本地大模型装了一堆，却总是“开个对话框、问一句、关掉”，用完就忘？小编也一样。后来换了个思路：不聊天了，给它派一份每晚自动跑的固定工作。结论先说：用 n8n 搭配 Qwen 3.5 9B，每晚扫描邮件、Asana 和消息，早上生成一封待办晨报，这是小编用了一年多本地模型后，觉得最实用的一件事。
简单讲，就是别指望小模型什么都能干，给它一个边界清晰的小任务，让它自动跑，效果反而好。下面把做法讲清楚，您也可以照着搭。
为什么要给本地模型“派固定活”
小编的工作散落在邮件、Asana 和各种聊天消息里。答应别人“回头发个更新”、对话里说“我去查查”、Asana 里留了个做一半的任务，这些承诺并不都会进待办清单，时间一长就漏了。
每晚手动翻一遍当然可以，但那又成了一件“需要记得去做”的事。而平时用本地模型，不管是写代码、做摘要还是问答，都得小编主动发起；忘了问，它也不会提醒。所以小编想让它定时上岗：每晚把已有信息过一遍，挑出需要关注的事，生成第二天早上的简报。
这个任务对小模型也比较友好：只要读懂日常对话、识别出“承诺”、判断轻重缓急就行，不需要多强的推理能力。
整套工作流怎么搭：n8n + Qwen 3.5 9B
整体结构
小编家里本来就跑着 n8n（一个开源的自动化工作流工具，可以理解为“用图形界面把各种软件串起来”），所以直接拿它当骨架，AI 部分用本地运行的 Qwen 3.5 9B。流程如下：
- 用 Schedule Trigger 节点，设定每晚定时启动；
- 从三个来源拉数据：邮件（大部分往来和跟进都在这）、Asana（分配给自己的任务和截止日期）、消息（零散的小承诺）；
- 把数据交给模型，提示词明确要求找出：承诺、待回复、临近的截止日期、没做完的任务；
- 要求模型区分“我已经答应要做的事”和“只是在讨论的事”；
- 让模型返回结构化结果，而不是一大段文字；
- n8n 负责去重、排序，整理成可读的简报；
- 最后用邮件节点，每天早上把晨报发到小编邮箱。
结构化输出长什么样
| 字段 | 含义 |
|---|---|
| 任务内容 | 具体要做的事 |
| 来源 | 邮件、Asana 还是消息 |
| 优先级 | 按紧急程度和上下文判断 |
这样 n8n 处理起来很顺手，去重、排序都不用再依赖模型。
一个重要原则：只提醒，不动手
小编特意设定这套流程只“汇报”，不自动回复消息，也不去改 Asana 里的任务。原因很实际：模型可能会误解上下文，看到一条错误提醒顶多白看一眼，但如果它擅自执行了错误操作，就麻烦了。
实际用下来的感受
小编试过让本地模型从零写功能、修 bug，体验往往不太理想：花在补充指令、纠错、把它拉回正轨上的时间，比真正做事的时间还多。所以后来改成把它们塞进自动化里，只干“门槛不高、但有 LLM 会更省事”的活。
有意思的是，Qwen 3.5 9B 就是那个在复杂项目里让小编失望过的模型，放在这里却终于派上了用场。小编之前还在 n8n 里接入过一个用来判断邮件是否需要回复的小型专用模型，思路类似：小而专，反而稳。想知道 8GB 显卡怎么给不同任务配不同模型，可以看看小编的另一篇《8GB 显卡跑本地大模型，别让一个模型包办一切》。
小结：少要求一点，反而更好用
小模型不必和 ChatGPT、Claude 比高下。给它一个定义清楚的任务，接上合适的工具，让它自动跑，就够有价值了。想了解 n8n 的基础用法，可以看看 n8n 官方文档；想选模型，也可以参考 Qwen 官方 Hugging Face 主页。
常见问题（FAQ）
9B 这么小的模型，真的够用吗？
对“识别承诺、判断优先级”这类任务够用。复杂写代码就别指望了。
不会用 n8n 怎么办？
n8n 是拖拽式的，先从官方模板和文档入手，跑通“定时触发 + 发邮件”两个节点，再逐步加数据源。
会不会泄露我的邮件内容？
模型在本地运行，内容不用上传到云端模型，这也是选本地方案的一大原因。
可以让它自动回复邮件吗？
小编不建议。模型会误判上下文，先让它只做提醒，确认稳定后再考虑加动作。