Workflow การใช้งานจริงข้ามหลาย tool

แต่ละเครื่องมือใน HALO ENDEAVOR ถูกออกแบบมาให้ทำงานคนละแบบ — บทความนี้รวมตัวอย่าง workflow จริงที่แต่ละตัวแก้ปัญหาได้ เพื่อช่วยตัดสินใจว่างานแบบไหนควรใช้เครื่องมือตัวไหน

“จำไม่ได้ว่าไฟล์อยู่ที่ไหน” — ใช้ ENDEAVOR AGENT LITE

ปัญหาที่พบบ่อยที่สุดในเครื่องที่มีไฟล์เยอะ: จำชื่อไฟล์ไม่ได้ หรือจำได้แค่เนื้อหาคร่าวๆ ENDEAVOR AGENT LITE สร้างดัชนี SQLite FTS5 ของไฟล์ในเครื่อง แล้วค้นได้ทั้งจากชื่อและเนื้อหาด้วยภาษาไทยหรืออังกฤษ

หาไฟล์ที่เกี่ยวกับ authentication ในโปรเจกต์นี้ให้หน่อย

agent จะค้นดัชนีก่อนเสมอ (ไม่ใช่เดาจากชื่อไฟล์อย่างเดียว) แล้วคืน path พร้อม snippet ของเนื้อหาที่เกี่ยวข้อง — เร็วกว่าเปิด Finder ไล่หาเองมาก โดยเฉพาะเมื่อจำได้แค่เนื้อหาไม่ใช่ชื่อไฟล์

“อ่านเอกสารยาวๆ ให้หน่อย” — ใช้ ENDEAVOR AGENT LITE

อ่านไฟล์ report.pdf แล้วสรุปประเด็นสำคัญเป็น bullet
ในรูป screenshot.png มีข้อความหรือรหัสผิดพลาดอะไรบ้าง

LITE อ่าน PDF/Word/Excel ได้โดยตรง และใช้ Apple Vision OCR อ่านข้อความในภาพ — เหมาะกับงานที่ต้องสรุปเอกสารทีละไฟล์เป็นครั้งคราว ไม่ต้องตั้งค่าดัชนีล่วงหน้า

“ในเอกสารของฉันพูดถึงเรื่องนี้ว่าอย่างไร” — ใช้ ENDEAVOR RAG

ถ้าเป็นคำถามที่ต้องค้นข้ามหลายเอกสารพร้อมกัน (เช่น คลังความรู้ของทีม, สัญญาหลายฉบับ, บันทึกการประชุมย้อนหลัง) ENDEAVOR RAG เหมาะกว่า LITE เพราะออกแบบมาสำหรับ retrieval โดยเฉพาะ — ผสม dense embeddings กับ BM25 แล้วให้โมเดลช่วยเลือก context ที่เกี่ยวข้องที่สุดก่อนสรุปคำตอบ

ขั้นตอน: วางเอกสารทั้งหมดไว้ใต้ workspace/knowledge/ → สร้างดัชนีครั้งเดียว → ถามได้เรื่อยๆ โดยไม่ต้อง re-index ทุกครั้ง (ยกเว้นเพิ่มเอกสารใหม่)

“วิเคราะห์ข้อมูลและวาดกราฟให้หน่อย” — ใช้ ENDEAVOR LOCAL AGENT TH

งานที่ต้องใช้เครื่องมือหลายตัวต่อกัน (อ่านไฟล์ → คำนวณ → สร้างกราฟ) ต้องการ agent ที่ทำ multi-step reasoning ได้แม่นยำ — ตรงนี้คือจุดแข็งของ ENDEAVOR LOCAL AGENT TH ที่ใช้โมเดล 35B:

อ่านไฟล์ sales.csv แล้ววาดกราฟยอดขายรายเดือน
→ อ่านไฟล์ คำนวณด้วย pandas render กราฟ matplotlib แล้วเปิดให้ดูเลย

หาข้อมูล AI agent framework ที่น่าสนใจ 10 ตัวแล้วสรุปให้
→ วางแผน ค้นหลายมุม อ่านหลายแหล่ง สรุปเป็นตาราง

โมเดลขนาดเล็กมักเรียก tool ผิดลำดับหรือหยุดกลางทางเมื่องานมีหลายขั้นตอนแบบนี้ — โมเดลใหญ่กว่าช่วยลดปัญหานี้ได้มาก (ดูรายละเอียดที่ เลือกโมเดลและฮาร์ดแวร์)

“อยากให้ AI coding agent จำบริบทโปรเจกต์ข้าม session” — ใช้ ENDMEMEX

ถ้าใช้ Claude Code หรือ Codex ทำงานกับโปรเจกต์เดิมต่อเนื่องหลายวัน ปัญหาที่เจอบ่อยคือต้องอธิบายบริบทซ้ำทุกครั้งที่เปิด session ใหม่ ENDMEMEX แก้ปัญหานี้ด้วยการเก็บ checkpoint และ session ที่ทำต่อได้:

python3 endeavor_db.py bootstrap --project MY_PROJECT --json

คำสั่งเดียวนี้คืนสถานะล่าสุดของงาน จุดที่ค้างอยู่ และขั้นต่อไปที่ควรทำ — agent (หรือคุณ) ไม่ต้องไล่อ่าน git log หรือถามซ้ำว่า “ทำถึงไหนแล้ว”

เลือกเครื่องมือให้ถูกกับงาน

ต้องการ	ใช้ตัวนี้
หาไฟล์/สรุปเอกสารเป็นครั้งคราว บนเครื่องเล็ก	ENDEAVOR AGENT LITE
ค้นคำถามข้ามคลังเอกสารจำนวนมาก	ENDEAVOR RAG
งานวิเคราะห์/สร้างไฟล์หลายขั้นตอน บนเครื่องแรง	ENDEAVOR LOCAL AGENT TH
ให้ AI coding agent จำบริบทโปรเจกต์ข้าม session	ENDMEMEX

เครื่องมือเหล่านี้ใช้ร่วมกันได้ — เช่น ใช้ RAG ค้นเอกสารอ้างอิงของทีม พร้อมกับใช้ ENDMEMEX เก็บ context การพัฒนาโปรเจกต์ไปพร้อมกัน