Ollama para automatización

Qué cubre este artículo sobre automatización con Ollama

• Cómo integrar Ollama en scripts y flujos de trabajo.
• Ideas prácticas de automatización.
• Ejemplos en Bash y Python.
• Consejos para confiabilidad, logging y programación de tareas.
• Seguridad y manejo de errores.

Introducción: Ollama para automatización

Ollama no es solo para chats interactivos. También resulta útil para tareas automatizadas: clasificación de textos, resúmenes, notificaciones, análisis de datos y procesamiento de documentos pueden ejecutarse completamente de forma automática. Con scripts, cronjobs o herramientas de flujos de trabajo, las tareas repetitivas se vuelven más eficientes y permanecen bajo cumplimiento normativo local.

Este artículo muestra cómo integrar Ollama en automatizaciones y qué casos de uso tienen sentido.

Conceptos clave

• Automatización: Las tareas se ejecutan sin intervención manual.
• Cronjob: Ejecución programada de un script.
• Script: Archivo ejecutable que contiene comandos.
• Flujo de trabajo: Secuencia de múltiples tareas.
• Pipeline: Cadena de pasos de procesamiento.
• Batch: Procesamiento de varios elementos en una sola pasada.
• Log: Registro de la ejecución.
• Trigger: Evento que inicia la automatización.

Concepto fundamental

Ollama expone una API sencilla que los scripts pueden utilizar:

curl http://localhost:11434/api/generate -d '{
  "model": "llama3.1",
  "prompt": "Fasse diesen Text zusammen: ...",
  "stream": false
}'

El resultado se puede procesar, almacenar o enviar.

Ejemplo: Clasificar correos electrónicos

#!/bin/bash

email_text=$(cat email.txt)

antwort=$(curl -s http://localhost:11434/api/generate -d "{
  \"model\": \"llama3.1\",
  \"prompt\": \"Klassifiziere diese E-Mail als SPAM, WICHTIG oder INFO: $email_text\",
  \"stream\": false
}")

echo "$antwort" | jq -r '.response'

Ejemplo: Resumir un documento

#!/bin/bash

text=$(cat dokument.txt)

zusammenfassung=$(curl -s http://localhost:11434/api/generate -d "{
  \"model\": \"llama3.1\",
  \"prompt\": \"Fasse den folgenden Text in drei Sätzen zusammen: $text\",
  \"stream\": false
}")

echo "$zusammenfassung" | jq -r '.response' > zusammenfassung.txt

Ejemplo: Script de Python

import requests
import json

def classify(text, model="llama3.1"):
    url = "http://localhost:11434/api/generate"
    payload = {
        "model": model,
        "prompt": f"Klassifiziere folgenden Text: {text}",
        "stream": False
    }
    response = requests.post(url, json=payload)
    return response.json()["response"]

with open("dokumente.txt") as f:
    inhalt = f.read()

result = classify(inhalt)
print(result)

Cronjob para tareas recurrentes

0 8 * * * /usr/local/bin/ollama-zusammenfassung.sh >> /var/log/ollama-cron.log 2>&1

Herramientas de flujos de trabajo

• n8n: Flujos de trabajo visuales, Ollama mediante HTTP-Request.
• Home Assistant: Automatizaciones con comandos de voz.
• Node-RED: Automatización basada en flujo de datos.
• GitHub Actions / GitLab CI: Verificaciones de IA automatizadas.
• Airflow: Pipelines de datos complejos.

Ideas útiles de automatización

• Clasificar correos electrónicos o tickets.
• Resumir documentos.
• Responder mensajes de chat.
• Renombrar o mover archivos.
• Analizar logs.
• Generar notificaciones.
• Comentar código.
• Extraer datos de PDFs.
• Generar textos para redes sociales.
• Categorizar contenidos.

Logging y manejo de errores

if curl -f http://localhost:11434/api/tags; then
  echo "Ollama erreichbar"
else
  echo "Ollama nicht erreichbar" >&2
  exit 1
fi

En Python:

try:
    result = classify(text)
except requests.exceptions.RequestException as e:
    print(f"Fehler: {e}")
    exit(1)

Programación de tareas

• Diariamente para reportes recurrentes.
• Semanalmente para resúmenes.
• Al detectar un evento, como cambios en archivos.
• En intervalos específicos.

Seguridad

• Limita el acceso a la API localmente.
• No incluyas datos sensibles en prompts sin protección.
• Valida entradas para evitar inyección de prompts.
• Verifica las salidas antes de procesarlas automáticamente.
• Inspecciona los logs para identificar contenido sensible.

Consejos

• Haz los scripts idempotentes.
• Registra errores con claridad.
• Limita el uso de recursos.
• Elige modelos adecuados para la tarea.
• Comienza simple y amplía paso a paso.

Problemas comunes

• Ollama no está ejecutándose: El script falla.
• Modelo no disponible: Nombre incorrecto o no descargado.
• Codificación de caracteres: Caracteres especiales codificados incorrectamente.
• Tiempo de espera agotado: La respuesta tarda demasiado.
• Falta de validación: Salidas defectuosas se procesan de todas formas.
• Sin logs: Los errores no se pueden rastrear.

Enlaces y recursos adicionales

• BotServ.de Ollama Befehle
• BotServ.de Ollama API-Bibliotheken
• BotServ.de Ollama REST API
• BotServ.de Ollama Integrationen

FAQ: Ollama para automatización

¿Puede Ollama clasificar correos electrónicos? Sí, un simple script de prompts puede clasificar texto.

¿Con qué frecuencia puedo llamar a Ollama? Tantas veces como lo permitan el hardware y el caché del modelo.

¿Necesito Docker para automatización? No, Ollama se ejecuta nativamente o en Docker.

¿Cómo evito errores cuando falla la conexión? Verifica la conexión con anticipación y utiliza códigos de salida.

¿Puedo integrar Ollama en n8n? Sí, mediante nodos de HTTP-Request.

Fuentes y lectura adicional

• Ollama API: https://github.com/ollama/ollama/blob/main/docs/api.md
• n8n: https://n8n.io/
• cron: https://linux.die.net/man/8/cron

Resumen: Ollama para automatización

Ollama se automatiza fácilmente con scripts simples, cronjobs y herramientas de flujos de trabajo. La clasificación, los resúmenes y el procesamiento de datos pueden ejecutarse completamente en local. Lo importante es un buen manejo de errores, logging y elegir el modelo correcto. Quienes construyan pipelines simples y reproducibles pueden acelerar muchas tareas rutinarias con IA local, sin enviar datos a servicios externos.