如何优化n8n与Ollama的协作性能？

2025-09-10

2.2 K

性能优化最佳实践

针对不同硬件环境推荐以下优化方案：

GPUアクセラレーション・プログラム::
1. Nvidia用户应安装最新Docker GPU驱动
2. 启动时使用--profile gpu-nvidiaパラメトリック
3. 在n8n的Ollama节点设置中指定num_gpuパラメトリック
CPU环境优化::
1. 限制Ollama容器CPU资源：docker compose --profile cpu --cpus 4 up
2. 选择适合CPU的轻量级模型（如Phi-3-mini）
3. 调整n8n工作流的批处理大小，减少频繁调用
通用建议::
• 为Qdrant配置持久化存储避免重复索引
• 使用docker stats监控资源占用
• 考虑将n8n和Ollama部署在不同容器中实现负载分离

チューニングのヒント：当处理大量文档时，可以先将文档向量化存入Qdrant，后续查询直接使用向量相似度搜索，大幅减少LLM调用次数。同时建议定期执行docker system prune清理无用缓存。