AI待办事项管理怎么落地：从零搭建自动整理与提醒流程

AI 待办事项管理指的是让模型帮你从聊天记录、邮件或语音里提取任务，自动分类、排优先级并定时提醒。
本文用开源工作流工具 n8n 加本地大模型，在 Linux 服务器上搭一套可运行的流程，零基础也能照做。

先确认环境和要准备的东西

整套流程只需要一台能跑 Docker 的 Linux 服务器，内存建议 4GB 以上，因为本地模型会占内存。
需要准备：

• 一台 Linux 服务器（Ubuntu 22.04 或 Debian 12 均可），已装好 Docker 和 Docker Compose
• 一个能接收提醒的渠道，例如邮件 SMTP 账号或 Telegram Bot Token
• 本地大模型服务，可以用 Ollama 跑一个轻量模型，例如 qwen2.5:3b

如果还没装 Docker，先执行：

curl -fsSL https://get.docker.com | sh
systemctl enable --now docker
docker --version

看到 Docker 版本号输出即表示安装成功。

部署 n8n 和本地模型服务

先创建工作目录并写 Compose 文件：

mkdir -p /opt/ai-todo && cd /opt/ai-todo
cat > docker-compose.yml <<'EOF'
services:
  n8n:
    image: n8nio/n8n:latest
    restart: unless-stopped
    ports:
      - "5678:5678"
    environment:
      - N8N_BASIC_AUTH_ACTIVE=true
      - N8N_BASIC_AUTH_USER=admin
      - N8N_BASIC_AUTH_PASSWORD=改成你的强密码
    volumes:
      - ./n8n_data:/home/node/.n8n
  ollama:
    image: ollama/ollama:latest
    restart: unless-stopped
    ports:
      - "11434:11434"
    volumes:
      - ./ollama_data:/root/.ollama
EOF
docker compose up -d

启动后拉取模型：

docker compose exec ollama ollama pull qwen2.5:3b
docker compose exec ollama ollama list

ollama list 能看到 qwen2.5:3b 即模型就绪。
浏览器访问 http://服务器IP:5678，用上面设置的用户名密码登录 n8n。

创建工作流：从文本到待办清单

在 n8n 里新建工作流，依次添加节点：

1. Webhook 节点：接收待办文本，HTTP 方法选 POST，路径填 /todo，保存后记下测试地址。
2. HTTP Request 节点：调用本地模型。URL 填 http://ollama:11434/api/generate，方法 POST，Body 用 JSON：

{
  "model": "qwen2.5:3b",
  "prompt": "把下面内容整理成待办清单，每条包含任务、截止时间、优先级（高/中/低），用 JSON 数组输出：{{ $json.body.text }}",
  "stream": false
}

1. Code 节点：解析模型返回的 response 字段，转成数组，方便后续拆分。
2. 邮件或 Telegram 节点：把整理后的清单发给自己。

保存并激活工作流。
用 curl 测试：

curl -X POST http://服务器IP:5678/webhook/todo \
  -H "Content-Type: application/json" \
  -d '{"text":"明天下午三点前提交周报，周五前回复客户邮件，优先级高"}'

如果收到整理后的待办消息，说明主流程已通。

容易踩的坑和对应处理

• n8n 容器里访问不到 ollama：在 Compose 网络内要用服务名 ollama，不要写 localhost。
• 模型返回不是纯 JSON：在提示词里明确“只输出 JSON 数组，不要解释”，并在 Code 节点里做容错解析。
• Webhook 测试地址和生产地址不同：激活工作流后要用生产 URL，否则收不到请求。
• 内存不足导致容器重启：用 docker stats 观察内存，模型换成更小的版本或给服务器加内存。

验证效果和日常维护

每次测试后检查三点：Webhook 返回 200、模型输出能解析成数组、提醒渠道收到消息。
日常用 docker compose logs -f n8n 看运行日志，定期执行 docker compose pull 更新镜像。

提醒：本文命令基于常见 Linux 环境编写，实际路径和端口请按你的服务器调整；
涉及密码和 Token 不要提交到公开仓库。

常见疑问

本地模型太慢怎么办？
先确认服务器 CPU 和内存是否够用，3B 级别模型在 4GB 内存的机器上通常能跑，但响应会慢；对速度要求高可换用云端 API，代价是数据要出服务器。

能不能直接对接微信或钉钉？
n8n 有对应节点，但需要先在对应平台创建应用并拿到凭证，配置比邮件复杂，建议先把邮件提醒跑通再扩展。

待办数据存在哪里？
n8n 工作流数据在 ./n8n_data 目录，模型数据在 ./ollama_data，备份这两个目录即可迁移。