Nodo Embeddings Ollama n8nConfigura Embeddings Ollama en n8n.
Un embedding convierte texto en números para que una IA compare significado y no palabras sueltas. El nodo Embeddings Ollama n8n genera esos vectores con un modelo servido por Ollama, expone un parámetro y se engancha al puerto de embeddings de un nodo raíz. Pensado para quien monta su búsqueda documental en local.
Reseñas verificadas en Trustpilot · Agencia de IA, automatización y growth
¿Para qué sirve el nodo Embeddings Ollama n8n?
El nodo Embeddings Ollama transforma texto en embeddings, listas de números que colocan cerca dos contenidos cuando significan lo mismo aunque estén redactados distinto. El cálculo lo hace un modelo servido por Ollama. Es un subnodo: no tiene entrada principal, nunca se ejecuta solo y se engancha al puerto de embeddings de un nodo raíz, que es quien decide cuándo llamarlo.
Primer escenario: el manual interno que no debe salir de casa. Un cargador de documentos parte el manual en fragmentos, este nodo vectoriza cada uno con el modelo elegido en Model y un vector store, una base pensada para guardar y buscar vectores, conserva el resultado. Las tres plantillas publicadas que usan este nodo siguen ese patrón, empezando por el chatbot local armado con Ollama y Qdrant.
Segundo escenario: responder preguntas sobre esa base. El mismo nodo vuelve a entrar en juego al preguntar, porque una pregunta solo se compara con tus fragmentos si ambos pasaron por el mismo modelo. Conéctalo al store que consulta un AI Agent y el agente recupera pasajes reales en lugar de improvisar.
Tercer escenario: un flujo repartido entre máquinas. La búsqueda se queda en casa con Ollama mientras la conversación corre en un modelo alojado, justo lo que hace la plantilla que combina este nodo con un modelo de chat de OpenAI. Los vectores no se mueven, solo salen los prompts.
¿Cuándo elegir otra cosa? En cuanto no haya un servidor Ollama al otro lado. Este nodo solo habla con Ollama, así que la alternativa es un proveedor que factura sus propias llamadas de API, y eso se pesa contra el trabajo de mantener el modelo tú mismo. La Reseña n8n entra en el detalle del autoalojamiento y el Curso n8n recorre la construcción del store.
Dos límites antes de montar nada. El nodo expone un solo parámetro, así que aquí no hay tamaño de lote, ni tiempo de espera, ni reintentos que tocar. Y el modelo te compromete: cambiarlo más tarde deja inservibles los vectores ya guardados, que tienen otro número de dimensiones. Tocaría reindexar la colección entera.
¿Qué hay que preparar antes de la primera ejecución?
- 01
Descarga el modelo en Ollama
El nodo no descarga nada por su cuenta. El modelo de embeddings tiene que estar ya en tu servidor Ollama, traído desde la biblioteca de modelos de Ollama que menciona la descripción del parámetro. Mientras no esté, Model no apunta a nada usable y la ejecución se rompe con el primer fragmento de texto que intentes vectorizar.
- 02
Crea la credencial de Ollama en n8n
Este nodo se autentica contra tu servidor Ollama, o sea que necesita una credencial, un juego de datos de acceso guardado dentro de n8n. Créala una sola vez desde el menú Credentials, siguiendo la página de credencial de Ollama en la documentación de n8n para saber qué valores poner. Guardada una vez, la reutilizan todos los flujos que pasen por Ollama.
- 03
Asigna la credencial y tira la conexión
Coloca el nodo en el lienzo, selecciona la credencial recién creada y elige el modelo en Model. Queda la conexión: arrastra la salida
ai_embeddinghasta la ranura de embeddings de un nodo raíz. Un subnodo sin padre se queda quieto, por muy correcta que sea su credencial.
¿Dónde se engancha este subnodo?
Los nodos de IA de n8n van por parejas: un nodo raíz recibe los items del flujo y los subnodos se enganchan a sus puertos, un tipo de subnodo por puerto. Este es un subnodo, así que solo tiene salida.
Salida (dónde se conecta)
- Embeddings
ai_embedding
01Embeddings
Este es el puerto que el nodo ofrece a un nodo raíz que necesita convertir texto en vectores. La conexión sale de aquí y sube hasta la ranura de embeddings del padre, que lo llama cada vez que tiene contenido que indexar o una consulta que comparar.
Parámetros clave
- Required: sin padre no hay ejecución posible. Un Embeddings Ollama suelto en el lienzo nunca lo llamará ninguna ejecución.
¿Qué parámetro hay que ajustar de verdad?
El nodo Embeddings Ollama tiene un parámetro. Para cada uno: el nodo tal como lo configuras en n8n, qué cambia el parámetro y nuestras notas de campo.
Model
modelLo que ves en n8n
Notas y casos de uso
Un único ajuste en este nodo: qué modelo de Ollama genera el embedding. Esa elección fija la forma de todos los vectores que vas a producir, conviene cerrarla antes de indexar nada.
Parámetros clave
- Model: obligatorio, se elige de una lista.
all-minilmdevuelve vectores de 384 dimensiones, la opción más ligera.nomic-embed-textllega a 768 dimensiones.
all-minilm se mantiene compacto y rápido de consultar; una base donde el matiz de la redacción importa respira mejor con nomic-embed-text. Los modelos se descargan antes desde la biblioteca de Ollama, si no el nodo no tiene a qué llamar.¿Necesitas ayuda para automatizar Embeddings Ollama con n8n?
El equipo te responde directamente.
Cada mensaje lo lee una persona.
Lo que se pregunta después
01¿El nodo Embeddings Ollama viene incluido en n8n?
02¿Qué credenciales necesita el nodo Embeddings Ollama n8n?
03¿Qué límites tiene este nodo?
04¿Qué hay que conectar como mínimo y por qué nodo empezar?
05¿n8n o Make para una cadena de embeddings local?
Recibe nuestros tips de integración cada semana.
Sin spam. Cancela cuando quieras.
