Cloud AI
เหมือนรถถังที่เราเช่าใช้
ทรงพลังมากและเหมาะกับงานใหญ่ แต่กุญแจและสวิตช์หลักยังอยู่กับเจ้าของระบบ การเข้าถึงจึงไม่ใช่สิ่งที่เราควบคุมได้ทั้งหมด
Local AI · Apple Silicon · ภาษาไทย
เครื่องมือและคลังความรู้สำหรับรันโมเดล open-source บน Mac ของคุณเอง ข้อมูลอยู่ในเครื่อง ไม่ต้องส่งขึ้นคลาวด์ และไม่มีค่า API
git clone https://github.com/halochamp/ENDEAVOR_LOCAL_AGENT_TH.git
cd ENDEAVOR_LOCAL_AGENT_TH
bash install_library/install.sh→ สร้าง conda env “mlx” และติดตั้ง dependency
→ Mac RAM 16GB ใช้งานได้ด้วย Qwen3.5-9B VLM (ค่าเริ่มต้น) · 27B/14B/35B เป็นตัวเลือกเพิ่มWhy HALOENDEAVOR Exists
Cloud AI ให้พลังมหาศาล แต่สิทธิ์ในการเข้าถึงยังขึ้นกับผู้ให้บริการ บัญชี เครือข่าย ราคา และนโยบายที่เราไม่ได้เป็นคนกำหนดทั้งหมด HALOENDEAVOR จึงเกิดจากความคิดว่า เราควรมี AI อีกส่วนหนึ่งที่เก็บ รัน ปรับแต่ง และดูแลได้ด้วยตัวเองบนเครื่องของเรา
Cloud AI
ทรงพลังมากและเหมาะกับงานใหญ่ แต่กุญแจและสวิตช์หลักยังอยู่กับเจ้าของระบบ การเข้าถึงจึงไม่ใช่สิ่งที่เราควบคุมได้ทั้งหมด
Local AI
อาจเล็กกว่า แต่โมเดล เครื่องมือ ข้อมูล และ workflow อยู่กับเรา จึงรัน ปรับแต่ง เก็บสำรอง และกลับมาใช้งานต่อได้ด้วยตัวเอง
Open Source
โปรเจกต์สาธารณะของ HALOENDEAVOR จึงเปิดซอร์สเพื่อแบ่งปันสิ่งที่สร้างขึ้น ให้คนอื่นนำไปศึกษา ปรับใช้ และสร้าง Local AI ที่ตนเองเป็นเจ้าของได้
เราไม่ได้สร้าง HALOENDEAVOR เพื่อแทนที่ Cloud AI ทุกอย่าง แต่เพื่อไม่ฝากความสามารถด้าน AI ทั้งหมดของเราไว้กับสวิตช์ของคนอื่น
Agent UI

Start Here
Products
รุ่นหลักของตระกูล Endeavor: local agent ที่โมเดลมองเห็นภาพได้เองโดยตรง ทำงานบนเครื่องและใช้งานจริงทุกวัน เป็นรุ่นที่ความสามารถใหม่ถูกลองใช้ก่อน แล้วจึงส่งต่อให้ทุกคน
ความสามารถหลักถูกส่งต่อมาแล้วใน ENDEAVOR LOCAL AGENT TH เวอร์ชันสาธารณะที่ดาวน์โหลดได้ฟรี: อ่านภาพ แปลง PDF เป็น Markdown ด้วย OCR ภาษาไทย เลือกโหมด Online หรือ Offline ได้ และมีตัวเลือกเสริมอ่านออกเสียงในเครื่อง
แกนหลักของ HALOENDEAVOR — local AI agent และ knowledge system
AI agent ภาษาไทยที่รันบน Mac ของคุณเอง ใช้งานได้แม้เครื่อง RAM 8GB
Local agent ภาษาไทยสำหรับงานจริงบน Mac Apple Silicon ตั้งแต่ RAM 16GB ด้วย Qwen3.5-9B VLM (ค่าเริ่มต้น); เครื่อง 24GB+ เลือก Qwen3-14B (text-only) หรือ Qwen3.8-27B ได้ และ Qwen3.6-35B เพิ่ม reasoning headroom สูงสุด
RAG backend แบบ deterministic/LLM-free สำหรับคลังเอกสารไทย–อังกฤษ ใช้ Hybrid MiniLM + BM25 + RRF, มี MCP 9 tools, background build jobs และ local HTML console
Document RAG MCP แบบ agent-agnostic สำหรับ Word/PDF/Office และเอกสารสแกน เก็บดัชนีใน SQLite, ใช้ FTS5/BM25 + OCR fuzzy + optional MiniLM และรักษา source path/page ให้ตรวจย้อนกลับได้
MCP server ให้ agent สร้างภาพและแก้ภาพในเครื่อง Apple Silicon ด้วย Qwen Image 2.1 (4-bit, mflux) แบบ low-RAM ใช้ RAM ราว 5.8 GiB ตอนสร้างภาพและ 6.7 GiB ตอนแก้ภาพ ไม่มี API key ไม่ส่งข้อมูลออกนอกเครื่อง
เครื่องมือที่ช่วยเสริม workflow ของ AI Agent
ความจำโครงการข้าม session พร้อมสั่ง ติดตาม และยกเลิก sub-agent แบบมีขอบเขตสำหรับ Claude Code และ Codex
ตั้งเวลาส่งข้อความเข้า terminal ของ Kiro อัตโนมัติ ไม่ต้องนั่งเฝ้าเวลาที่ usage limit รีเซ็ต
ให้ ChatGPT ควบคุม Mac ของคุณเองได้จริง — อ่าน/เขียน/แก้ไฟล์, ทำงาน Git แบบมี guardrail, รัน bash/Python, ควบคุมหน้าจอ และต่อ MCP เพิ่มผ่าน OpenAI Secure MCP Tunnel (ไม่มีโมเดลในเครื่อง)
สะพาน MCP ให้ agent ขอความเห็นที่ 2 จาก Gemini, ChatGPT หรือ Claude Web และสั่ง Gemini หรือ ChatGPT สร้างภาพ ซึ่ง Claude สร้างเองไม่ได้ ผ่าน Chrome profile เฉพาะ โดยไม่ใช้ API key และไม่รันโมเดลซ้ำในเครื่อง
How it works
Knowledge
เลือกโมเดลและฮาร์ดแวร์
Apple Silicon, RAM ที่ต้องใช้จริง, MLX, quantization และตารางเทียบว่าเครื่องแบบไหนควรใช้เครื่องมือตัวไหน
แนวคิด Local AI
เจาะลึกกลไกจริงเบื้องหลังวงจร ReAct ที่ AGENT LITE และ LOCAL AGENT TH ใช้ — LangChain ทำหน้าที่อะไร LangGraph ทำหน้าที่อะไร พร้อม diagram แสดง state graph และการไหลของข้อความทีละขั้น
Workflow การใช้งานจริง
ตัวอย่างงานจริงที่ทำได้ด้วย local AI — สรุปเอกสาร ค้นข้อมูลในไฟล์ส่วนตัว และเก็บบริบทข้ามการทำงานกับ AI coding agent
ทั้ง 9 เครื่องมือเป็น open source อยู่บน GitHub ดาวน์โหลดและรันบนเครื่องตัวเองได้ทันที