¿Qué es el n8n Self-Hosted AI Starter Kit?
El Self-hosted AI Starter Kit es una plantilla de Docker Compose, no un software nuevo — su propia descripción en GitHub lo define como «an open, docker compose template» que ayuda a «inicializar rápidamente un entorno completo de desarrollo local de IA y low-code». Combina cuatro proyectos de código abierto mantenidos por separado (n8n, Ollama, Qdrant y PostgreSQL) en una configuración ya conectada, de modo que obtienes una stack de IA local funcional sin instalar y conectar cada pieza manualmente.
- Función principal: un
docker-compose.ymly archivos de configuración de apoyo que inician n8n, Ollama, Qdrant y PostgreSQL juntos, pre-conectados en red para que puedan comunicarse entre sí - n8n: una plataforma de automatización de workflows low-code con más de 400 integraciones y nodos de IA/LangChain dedicados para construir agentes y automatizaciones
- Ollama: ejecuta modelos de lenguaje abiertos en local, expuesto a los workflows de n8n como proveedor de modelo
- Qdrant: una base de datos vectorial de código abierto usada para almacenar y recuperar embeddings en workflows tipo RAG
- PostgreSQL: la base de datos relacional que respalda el propio almacenamiento de workflows y credenciales de n8n
- Mantenedor: n8n, la empresa detrás de la plataforma de automatización de workflows n8n
- Repositorio canónico: github.com/n8n-io/self-hosted-ai-starter-kit — la fuente de los pasos de instalación y el historial de versiones usados en este análisis
Historial del proyecto y cambios recientes del starter kit
El kit no tiene versiones publicadas; su historial de commits es el único registro de cambios. El repositorio de GitHub no publica versiones ni etiquetas, así que los commits fechados de la rama principal que aparecen abajo son lo único verificable.
- 1Paquete base de cuatro servicios
Why it matters: El archivo compose conecta n8n, Ollama, Qdrant y PostgreSQL, importa en el primer arranque un workflow de demostración y dos credenciales ya creadas («Local Ollama service» y «Local QdrantApi database») y descarga automáticamente el modelo `llama3.2`. - 2Perfiles de Compose para GPU
Why it matters: Los perfiles independientes `gpu-nvidia` y `gpu-amd` acompañan al perfil `cpu` predeterminado, de modo que Ollama puede usar una GPU compatible en lugar de ejecutar cada modelo en la CPU. - 31 de septiembre de 2025 — Workflow de demostración actualizado
Why it matters: El mensaje del commit dice «Use latest version of Basic LLM Chain, to avoid fallback model issues». - 46 de enero de 2026 — Último cambio en el archivo compose
Why it matters: El commit «Skip demo import if workflows already exist» modificó `docker-compose.yml` para que un reinicio no vuelva a importar la demostración en una instancia de n8n que ya tiene workflows. - 523 de julio de 2026 — Último commit de la rama principal
Why it matters: El commit «Fixed broken link in the readme. No significant changes» solo tocó `README.md`.
¿Qué se puede hacer con el Starter Kit?
El valor del starter kit está en lo que los servicios incluidos hacen juntos, no en funcionalidad nueva propia. Esto es lo que hace realmente cada parte, según el README oficial de GitHub.
- Automatización de workflows en local — crea y ejecuta automatizaciones en el editor visual de n8n, usando cualquiera de sus más de 400 integraciones junto con nodos de IA/LangChain dedicados para construir agentes
- Servidor API local — cada instancia de n8n incluida expone la propia API REST de n8n, permitiendo activar o gestionar workflows de forma programática desde otros servicios locales, no solo desde la interfaz de n8n
- Inferencia local de LLM — Ollama ejecuta modelos de pesos abiertos (Llama, Qwen, Gemma y otros) en local y está disponible para los workflows de n8n como proveedor de modelos sin clave de API externa; el archivo compose descarga automáticamente
llama3.2en el primer arranque - Almacenamiento vectorial local para RAG — Qdrant guarda y recupera embeddings, y el kit crea en n8n la credencial «Local QdrantApi database»; el workflow de demostración incluido no la usa, así que un pipeline RAG se construye añadiendo Qdrant como almacén vectorial en tu propio workflow
- Almacenamiento persistente de workflows y credenciales — PostgreSQL respalda la propia base de datos de n8n, de modo que workflows, credenciales e historial de ejecución persisten tras reiniciar los contenedores
- Perfiles de aceleración por GPU — perfiles Compose independientes (
cpu,gpu-nvidia,gpu-amd) permiten a Ollama usar el hardware de GPU disponible para una inferencia local más rápida donde sea compatible - Acceso compartido a archivos — una carpeta montada
/data/sharedpermite a n8n leer y escribir archivos locales mediante nodos como Read/Write Files from Disk, Local File Trigger y Execute Command, útil para workflows de ingesta de documentos - Workflow de demostración precargado — el kit importa en el primer arranque un workflow («Demo workflow»: Chat Trigger, Basic LLM Chain y un Ollama Chat Model configurado con
llama3.2:latest); ábrelo y usa el botón Chat para conversar con el modelo local
Ejemplos de uso: tres formas de usar el Starter Kit
El primer ejemplo es el workflow de demostración del propio kit. Los otros dos son patrones que construyes tú con las piezas incluidas, usando nodos que menciona el README — el kit no los incluye como workflows ya hechos.
