คำถามที่พบบ่อย + อภิธานศัพท์
FAQ and glossary
คำถามที่พบบ่อยfaq
คำถามที่ ๑ — ต้องเก่งคอมพิวเตอร์แค่ไหนจึงจะทำตามคู่มือนี้ได้?
ระดับ "ใช้งานจริง" ไม่ใช่ระดับโปรแกรมเมอร์ — ต้องพอใช้ terminal, SSH และ copy คำสั่งตามได้แม่น เข้าใจคร่าว ๆ ว่า Docker คืออะไร (คัดแยกโปรแกรมเป็นกล่อง) และไม่กลัวไฟล์ config ทีละบรรทัด คู่มือเดินทีละบท ทุกคำสั่งคัดไว้ให้แล้ว ถ้าติดตรงไหน บทที่ ๑๖ มีบันไดช่วยเหลือตลอด
คำถามที่ ๒ — ลงทุนเท่าไหร่ และคุ้มทุนเมื่อไหร่?
ชุดเริ่มต้นจริงของเรา: Mac Mini M4 Pro 48GB ~$2,000 (≈ ฿66,000) + VPS ~$10–15/เดือน + อุปกรณ์เสริมตามใจ เทียบกับค่าคลาวด์ที่เคยจ่าย ~$50/วัน (≈ ฿1,700) การออม ~$46.5/วัน ทำให้ คุ้มทุนใน ~6 สัปดาห์ ถ้าค่าคลาวด์ของคุณต่ำกว่านั้น ให้คิดจากยอดจริงของตัวเองก่อนตัดสินใจ
คำถามที่ ๓ — ไม่มี Mac ใช้ PC ที่มีอยู่แทนได้ไหม?
รัน "ได้" แต่ไม่เหมือนกัน — สมองหลักของสูตรนี้ออกแบบบน Apple Silicon (MLX + unified memory 48GB) การ์ด PC 16GB ใบเดียวใส่โมเดล 27B ไม่พอ ต้องลดขนาดโมเดลแลกกับคุณภาพ แนะนำใช้ PC เป็น "ครัวภาพ/เสียง" (บทที่ ๑๑) แทน แล้วให้ Mac เป็นสมองเหมือนสูตรหลัก
คำถามที่ ๔ — ถ้า Mac ดับหรือล่ม บอทตายไหม?
ไม่ตาย — บันได 3 ชั้น (บทที่ ๒): Tier 2 โมเดลเล็กบน VPS รับต่อทันที (ช้ากว่าแต่ยังตอบได้) ถ้าพังหนักกว่านั้น Tier 3 คลาวด์ถูกดึงเข้ามาแบบมีเพดาน $5/วัน ค่าใช้จ่ายจริงวันที่เกิดเหตุ อยู่ที่ $0.31–2.76 เท่านั้น
คำถามที่ ๕ — ภาษาไทยของโมเดลนี้ดีพอจริงหรือ?
ดีพอจนแทนคลาวด์ที่เคยจ่ายเงินได้จริง ตามผลทดสอบ 50 เคสจริง (ให้กรรมการ 2 ตัวตรวจ ประเมินอิสระจากกัน) คะแนนรวม 7.24 vs 6.02 ของคลาวด์เดิม, คำถาม-ตอบสไตล์ LINE ชนะขาด 8.93 vs 6.33 และตอบเร็วกว่า ~7 เท่า รายละเอียดทั้งหมดอยู่ในบทที่ ๑๒
คำถามที่ ๖ — ทำไมบางครั้งมีตัวอักษรจีนปนมา แก้ได้ไหม?
เป็นข้อจำกัดตรงไปตรงมาของโมเดลตระกูลนี้ — สูตร Config G (บทที่ ๑๒) ลดการหลุดจาก 43 เหลือ 15 ครั้ง/100 คำตอบ แต่ไม่ใช่ศูนย์ วิธีลดต่อ: กรอง output อีกชั้นฝั่งบอท หรือส่งเคส JSON ผสมภาษาไป Tier 3 เราเลือกพูดความจริงเรื่องนี้ไว้ในคู่มือ
คำถามที่ ๗ — ข้อมูล/แชทของลูกค้าออกนอกบ้านไหม?
