Generar y publicar contenido con un modelo local (Ollama)

Cuando montas una automatización de contenido —descripciones de producto, publicaciones para redes, resúmenes, respuestas de plantilla— y la pruebas con diez ejemplos, la factura de la API es de céntimos y no le das importancia. Cuando esa misma automatización procesa mil elementos al mes, el coste ya se nota, y si escala a diez mil, se convierte en un problema.

Ollama te deja ejecutar modelos de lenguaje abiertos (Llama, Mistral, Qwen, Gemma…) en tu propia máquina. La generación no tiene coste por token: solo gasta electricidad y el tiempo de tu CPU o GPU. Para tareas de contenido que no necesitan lo último de lo último —y la mayoría no lo necesitan— es más que suficiente.

Este workflow conecta n8n con un Ollama local y hace el ciclo completo:

1. Entrada: lee los elementos a procesar de donde estén (una hoja, una base de datos, un feed RSS, una carpeta).
2. Generación: por cada elemento, construye el prompt con tu plantilla y lo manda al modelo local. El prompt de sistema va fijo y separado del contenido del usuario (que se trata como dato, nunca como instrucción).
3. Validación: comprueba que la respuesta tiene el formato esperado (longitud, campos, que no venga vacía). Lo que no valida se reintenta o se marca.
4. Publicación: envía el resultado a su destino —WordPress, una hoja, un borrador de red social, un webhook.

La contrapartida honesta: un modelo local de 7-8B de parámetros no escribe como GPT-4 ni como Claude. Para textos cortos y estructurados (fichas, meta descripciones, títulos, clasificaciones) la diferencia es pequeña. Para artículos largos con criterio, se nota. La estrategia sensata es usar el modelo local para el 90% del volumen rutinario y reservar una API de pago para lo poco que de verdad lo merece.

Requisitos de máquina: con 16 GB de RAM va un modelo de 7B en CPU (lento pero funcional); con una GPU decente, va rápido. El workflow trae la configuración para apuntar a localhost:11434 y notas para exponerlo de forma segura si n8n corre en otro servidor.

El JSON y el vídeo de este workflow están en preparación.