Ejecutar el workflow de chat de demostración precargado
Tras docker compose --profile cpu up, abre n8n en http://localhost:5678 y completa la configuración inicial de n8n. Abre el workflow incluido, haz clic en Chat en la parte inferior del lienzo y envía un mensaje. En la primera ejecución, espera a que Ollama termine de descargar llama3.2; los registros de Docker muestran el progreso. No interviene ninguna clave de API en la nube.
Construir un pipeline de ingesta de documentos usando la carpeta compartida
Deja archivos en la carpeta montada /data/shared y construye un workflow de n8n que vigile esa carpeta (por ejemplo con el nodo Local File Trigger), genere embeddings de los documentos nuevos con un modelo de embeddings local de Ollama y los indexe en Qdrant para consultarlos después. Tú ensamblas este pipeline; el kit aporta los servicios y las credenciales, no el workflow.
Ampliar el workflow base con las más de 400 integraciones de n8n
Parte del workflow de chat de demostración precargado y añade nodos para servicios que ya usas (correo, Slack, un CRM o un webhook propio) para que una respuesta generada por un modelo local dispare una acción en otro sitio — usando el catálogo de integraciones más amplio de n8n sobre la base de IA local del kit.
Instalar el Self-Hosted AI Starter Kit
El starter kit se instala mediante git clone y Docker Compose — no existe una app descargable por separado. Los pasos siguientes provienen del README oficial de GitHub — verifica siempre directamente en esa página, ya que los comandos exactos pueden cambiar entre actualizaciones.
Paso | Comando / Enlace |
|---|---|
| 1. Clonar el repositorio | git clone https://github.com/n8n-io/self-hosted-ai-starter-kit.git |
| 2. Entrar en el directorio | cd self-hosted-ai-starter-kit |
| 3. Copiar el archivo de entorno | cp .env.example .env (después cambia las contraseñas y secretos de ejemplo) |
| 4a. Iniciar (solo CPU) | docker compose --profile cpu up |
| 4b. Iniciar (GPU Nvidia) | docker compose --profile gpu-nvidia up |
| 4c. Iniciar (GPU AMD, Linux) | docker compose --profile gpu-amd up |
| 4d. Iniciar (Mac / Apple Silicon) | docker compose up (Ollama se ejecuta en el Mac, ver nota) |
| Código fuente | github.com/n8n-io/self-hosted-ai-starter-kit |
n8n está disponible en http://localhost:5678 cuando la pila arranca. Los requisitos de hardware dependen de los modelos que ejecutes en Ollama — un modelo pequeño funciona en un equipo modesto solo con CPU, mientras que los modelos grandes se benefician de los perfiles de GPU Nvidia o AMD; consulta el tamaño de un modelo en la biblioteca de Ollama antes de descargarlo. En un Mac con Apple Silicon, Docker no puede usar la GPU: el README ofrece funcionar solo con CPU, o instalar Ollama en el propio Mac, con OLLAMA_HOST=host.docker.internal:11434 en .env, la credencial «Local Ollama service» de n8n apuntando a http://host.docker.internal:11434/ y docker compose up sin perfil. El archivo .env.example trae secretos de ejemplo (la contraseña de la base de datos es password) que el README indica cambiar. Se requieren Docker y Docker Compose; el kit no tiene una compilación específica por sistema operativo.
