使用 Chinda LLM 4B 和 n8n - 完整工作流程自动化指南

🎯 简介

Chinda LLM 4B 是由 iApp Technology 团队开发的开源泰语语言模型，能够使用最新的 Qwen3-4B 架构以高准确性进行泰语思考和响应。

n8n 是一个强大的工作流程自动化工具，允许您在不进行编码的情况下连接不同的服务并自动化任务。通过将 Chinda LLM 4B 与 n8n 集成，您可以创建复杂的 AI 驱动型工作流程，自动处理泰语数据。

🚀 步骤 1：安装 n8n

方法 1：使用 npm（推荐用于开发）

安装 Node.js（如果尚未安装）

全局安装 n8n：

npm install n8n -g

启动 n8n：

n8n start

方法 2：使用 Docker（推荐用于生产）

拉取并运行 n8n Docker 容器：

docker run -it --rm \
  --name n8n \
  -p 5678:5678 \
  -v ~/.n8n:/home/node/.n8n \
  n8nio/n8n

方法 3：使用 npx（无需安装）

npx n8n

验证安装

启动 n8n 后，打开浏览器并访问：

http://localhost:5678

您应该会看到 n8n 界面和欢迎屏幕。

🔍 步骤 2：设置 Chinda LLM 4B

选项 A：使用 Ollama 后端（推荐）

安装 Ollama：

curl -fsSL https://ollama.com/install.sh | sh

下载 Chinda LLM 4B：

ollama pull iapp/chinda-qwen3-4b

启动 Ollama API 服务器：

ollama serve

API 将在 http://localhost:11434 上可用

选项 B：使用直接 API 端点

在浏览器中打开 ChindaX 平台（https://chindax.iapp.co.th）
在 ChindaX 网站上注册 / 登录。
转到左侧的集成菜单。
点击API集成右上角的设置按钮。
从代码块中复制URL和Bearer Token。

⚙️ 步骤 3：创建您的第一个工作流程

基本工作流程设置

在浏览器中打开 n8n（http://localhost:5678）
**点击“新建工作流程”**以创建新的自动化
添加节点以创建您的 AI 工作流程

示例 1：简单的文本处理工作流程

步骤 1：添加手动触发器

点击“+”按钮添加节点
搜索“手动触发器”并选择它
点击“执行节点”进行测试

步骤 2：添加 HTTP 请求节点

添加另一个节点并搜索“HTTP 请求”

配置 HTTP 请求节点：

方法：POST
URL：http://localhost:11434/api/generate 或 https://chindax.iapp.co.th/api/chat/completions（来自 ChindaX）

Headers：如果您从 ChindaX 获取 API，请勿忘记添加“Authorization”键。

{
  "Content-Type": "application/json",
  "Authorization": "Bearer sk-********************",
}

Body：（用于 Ollama）

{
  "model": "iapp/chinda-qwen3-4b",
  "prompt": "สวัสดีครับ ช่วยอธิบายเกี่ยวกับปัญญาประดิษฐ์ให้ฟังหน่อย",
  "stream": false
}

Body：（用于 ChindaX）

{
   "model": "chinda-qwen3-4b",
   "messages": [
     {
       "role": "user",
       "content": "สวัสดีครับ! ช่วยเขียนจดหมายให้ผมหน่อย"
     }
   ]
}

步骤 3：添加 Set 节点（可选）

添加“Set”节点来格式化响应
配置以提取 AI 响应：
- 仅保留设置：启用
- 要设置的值：
  - 名称：ai_response
  - 值：{{ $json.response }}

示例 2：电子邮件处理工作流程

此工作流程可自动处理泰语电子邮件并生成回复。

工作流程结构：

电子邮件触发器 → 提取电子邮件内容 → Chinda LLM 处理 → 发送回复

步骤 1：添加电子邮件触发器

添加“电子邮件触发器 (IMAP)”节点
配置您的电子邮件设置：
- 主机：您的电子邮件提供商的 IMAP 服务器
- 端口：通常是 SSL 的 993
- 用户名：您的电子邮件地址
- 密码：您的电子邮件密码
- SSL/TLS：启用

