ENDEAVOR AGENT LITE
StableAI agent ภาษาไทยที่รันบน Mac ของคุณเอง ใช้งานได้แม้เครื่อง RAM 8GB
- RAM 8GB+
- MIT
- 11 คู่มือ
Local AI · Apple Silicon · ภาษาไทย
Local AI
Engineering
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 · Qwen3-14B เป็น default · 35B เป็นตัวเลือกคุณภาพสูงStart Here
ควรเริ่มจากตัวไหน
- อยากลองใช้ Local AI Agent เบาๆ ก่อนENDEAVOR AGENT LITERAM 8GB+
- อยากได้ Agent ที่ทำงานจริงจัง ความสามารถเต็มรูปแบบENDEAVOR LOCAL AGENT THRAM 16GB+ · Qwen3.5-9B VLM / Qwen3-14B default
- อยากได้ RAG backend แบบ hybrid สำหรับ agent หลายตัวMCP-RagMaxMCP-RagMax
- อยากทำคลัง Word/PDF/เอกสารสแกนที่ตรวจย้อนกลับถึงไฟล์ต้นฉบับได้MCP-RagDocMCP-RagDoc
- อยากให้ Claude Code/Codex จำบริบทข้าม sessionENDMEMEX
- อยากให้ agent ใน Kiro ทำงานต่อเองตอนติด usage limit โดยไม่ต้องนั่งเฝ้าKIRO_TERMINAL_AWAKE
- อยากทดลองให้ ChatGPT ควบคุม Mac ตอน Codex ติดโควต้าEndeavor HandsExperimental
- อยากให้ Codex ขอความเห็นที่สองจาก ChatGPT Web แบบอ่านอย่างเดียวMCP-LinkGPTExperimental
Products
ซอฟต์แวร์ทั้งหมด
Core Local AI
แกนหลักของ HALO ENDEAVOR — local AI agent และ knowledge system
ENDEAVOR LOCAL AGENT TH
Active DevelopmentLocal agent ภาษาไทยสำหรับงานจริงบน Mac Apple Silicon ตั้งแต่ RAM 16GB ด้วย Qwen3.5-9B VLM; Qwen3-14B ยังเป็นค่าเริ่มต้นสำหรับเครื่อง 24GB+ และ Qwen3.6-35B เพิ่ม reasoning headroom สูงสุด
- RAM 16GB+
- MIT + Commons Clause
- 24 คู่มือ
MCP-RagMax
Active DevelopmentRAG backend แบบ deterministic/LLM-free สำหรับคลังเอกสารไทย–อังกฤษ ใช้ Hybrid MiniLM + BM25 + RRF, มี MCP 9 tools, background build jobs และ local HTML console
- Hybrid RAG · 9 MCP tools
- MIT
- 7 คู่มือ
MCP-RagDoc
Active DevelopmentDocument RAG MCP แบบ agent-agnostic สำหรับ Word/PDF/Office และเอกสารสแกน เก็บดัชนีใน SQLite, ใช้ FTS5/BM25 + OCR fuzzy + optional MiniLM และรักษา source path/page ให้ตรวจย้อนกลับได้
- Document RAG · SQLite
- MIT
- 3 คู่มือ
Infrastructure / Supporting
เครื่องมือที่ช่วยเสริม workflow ของ AI Agent
Experimental / Companion
โปรเจกต์ทดลองที่ต่อยอดแนวคิด Endeavor ออกไปนอก Local AI
Endeavor Hands
Experimentalให้ ChatGPT ควบคุม Mac ของคุณเองได้จริง — อ่าน/เขียน/แก้ไฟล์, ทำงาน Git แบบมี guardrail, รัน bash/Python, ควบคุมหน้าจอ และต่อ MCP เพิ่มผ่าน OpenAI Secure MCP Tunnel (ไม่มีโมเดลในเครื่อง)
- ChatGPT Web (MCP)
- MIT
- 10 คู่มือ
MCP-LinkGPT
Experimentalสะพาน MCP แบบอ่านอย่างเดียว ให้ Codex ขอความเห็นที่สองจาก ChatGPT Web ผ่าน Chrome profile เฉพาะ โดยไม่ใช้ OpenAI API key และไม่รันโมเดลซ้ำในเครื่อง
- ChatGPT Web (read-only)
- ไม่ระบุ license
- 1 คู่มือ
How it works
Agent ทำงานอย่างไรบนเครื่องคุณ
คำถาม
Agent Nodeคิดและตัดสินใจบนเครื่อง
Tool NodeMCP · RAG · web · files · computer
ไม่มี tool_calls ↓
Guardrailตรวจขอบเขตและความปลอดภัย
ตอบผู้ใช้คำตอบหรือ action ที่ควบคุมได้
Knowledge
บทความแนะนำ
เลือกโมเดลและฮาร์ดแวร์
เลือกโมเดลและฮาร์ดแวร์ให้เหมาะกับเครื่อง
Apple Silicon, RAM ที่ต้องใช้จริง, MLX, quantization และตารางเทียบว่าเครื่องแบบไหนควรใช้เครื่องมือตัวไหน
แนวคิด Local AI
ReAct Agent ทำงานอย่างไร: เจาะลึก LangGraph และ LangChain เบื้องหลัง
เจาะลึกกลไกจริงเบื้องหลังวงจร ReAct ที่ AGENT LITE และ LOCAL AGENT TH ใช้ — LangChain ทำหน้าที่อะไร LangGraph ทำหน้าที่อะไร พร้อม diagram แสดง state graph และการไหลของข้อความทีละขั้น
Workflow การใช้งานจริง
Workflow การใช้งานจริงข้ามหลาย tool
ตัวอย่างงานจริงที่ทำได้ด้วย local AI — สรุปเอกสาร ค้นข้อมูลในไฟล์ส่วนตัว และเก็บบริบทข้ามการทำงานกับ AI coding agent
พร้อมเริ่มใช้งานแล้ว?
ทั้ง 8 เครื่องมือเป็น open source อยู่บน GitHub ดาวน์โหลดและรันบนเครื่องตัวเองได้ทันที