Precios y licencias
El starter kit en sí es gratuito y de código abierto, con licencia Apache-2.0. Como combina otros proyectos de código abierto, conviene conocer también la licencia y el modelo de costo propios de cada componente incluido.
Self-hosted AI Starter Kit (esta plantilla)
- Licencia:
- Apache-2.0, según el archivo LICENSE del repositorio
- Costo:
- Gratis
n8n (incluido)
- Licencia:
- Sustainable Use License (código disponible, no aprobada por la OSI) para uso self-hosted; ver el análisis de n8n para todos los detalles de licencia
- Costo:
- Gratis para uso self-hosted según los términos de licencia de n8n
Ollama (incluido)
- Licencia:
- MIT
- Costo:
- Gratis
Qdrant (incluido)
- Licencia:
- Apache-2.0
- Costo:
- Gratis
PostgreSQL (incluido)
- Licencia:
- PostgreSQL License (permisiva)
- Costo:
- Gratis
Ejecutar toda la stack no cuesta nada en licencias de software — solo tu propia infraestructura (cómputo, almacenamiento y opcionalmente una GPU) supone un costo real. Si amplías el workflow de n8n precargado para llamar a una API de LLM en la nube de pago o a una integración de terceros de pago, se aplica el precio propio de ese proveedor; el starter kit en sí no añade ningún recargo ni suscripción.
Self-Hosted AI Starter Kit vs. n8n solo
El starter kit no sustituye a n8n — es n8n más una stack de IA local ya conectada a su alrededor. La forma más clara de entender la diferencia es comparar lo que obtienes de fábrica frente a lo que tendrías que configurar tú mismo.
Qué instalas
- Self-Hosted AI Starter Kit:
- n8n + Ollama + Qdrant + PostgreSQL, pre-conectados en un solo docker-compose.yml
- n8n solo (autoalojado):
- Solo n8n — ver el análisis de n8n para sus propios pasos de instalación
Inferencia de LLM local
- Self-Hosted AI Starter Kit:
- Incluida por defecto a través de Ollama
- n8n solo (autoalojado):
- No incluida; conectas tu propio proveedor de modelo (local o en la nube) manualmente
Base de datos vectorial para RAG
- Self-Hosted AI Starter Kit:
- Incluida por defecto a través de Qdrant
- n8n solo (autoalojado):
- No incluida; tendrías que añadir y conectar una base de datos vectorial tú mismo
Workflow de ejemplo
- Self-Hosted AI Starter Kit:
- Un workflow de chat de demostración (Chat Trigger, Basic LLM Chain, Ollama) más credenciales de Ollama y Qdrant ya creadas
- n8n solo (autoalojado):
- Empieza con un lienzo en blanco; hay plantillas disponibles por separado en la biblioteca de plantillas de n8n
Ideal para
- Self-Hosted AI Starter Kit:
- Tener un entorno de workflow de IA totalmente local en minutos, sin conectar servicios manualmente
- n8n solo (autoalojado):
- Equipos que ya ejecutan su propia infraestructura de modelos o vectorial y solo necesitan la capa de automatización
Si ya tienes Ollama o una base de datos vectorial funcionando en otro punto de tu infraestructura, instalar n8n solo y conectarlo a tus servicios existentes puede ser más sencillo que adoptar las versiones incluidas del starter kit. Si partes de cero, el starter kit elimina el trabajo de integración.
¿Quién debería usar el Starter Kit?
Que el starter kit te encaje depende de si quieres un entorno de workflow de IA local ya listo o prefieres ensamblar tú mismo los mismos componentes.