步骤 2：使用 Chinda LLM 进行处理

添加“HTTP 请求”节点

配置 Chinda LLM：

{
  "model": "iapp/chinda-qwen3-4b",
  "prompt": "ช่วยตอบอีเมลนี้อย่างสุภาพและเป็นมิตร: {{ $json.text }}",
  "stream": false
}

步骤 3：发送回复电子邮件

添加“发送电子邮件”节点
配置回复设置：
- 收件人：{{ $json.from.value[0].address }}
- 主题：Re: {{ $json.subject }}
- 文本：{{ $json.response }}

🌐 步骤 4：高级工作流程

工作流程 1：文档翻译服务

组件：

Webhook 触发器：通过 HTTP 接收文档
提取文本：处理不同的文件格式
Chinda LLM：翻译泰语↔英语
返回响应：发送翻译内容

设置：

添加 Webhook 节点：
- 设置 webhook 路径：/translate
- 方法：POST
添加 Switch 节点（用于文件类型检测）：
- 条件 1：PDF 文件
- 条件 2：文本文件
- 条件 3：Word 文档

添加 HTTP 请求以连接 Chinda LLM：

{
  "model": "iapp/chinda-qwen3-4b",
  "prompt": "กรุณาแปลข้อความนี้จากภาษาไทยเป็นภาษาอังกฤษ: {{ $json.text }}",
  "stream": false
}

工作流程 2：客户支持聊天机器人

组件：

聊天触发器：连接到消息平台
上下文管理：维护对话历史记录
Chinda LLM：生成响应
响应格式化：为不同平台格式化

设置：

添加 Telegram 触发器（或您首选的平台）

添加 Function 节点以进行上下文管理：

// 存储对话上下文
const userId = $input.first().json.message.from.id;
const message = $input.first().json.message.text;

// 检索之前的上下文（实现您的存储逻辑）
const context = await getContext(userId);

return {
  userId,
  message,
  context: context || [],
  fullPrompt: `บริบทการสนทนา: ${context.join('\n')}\nคำถามใหม่: ${message}\nตอบ:`
};

添加 Chinda LLM 处理
添加响应节点返回聊天平台

工作流程 3：内容生成管道

用于博客文章和文章：

计划触发器：每天/每周运行
RSS Feed 阅读器：获取主题创意
Chinda LLM：生成泰语内容
内容格式化：添加 HTML/Markdown
CMS 发布：自动发布到 WordPress/Ghost

💬 步骤 5：使用 Chinda LLM 节点（自定义集成）

创建自定义 Chinda LLM 节点

如果您经常使用 Chinda LLM，可以创建一个可重用的自定义节点：

步骤 1：创建节点模板

{
  "name": "Chinda LLM",
  "icon": "🤖", 
  "group": ["AI"],
  "description": "Process text with Chinda LLM 4B",
  "properties": [
    {
      "displayName": "Prompt",
      "name": "prompt",
      "type": "string",
      "required": true,
      "default": "",
      "description": "Text prompt in Thai"
    },
    {
      "displayName": "Temperature",
      "name": "temperature",
      "type": "number",
      "default": 0.7,
      "description": "Controls randomness (0-1)"
    }
  ]
}

使用 Code 节点进行高级处理

添加“Code”节点以进行复杂的泰语文本处理：

// 使用 Chinda LLM 处理泰语文本
const axios = require('axios');

const prompt = $input.first().json.text;

const response = await axios.post('http://localhost:11434/api/generate', {
  model: 'iapp/chinda-qwen3-4b',
  prompt: `ประมวลผลข้อความนี้: ${prompt}`,
  stream: false,
  options: {
    temperature: 0.7,
    top_p: 0.9
  }
});

return {
  original: prompt,
  processed: response.data.response,
  timestamp: new Date().toISOString()
};

