n8n 工作流想接大模型，最省事的办法是调云 API，然后账单和合规两张网一起收上来。n8n 博客给的是另一条路：一台 NVIDIA DGX Spark，128GB 统一内存，塞进七个本地模型，前面架一层 LiteLLM，对外只暴露一个 OpenAI 兼容端点。全程不碰云。
128GB 统一内存才是这套方案的主角。它不是快，是能装。七个模型可以同时常驻，各司其职：小模型干分类和字段抽取，大模型啃长文档推理，embedding 单占一份。别指望这台机器跑出 H100 的吞吐，内存带宽摆在那儿；但“模型常驻”意味着换任务不用重新加载权重，工作流的延迟曲线从锯齿变成一条平线。
LiteLLM 是隐形的那一半。n8n 的 OpenAI 节点只认一个 base_url 和一个 model 名，LiteLLM 把七个本地模型翻译成七个可调用的名字，路由、重试、限流、用量记账全压在这一层。迁移成本因此低得离谱——工作流一行不改，把端点从云端地址换成局域网 IP 就完事。真正的难点不在部署，在选型：哪七个模型，按什么规则分流，什么任务值得动用大模型。这套架构最实在的好处是数据不出机箱，成本从 token 账单变成电费。