Usa el Self-Hosted AI Starter Kit si
- Quieres probar workflows de IA local y agénticos (RAG, automatizaciones impulsadas por modelo) sin instalar y conectar manualmente por separado una herramienta de workflows, un ejecutor de modelos y una base de datos vectorial
- Ya te interesa n8n y quieres un punto de partida centrado en IA en lugar de un lienzo de workflow en blanco
- Quieres un workflow local de chat con Ollama que funcione, para aprender y modificar, en lugar de empezar desde cero
- Necesitas que cada pieza de la stack corra en tu propia infraestructura, sin necesitar una API key en la nube para empezar
- Tienes una GPU (Nvidia o AMD en Linux) y quieres un perfil Compose ya configurado que la aproveche para inferencia local
Espera, o busca otra opción, si
- Ya ejecutas n8n, Ollama o una base de datos vectorial de forma independiente y no quieres que las versiones incluidas del starter kit dupliquen o entren en conflicto con tu instalación existente
- Necesitas un framework RAG dedicado con funciones de procesamiento de documentos más profundas de lo que ofrece una herramienta de automatización de workflows — consulta el análisis de RAGFlow o el análisis de Haystack como alternativas dedicadas
- Quieres que los términos de licencia self-hosted de n8n (una Sustainable Use License de código disponible, no aprobada por la OSI) sean una licencia de código abierto permisiva estándar para cada componente incluido — lee directamente la licencia propia de n8n si esa distinción importa para tu organización
- Necesitas soporte empresarial o un despliegue de nivel producción — el canal de soporte es el foro de n8n, y la documentación de n8n define el kit como «solo para pruebas»
Starter Kit frente a otras herramientas de workflow de IA local
El Self-hosted AI Starter Kit se ubica en el espacio de la automatización de workflows y los frameworks RAG, junto a varias otras opciones autoalojables. Así se compara con herramientas cercanas — consulta el Local LLM Software Directory para el catálogo completo, y la comparativa dedicada Starter Kit vs. n8n solo más arriba para el enfrentamiento más directo.
- n8n — la plataforma de automatización de workflows sobre la que se construye este kit; consulta la sección de comparación dedicada arriba y el análisis completo de n8n para sus propios detalles de instalación y licencia.
- LangChain-Chatchat — una aplicación de RAG y base de conocimiento autoalojada con su propia interfaz integrada, en lugar de un lienzo de automatización de workflows de propósito general; consulta el análisis de LangChain-Chatchat si te encaja mejor una app dedicada de chat con documentos que un constructor de workflows.
- RAGFlow — un motor RAG de comprensión documental profunda, centrado en analizar documentos complejos (tablas, maquetación) con más detalle que una herramienta de workflow genérica; consulta el análisis de RAGFlow.
- Haystack — un framework RAG orientado a Python para desarrolladores que prefieren escribir directamente el código del pipeline en lugar de usar un constructor de workflows visual; consulta el análisis de Haystack.
Errores comunes al evaluar el Starter Kit
La mayor parte de la confusión sobre el Self-hosted AI Starter Kit viene de tratarlo como una aplicación independiente, malinterpretar qué combina realmente, o elegir el perfil Compose equivocado.
Error 1: tratarlo como una app independiente separada de n8n
El starter kit no es un producto propio — es una plantilla de Docker Compose que instala y conecta n8n junto con Ollama, Qdrant y PostgreSQL. Cualquier análisis del propio n8n (funciones, licencia, ritmo de lanzamientos) se aplica a la instancia de n8n que corre dentro de este kit; consulta el análisis de n8n para ese detalle.
Error 2: asumir que incluye un proveedor de LLM en la nube
El proveedor de modelo por defecto e incluido en el starter kit es Ollama, que ejecuta los modelos totalmente en local. No incluye ni requiere ninguna API key de LLM en la nube — si quieres añadir un proveedor en la nube, se configura por separado dentro de un workflow de n8n.
Error 3: ejecutar el perfil cpu por defecto en una máquina con una GPU capaz
El archivo Compose incluye tres perfiles — cpu, gpu-nvidia y gpu-amd — y no activa ninguno por defecto si no indicas uno en la línea de comandos. Ejecutar docker compose --profile cpu up en un equipo con GPU Nvidia o AMD desaprovecha la aceleración disponible; usa en su lugar el perfil de GPU correspondiente. En un Mac con Apple Silicon ningún perfil da acceso a la GPU a Docker; el README sugiere ejecutar Ollama en el propio Mac.
Error 4: esperar que el starter kit tenga su propio ritmo de lanzamientos independiente
Como es una plantilla de configuración y no una aplicación con su propio código, no publica versiones ni etiquetas. No esperes una pila fija: n8nio/n8n, ollama/ollama y qdrant/qdrant se descargan con latest, así que las versiones cambian según el día del pull; solo PostgreSQL está fijado (postgres:16-alpine).
Error 5: tratar la configuración de demostración como lista para producción
La documentación de n8n define el kit como «solo para pruebas», y el README dice que no está totalmente optimizado para entornos de producción. El .env.example incluido usa secretos de ejemplo, y el archivo compose publica los puertos 5678, 11434 y 6333 en el host; cambia los secretos y revisa los puertos expuestos antes de hacer la pila accesible fuera de tu propio equipo.
