Workflow การใช้งานจริงข้ามหลาย tool

แต่ละเครื่องมือใน HALO ENDEAVOR ถูกออกแบบมาให้ทำงานคนละแบบ — บทความนี้รวมตัวอย่าง workflow จริงที่แต่ละตัวแก้ปัญหาได้ เพื่อช่วยตัดสินใจว่างานแบบไหนควรใช้เครื่องมือตัวไหน

“จำไม่ได้ว่าไฟล์อยู่ที่ไหน” — ใช้ ENDEAVOR AGENT LITE

ปัญหาที่พบบ่อยที่สุดในเครื่องที่มีไฟล์เยอะคือจำชื่อไฟล์ไม่ได้ หรือจำได้แค่เนื้อหาคร่าวๆ ENDEAVOR AGENT LITE แยกการค้นเป็นสองขอบเขต: ไฟล์ทั่วไปใน Desktop/Documents ใช้ local_search แบบ read-only live scan ส่วนเอกสารที่ตั้งใจทำเป็น Knowledge Base ใช้ MCP-RagDoc ใต้ rag_document/

หาไฟล์ใน Documents ที่พูดถึง authentication ให้หน่อย

local_search คืน absolute path + location/snippet ที่เกี่ยวข้อง แล้ว agent ใช้ read_file อ่านต่อโดยไม่ต้องเอาไฟล์ทั่วไปทั้งหมดเข้า Knowledge Base ก่อน

“อ่านเอกสารยาวๆ ให้หน่อย” — ใช้ ENDEAVOR AGENT LITE

อ่านไฟล์ report.pdf แล้วสรุปประเด็นสำคัญเป็น bullet
ในรูป screenshot.png มีข้อความหรือรหัสผิดพลาดอะไรบ้าง

LITE อ่าน PDF/Word/Excel ได้โดยตรงและอ่านพร้อมกันได้สูงสุด 4 ไฟล์ต่อ call ส่วนภาพใช้ progressive vision-first ให้ VLM เห็น pixels ก่อน แล้วค่อยใช้ Apple Vision OCR/find/zoom เมื่อจำเป็น — เหมาะกับงานเอกสารเฉพาะหน้าที่ไม่ต้องทำเป็น Knowledge Base

“ในเอกสารของฉันพูดถึงเรื่องนี้ว่าอย่างไร” — เลือก MCP-RagMax หรือ MCP-RagDoc

ถ้าต้องการ RAG backend สำหรับ agent หลายตัวและคลัง Markdown/text/PDF/CSV/JSON ให้ใช้ MCP-RagMax ซึ่งผสม multilingual MiniLM dense search กับ Thai-aware BM25 แล้วรวมอันดับด้วย RRF โดย backend ไม่ใช้ LLM rerank

ถ้าคลังเน้น Word/PDF/Excel/PowerPoint/เอกสารสแกน และต้องการย้อนกลับถึง ไฟล์ต้นฉบับ + page/location ให้ใช้ MCP-RagDoc ซึ่งใช้ SQLite FTS5/BM25 + OCR fuzzy + optional MiniLM และเป็น backend ที่ Agent Lite ใช้กับ rag_document/ อยู่แล้ว

“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
RAG backend แบบ hybrid สำหรับ agent หลายตัว	MCP-RagMax
คลัง Word/PDF/Office/เอกสารสแกนที่ต้องตรวจ source/page	MCP-RagDoc
งานวิเคราะห์/สร้างไฟล์หลายขั้นตอน บนเครื่องแรง	ENDEAVOR LOCAL AGENT TH
ให้ AI coding agent จำบริบทโปรเจกต์ข้าม session	ENDMEMEX

เครื่องมือเหล่านี้ใช้ร่วมกันได้ — เช่นให้ agent ใช้ MCP-RagMax หรือ MCP-RagDoc ค้นเอกสารอ้างอิงของทีม พร้อมกับใช้ ENDMEMEX เก็บ context การพัฒนาโปรเจกต์ไปพร้อมกัน