🔧 故障排除

常见问题及解决方案

问题：Ollama 连接被拒绝

Error: connect ECONNREFUSED 127.0.0.1:11434

解决方案：确保 Ollama 正在运行：

ollama serve

问题：n8n 工作流程超时

解决方案：在 HTTP 请求节点中增加超时时间：

设置超时：30000（30 秒）
对于更长的响应，请进一步增加

问题：大型提示的内存问题

解决方案：

将大型文本分成小块
在工作流程中使用分页
先实现文本摘要

问题：泰语文本编码问题

解决方案：确保 UTF-8 编码正确：

// 在 Code 节点中
const text = Buffer.from(inputText, 'utf8').toString('utf8');

性能优化技巧

使用批量处理以进行多个请求
为频繁使用的提示实现缓存
根据提示的复杂性设置适当的超时时间
监控 Ollama 进程的资源使用情况

🎯 工作流程模板和用例

✅ 可立即使用的工作流程模板

1. 文档摘要服务

输入：长泰语文档
处理：分块 → 摘要每一块 → 组合
输出：简洁的泰语摘要

2. 社交媒体自动回复器

触发器：新的提及/评论
处理：分析情绪 → 生成适当的回复
操作：自动发布回复

3. 电子邮件新闻通讯生成器

计划：每周触发
处理：收集新闻 → 生成泰语内容 → 格式化
操作：发送给订阅者列表

4. 客户反馈分析器

输入：客户评论/反馈
处理：情绪分析 → 分类 → 回复
输出：洞察仪表板

5. 语言学习助手

输入：学生提供的英语文本
处理：翻译 → 解释语法 → 提供示例
输出：全面的学习材料

🔄 集成示例

与流行服务集成：

Google Sheets：

读取数据 → 使用 Chinda LLM 处理 → 写入结果

Slack/Discord：

监控频道 → 回答问题 → 提供摘要

WordPress：

生成内容 → 自动发布 → SEO 优化

Shopify：

产品描述 → 客户支持 → 订单处理

🚀 高级配置

环境变量设置

为 n8n 创建 .env 文件：

# n8n 配置
N8N_BASIC_AUTH_ACTIVE=true
N8N_BASIC_AUTH_USER=admin
N8N_BASIC_AUTH_PASSWORD=yourpassword

# Ollama 配置  
OLLAMA_HOST=http://localhost:11434
CHINDA_MODEL=iapp/chinda-qwen3-4b

# Webhook 配置
WEBHOOK_URL=http://localhost:5678/webhook

Docker Compose 设置

version: '3.8'
services:
  n8n:
    image: n8nio/n8n
    ports:
      - "5678:5678"
    environment:
      - N8N_BASIC_AUTH_ACTIVE=true
      - N8N_BASIC_AUTH_USER=admin
      - N8N_BASIC_AUTH_PASSWORD=yourpassword
    volumes:
      - ~/.n8n:/home/node/.n8n
    depends_on:
      - ollama

  ollama:
    image: ollama/ollama
    ports:
      - "11434:11434"
    volumes:
      - ollama:/root/.ollama
    command: serve

volumes:
  ollama:

使用以下命令运行：

docker-compose up -d

📊 监控和分析

工作流程性能跟踪

添加监控节点以跟踪：

Chinda LLM 的响应时间
工作流程的成功/失败率
每个工作流程的使用统计信息
成本跟踪（如果使用付费 API）

示例监控工作流程：

工作流程执行 → 记录性能 → 更新仪表板 → 发送警报

🔮 最佳实践

1. 泰语提示工程

使用清晰、有上下文的泰语提示
必要时提供示例
明确输出格式要求

2. 错误处理

始终添加错误处理节点
实现重试机制
记录错误以进行调试

3. 安全注意事项

使用环境变量存储敏感数据
实现适当的身份验证
在处理之前验证输入

4. 可扩展性

设计工作流程以处理各种负载
对大批量处理使用队列
监控资源消耗

📚 资源和链接

快速参考命令

# 启动 n8n
npm start n8n
# 或
npx n8n
# 或 
docker run -p 5678:5678 n8nio/n8n

# 启动 Ollama
ollama serve

# 下载 Chinda LLM
ollama pull iapp/chinda-qwen3-4b

有用链接

🌐 n8n 文档：https://docs.n8n.io/
🤖 Chinda LLM 演示：https://chindax.iapp.co.th
📦 Ollama：https://ollama.com/iapp/chinda-qwen3-4b
🏠 iApp 主页：https://iapp.co.th/openmodels/chinda-opensource-llm
📄 许可证：Apache 2.0（允许商业和个人使用）