Preguntas frecuentes
¿Qué es el n8n Self-hosted AI Starter Kit?
Es una plantilla Docker Compose de código abierto, mantenida por n8n y publicada en github.com/n8n-io/self-hosted-ai-starter-kit, que reúne n8n, Ollama, Qdrant y PostgreSQL en un solo comando para crear workflows de IA locales sin depender de la nube. En las búsquedas suele aparecer como «n8n AI starter kit».
¿El Self-hosted AI Starter Kit es gratuito?
Sí. La plantilla en sí tiene licencia Apache-2.0 y no cuesta nada ejecutarla. Sus componentes incluidos (n8n, Ollama, Qdrant, PostgreSQL) son cada uno gratuitos para uso self-hosted bajo su propia licencia — consulta la tabla de precios arriba.
¿Qué combina realmente el Self-hosted AI Starter Kit?
Cuatro proyectos de código abierto mantenidos por separado: n8n (automatización de workflows, más de 400 integraciones), Ollama (inferencia de LLM local), Qdrant (base de datos vectorial) y PostgreSQL (base de datos relacional que respalda los propios datos de n8n). Es una configuración docker-compose, no software nuevo.
¿El Self-hosted AI Starter Kit requiere una cuenta en la nube o una API key?
No. Todos los servicios incluidos se ejecutan en local por defecto, y el workflow de demostración solo usa el modelo de Ollama incluido (llama3.2). Más adelante puedes añadir claves de API de proveedores en la nube dentro de un workflow de n8n si lo deseas.
¿Cómo instalo el Self-hosted AI Starter Kit?
Clona el repositorio (git clone https://github.com/n8n-io/self-hosted-ai-starter-kit.git), copia el archivo de entorno (cp .env.example .env) y luego ejecuta docker compose --profile cpu up (o gpu-nvidia/gpu-amd para aceleración por GPU). Consulta la tabla de instalación arriba para la secuencia completa.
¿Soporta aceleración por GPU?
Sí, mediante perfiles de Docker Compose independientes: gpu-nvidia para GPU Nvidia y gpu-amd para GPU AMD en Linux, además del perfil cpu por defecto para inferencia solo con CPU.
¿Es lo mismo que n8n?
No. n8n es uno de los cuatro componentes incluidos. El starter kit es un entorno preconfigurado que instala n8n junto con Ollama, Qdrant y PostgreSQL — consulta la comparativa Self-Hosted AI Starter Kit vs. n8n solo arriba para las diferencias exactas.
¿Qué licencia usa n8n en sí dentro de este kit?
n8n tiene código disponible bajo su propia Sustainable Use License, no aprobada por la OSI, para uso self-hosted — distinta de la licencia Apache-2.0 que cubre esta plantilla de starter kit en sí. Consulta el análisis de n8n para el detalle completo de licencias.
¿Está el Self-hosted AI Starter Kit listo para producción?
No, según n8n: su documentación define el kit como «solo para pruebas», y el README dice que no está totalmente optimizado para producción. Úsalo como base de prueba de concepto: cambia los secretos de ejemplo en .env, revisa los puertos expuestos y fija las versiones de tus imágenes antes de cualquier uso en producción.
¿Quién mantiene el Self-hosted AI Starter Kit?
Está creado y mantenido por n8n, la empresa detrás de la plataforma de automatización de workflows n8n, como recurso complementario que muestra workflows de IA local construidos con los nodos de IA y LangChain de n8n.
¿Sigue manteniéndose el Self-hosted AI Starter Kit?
El último commit de la rama principal es del 23 de julio de 2026 y solo corrigió un enlace del README; el archivo compose se modificó por última vez el 6 de enero de 2026. El repositorio no publica versiones ni etiquetas, y la documentación de n8n no menciona ninguna retirada. Revisa el repositorio antes de depender de él.
¿Funciona el Self-hosted AI Starter Kit en un Mac con Apple Silicon?
Sí, pero Docker no puede exponer la GPU del Mac. El README ofrece dos opciones: ejecutar todo el kit en CPU (docker compose --profile cpu up), o instalar Ollama en el Mac, definir OLLAMA_HOST=host.docker.internal:11434 en .env, apuntar la credencial «Local Ollama service» de n8n a http://host.docker.internal:11434/ y ejecutar docker compose up.