How n8n-io/self-hosted-ai-starter-kit works
Identifica el tipo de proyecto y su propósito
• Este es un “Self-hosted AI Starter Kit”: una plantilla Docker Compose que monta un entorno local para flujos de trabajo de IA low-code usando n8n, un LLM local (Ollama), un vector store (Qdrant) y PostgreSQL.
• No es una aplicación monolítica, sino un conjunto de microservicios orquestados por Docker Compose para pruebas de concepto y desarrollo local.
Analiza la estructura de archivos
• Top-level:
• .env, LICENSE, README.md
• docker-compose.yml → define los servicios, redes y volúmenes
• assets → imágenes y recursos (demo, gifs)
• n8n/demo-data → credenciales y workflows de ejemplo
• No hay código fuente propiamente dicho: la lógica corre dentro de los contenedores (n8n).
Extrae detalles del README
• Tecnologías clave:
• n8n (puerto 5678) para diseñar flujos de IA
• Ollama (puerto 11434) como motor LLM local
• Qdrant (puerto por defecto) para almacenamiento vectorial
• PostgreSQL (puerto 5432) como base relacional
• Volumen compartido: se monta /data/shared en n8n para acceso a ficheros locales.
Componentes principales y relaciones
a. Componentes:
1. Docker Compose (orquestador)
2. Servicio n8n
3. Servicio Ollama (LLM local)
4. Servicio Qdrant (vector DB)
5. Servicio PostgreSQL (base de datos)
6. Volumen Docker (shared-data) y carpeta local
7. Red Docker interna
b. Interacciones:
• n8n envía peticiones HTTP a Ollama para inferencia LLM
• n8n lee/escribe embeddings en Qdrant vía API HTTP
• n8n almacena estado y credenciales en PostgreSQL
• n8n accede al volumen compartido para lecturas/escrituras de ficheros locales
c. Patrones y principios:
• Microservicios ligeros desacoplados
• Configuración declarativa via Docker Compose
• Separación de capas: orquestación, lógica de flujos (n8n), IA, almacenamiento
d. Tecnologías y librerías:
• Docker Compose v3+
• n8n (Node.js + low-code GUI)
• Ollama (motor LLM local, multiplataforma)
• Qdrant (API RESTful para vectores)
• PostgreSQL (SQL, ACID)
Guía para el diagrama de sistema
• Utiliza cajas (rectángulos) para cada servicio:
• Caja azul: n8n (App)
• Caja naranja: Ollama
• Caja verde: Qdrant
• Caja gris: PostgreSQL
• Dibuja una nube o rectángulo envolvente “Docker Compose Network”
• Indica el volumen: un cilindro etiquetado “shared-volume ↔ /data/shared” conectado a n8n
• Mapea puertos sobre la caja de Docker Compose:
• 5678 → 5678 (n8n)
• 11434 → 11434 (Ollama)
• 5432 → 5432 (PostgreSQL)
• Flechas de dirección:
• n8n → Ollama (HTTP Inferencia)
• n8n → Qdrant (HTTP API)
• n8n → PostgreSQL (PG client)
• n8n ↔ Volumen (I/O ficheros)
Elementos gráficos recomendados
• Etiquetas claras en cada componente (nombre y puerto)
• Flechas sólidas con sentido de lectura
• Colores o iconos distintos para distinguir:
• Servicios de IA (Ollama, Qdrant)
• Servicio de orquestación (n8n)
• Base de datos relacional (PostgreSQL)
• Volumen de datos
• Leyenda o key para explicar colores y formas
Consejos finales
• Sé detallado: incluye configuración de perfiles GPU vs CPU si es relevante
• Muestra los ajustes de entorno (variables de OLLAMA_HOST, perfiles Docker Compose)
• Si planeas extender el kit, deja espacio para nuevos servicios (por ejemplo Redis, message broker)
• Mantén la claridad: el diagrama debe explicar en un vistazo cómo fluyen datos y peticiones entre los servicios
Con esta guía, el ingeniero principal podrá dibujar un diagrama preciso y específico que refleje con exactitud la arquitectura del “Self-hosted AI Starter Kit.”