社区和支持

n8n 社区：https://community.n8n.io/
iApp 支持：https://iapp.co.th/contact
GitHub 问题：https://github.com/n8n-io/n8n/issues

🎉 总结

将 Chinda LLM 4B 与 n8n 结合使用，可以创建强大的自动化工作流程，能够大规模处理泰语内容。无论您是构建客户支持系统、内容生成管道还是数据处理工作流程，这种组合都提供了：

可视化工作流程轻松创建 - 无需编码
强大的泰语处理能力 - 原生泰语 AI 功能
灵活的集成 - 连接数百种服务
可扩展的架构 - 处理从简单到复杂的各种工作流程
经济高效 - 在本地运行，无 API 费用

立即开始使用 n8n 和 Chinda LLM 4B 构建您的泰语 AI 自动化工作流程！

由 iApp Technology Team ❤️ 构建 - 赋能泰语 AI 自动化

🎯 简介​

🚀 步骤 1：安装 n8n​

方法 1：使用 npm（推荐用于开发）​

安装 Node.js（如果尚未安装）​

全局安装 n8n：​

启动 n8n：​

方法 2：使用 Docker（推荐用于生产）​

拉取并运行 n8n Docker 容器：​

方法 3：使用 npx（无需安装）​

验证安装​

🔍 步骤 2：设置 Chinda LLM 4B​

选项 A：使用 Ollama 后端（推荐）​

安装 Ollama：​

下载 Chinda LLM 4B：​

启动 Ollama API 服务器：​

选项 B：使用直接 API 端点​

⚙️ 步骤 3：创建您的第一个工作流程​

基本工作流程设置​

示例 1：简单的文本处理工作流程​

步骤 1：添加手动触发器​

步骤 2：添加 HTTP 请求节点​

步骤 3：添加 Set 节点（可选）​

示例 2：电子邮件处理工作流程​

工作流程结构：​

步骤 1：添加电子邮件触发器​

步骤 2：使用 Chinda LLM 进行处理​

步骤 3：发送回复电子邮件​

🌐 步骤 4：高级工作流程​

工作流程 1：文档翻译服务​

组件：​

设置：​

工作流程 2：客户支持聊天机器人​

组件：​

设置：​

工作流程 3：内容生成管道​

用于博客文章和文章：​

💬 步骤 5：使用 Chinda LLM 节点（自定义集成）​

创建自定义 Chinda LLM 节点​

步骤 1：创建节点模板​

使用 Code 节点进行高级处理​

🔧 故障排除​

常见问题及解决方案​

问题：Ollama 连接被拒绝​

问题：n8n 工作流程超时​

问题：大型提示的内存问题​

问题：泰语文本编码问题​

性能优化技巧​

🎯 工作流程模板和用例​

✅ 可立即使用的工作流程模板​

1. 文档摘要服务​

2. 社交媒体自动回复器​

3. 电子邮件新闻通讯生成器​

4. 客户反馈分析器​

5. 语言学习助手​

🔄 集成示例​

与流行服务集成：​

🚀 高级配置​

环境变量设置​

Docker Compose 设置​

📊 监控和分析​

工作流程性能跟踪​

示例监控工作流程：​

🔮 最佳实践​

1. 泰语提示工程​

2. 错误处理​

3. 安全注意事项​

4. 可扩展性​

📚 资源和链接​

快速参考命令​

有用链接​

社区和支持​

🎉 总结​