и го пусни по график с crontab -e, например всеки ден в 03:00: 0 3 * * * <пълен-път>/backup.sh. Старите копия чисти отделно (например find backups -name '*.sql' -mtime +30 -delete) — но едва след като си проверил, че копията извън машината стигат.

    История на изпълненията. n8n сам чисти старите изпълнения: по подразбиране пази до 14 дни (EXECUTIONS_DATA_MAX_AGE=336 часа) и до 10 000 записа (EXECUTIONS_DATA_PRUNE_MAX_COUNT). Ако ти трябват по-кратко или по-дълго, добави тези променливи в environment на n8n.

    Обновяване. Сменяш числото в .env (N8N_VERSION, OLLAMA_VERSION) по текущите издания в Docker Hub на n8n и на Ollama, и пускаш (първо направи копие):

    bashкопирай

    docker compose pull
    docker compose up -d --remove-orphans
    docker compose logs -f n8n --tail=50

    Не сменяй основната версия на Postgres просто с нов таг — това изисква отделна процедура (виж документацията на Postgres).

    Следене.

    bashкопирай

    docker compose ps
    docker stats --no-stream
    nvidia-smi

    docker stats показва процесор и памет на контейнерите, nvidia-smi — натоварването на видеокартата (без брояч за памет — виж стъпка 2).

04Проверка

• uname -m дава aarch64 и тестът с nvidia-smi в контейнер показва видеокартата.
• docker compose ps: Postgres е healthy, Ollama и n8n работят.
• Редакторът се отваря през тунела и имаш собственически акаунт.
• Ключът за криптиране е препис извън стека.
• Работният процес връща оценка от локалния модел за измислено запитване.
• Само 127.0.0.1:5678 е публикуван.
• Има поне едно копие на базата.

Тест

05Какво следва

06Източници

1. ASUS Ascent GX10: технически данни — процесор, памет, мрежа, система.
2. NVIDIA DGX Spark: хардуер · контейнерна среда за Docker · известни особености — 1 PFLOP при FP4 с разреждане, предварително инсталиран Docker, „Memory-Usage: Not Supported“.
3. n8n: инсталиране с Docker Compose — Postgres 18 и PGDATA.
4. n8n: Ollama credential — Base URL, Ollama в друг контейнер.
5. n8n: променливи за средата — N8N_ENCRYPTION_KEY, WEBHOOK_URL, N8N_PROXY_HOPS.
6. n8n: двуфакторно удостоверяване · n8n: данни за изпълненията — 2FA, автоматично чистене (336 часа, 10 000 записа).
7. Docker Compose: достъп до GPU · Ollama в Docker 🔒 локално.
8. n8n в Docker Hub · Ollama в Docker Hub — тагове и архитектури (arm64).
9. llama3.1 · mistral · gemma2 🔒 локално — размери на моделите.