Saltar al contenido
Revisión pendiente desde 21 ago 20263 fuentes primarias

n8n en Windows: Docker, WSL y errores típicos

En Windows, el bloqueo habitual no es n8n: son Docker Desktop, WSL, virtualización, rutas, puertos y reinicios. Esta lección te da una ruta de diagnóstico antes de conectar Ollama, Qdrant o Telegram.

Qué vas a conseguir ahora

Una decisión o prueba aplicada a «n8n en Windows: Docker, WSL y errores típicos».

  1. 1Entiende el criterio
  2. 2Haz una práctica pequeña
  3. 3Guarda una evidencia
Evidencia

Una nota breve con qué hiciste, qué salió bien, qué falló y qué revisarías después.

Objetivos de aprendizaje
  • Preparar Windows para n8n con Docker y WSL.
  • Diagnosticar errores antes de culpar al workflow.
  • Arrancar un stack mínimo que luego puedas conectar con Ollama.
En cristiano: self-hosted. Significa que tú gestionas la instancia: contenedores, volumen de datos, backups, URL pública y actualizaciones. Ganas control; también ganas responsabilidad.

Checklist antes de instalar

  • Windows actualizado.
  • Virtualización activada en BIOS/UEFI.
  • WSL 2 instalado y con una distro Linux funcional.
  • Docker Desktop usando backend WSL 2.
  • Reinicio completo después de activar características de Windows.
Terminal
# En PowerShell
wsl --status
wsl --list --verbose
docker version
docker compose version

# Si Docker no responde, abre Docker Desktop y espera a que indique "Engine running".
# Después prueba:
docker run --rm hello-world
Idea clave. Si `hello-world` no funciona, n8n tampoco va a funcionar. No saltes a credenciales, nodos o IA hasta arreglar Docker.

Stack mínimo con volumen persistente

Para pruebas locales puedes empezar con SQLite. En producción conviene Postgres y una URL pública con HTTPS, pero primero necesitamos una instancia que arranque siempre igual.

Terminal
# docker-compose.yml
services:
  n8n:
    image: docker.n8n.io/n8nio/n8n:latest
    restart: unless-stopped
    ports:
      - "5678:5678"
    environment:
      - N8N_HOST=localhost
      - N8N_PORT=5678
      - N8N_PROTOCOL=http
      - N8N_SECURE_COOKIE=false
      - TZ=Europe/Madrid
    volumes:
      - n8n_data:/home/node/.n8n

volumes:
  n8n_data:
Terminal
docker compose up -d
docker compose logs -f n8n

# Abre:
# http://localhost:5678
Cuidado. No expongas n8n a internet con `N8N_SECURE_COOKIE=false`. Esa opción solo es cómoda para pruebas locales. Para producción usa HTTPS, credenciales fuertes, backups y mínimo privilegio.

Errores típicos y lectura rápida

  • Puerto ocupado: cambia `5678:5678` por `5680:5678`.
  • Docker no arranca: revisa WSL, virtualización y reinicio.
  • Datos desaparecen: no montaste volumen persistente.
  • Ollama no conecta: desde Docker, `localhost` apunta al contenedor, no a Windows.
  • Execute Command no ve tus programas: ejecuta dentro del contenedor, no en el host.
Comprueba que funciona. Crea un workflow con Webhook → Set → Respond to Webhook antes de meter IA. Si eso falla, el problema es infraestructura, no el modelo.
Guardar y reabrir el proyecto.
Cuando n8n arranque estable, ya puedes conectar Ollama, Open WebUI, Qdrant o Telegram. Antes de eso, cualquier workflow complejo solo multiplicará errores.

Si has guardado la evidencia de esta lección, continúa con «Ollama y Open WebUI». Si no, repite la comprobación antes de avanzar.

Mapa completo de AulafyConsulta cómo encaja esta lección sin salir de tu ruta.

Mapa completo de Aulafy

Cómo se relacionan todos los cursos

No es una lista que debas completar. Empieza por la base, elige un resultado y profundiza solo cuando tu proyecto necesite más control.

  1. 1Comprender
  2. 2Aplicar o construir
  3. 3Operar con confianza
01

Empieza aquí

Crea una base común: qué puede hacer la IA, cómo pedir resultados y cómo comprobarlos antes de especializarte.

Desde esta base puedes aplicar la IA a una tarea o aprender a construir con código.

02

Elige una aplicación

Convierte la base en un resultado visible: una web, una mejora de negocio, contenido o una experiencia interactiva.

Si necesitas mantener código, datos o infraestructura, continúa por la rama técnica.

03

Construye con código

Prepara el entorno, trabaja con agentes de programación y aprende a ejecutar modelos con control sobre tus proyectos.

Esta rama prepara los conocimientos necesarios para diseñar y operar sistemas de IA fiables.

04

Lleva sistemas a producción

Combina recuperación, agentes, evaluación, seguridad, despliegue y adaptación de modelos cuando el problema lo exija.

No es obligatorio completarlo todo: elige solo la pieza que tu sistema necesita y vuelve al mapa cuando crezca.

Ver catálogo completo