ไม่ออกในการใช้งานปกติ — ทุกอย่างประมวลผลในเครื่องของเรา ข้อมูลแชทอยู่ใน Postgres บน VPS ของเรา มีเพียง 2 กรณีที่สัมผัสโลกภายนอก: (1) Tier 3 คลาวด์ตอนฉุกเฉิน — ปิดขาดได้ (2) ฟีเจอร์ค้นเว็บที่ออกไปดึงผลลัพธ์กลับเข้ามา ดูรายละเอียดการตั้งค่าในบทที่ ๗ และ ๑๕
คำถามที่ ๘ — ใช้เทรดอัตโนมัติแทนเราได้ไหม?
ไม่ได้ และไม่ใช่เป้าหมายของโปรเจกต์นี้ — ส่วนเชื่อม MT5 เป็นแผงอ่านอย่างเดียว ในซอร์สโค้ดทั้งต้น ไม่มีคำสั่งส่งออเดอร์แม้แต่ตัวเดียว (บทที่ ๑๔) คำตอบทุกชิ้นเป็นข้อมูลเพื่อการศึกษา ไม่ใช่คำแนะนำการลงทุน
คำถามที่ ๙ — ค่าไฟที่จ่ายจริงต่อเดือนเท่าไหร่?
ทั้งฟลีต (Mac + i9 + NAS + ส่วนแบ่งอุปกรณ์เน็ต) วัดจากมิเตอร์จริง ~3.67 kWh/วัน ≈ ~18 บาท/วัน ~ $0.54 คิดเป็น ~530 บาท/เดือน (อัตราค่าไฟของคุณอาจต่างเล็กน้อย) วิธีวัดละเอียดและสคริปต์คำนวณอยู่ในบทที่ ๑ และ ๓
คำถามที่ ๑๐ — โมเดลใหม่ออกมาเรื่อย ๆ จะไล่ตามอย่างไร?
เราไม่ไล่แฟชั่น — มีโปรโตคอล: โมเดลท้าชิงต้องผ่านชุดทดสอบภาษาไทยเดิม (bench_thai.py ใน repo) และชนะตัวเจ้าของตำแหน่งแบบ "สถิติไม่ครอบศูนย์" จึงได้เลื่อนขั้น การอัปเกรดซอฟต์แวร์รอบเครื่องมีกฎ 6 ข้อในบทที่ ๑๖
คำถามที่ ๑๑ — ชวนเพื่อน/ลูกค้ามาใช้ระบบเดียวกันได้ไหม?
ได้ — เว็บแชทเปิดแบบเชิญเท่านั้น (ปิดสมัครเอง) แอดมินสร้างบัญชีให้ทีละคน ผู้ใช้แต่ละคนเห็นเฉพาะโมเดลที่คัดมา และงบค่าใช้จ่ายแยกตามกุญแจของแต่ละช่องทาง (บทที่ ๘–๙) ระบบนี้ออกแบบสำหรับองค์กรเดียว ไม่ใช่บริการสาธารณะ
คำถามที่ ๑๒ — ติดตั้งเสร็จแล้วโมเดลตอบว่างเปล่า ทำอย่างไร?
อาการคลาสสิก "งบความคิด" — โมเดลเผาเพดานคำตอบ (num_predict) ไปกับการคิดในใจ แล้วส่งกลับเปล่า ทางแก้: ปิด think บนเส้นทางบอท + ตั้งเพดานให้เหมาะกับงาน (1024 บอท / 2048 แชท / 8192 งานเขียนยาว) และตรวจว่า num_ctx ไม่ต่ำกว่า 32768 — สรุปครบในบทที่ ๑๒ และวิธีเช็คในบทที่ ๑๖
อภิธานศัพท์glossary · ๓๐ รายการ
| คำศัพท์ | ความหมาย |
|---|---|
| LLM | Large Language Model — โมเดลภาษาขนาดใหญ่ที่เป็นสมองของระบบ (ของเราคือระดับ 27B พารามิเตอร์) |
| Ollama | โปรแกรมรัน LLM บนเครื่องตัวเอง — บน Mac เราใช้ backend MLX ที่เร็วที่สุดของ Apple Silicon |
| MLX | เฟรมเวิร์ก AI ของ Apple สำหรับชิป M-series — เร็วกว่า GGUF ~4 เท่าบนเครื่องเดียวกัน (30.2 vs 7.9 tok/s) |
| nvfp4 | รูปแบบบีบอัดน้ำหนักโมเดล 4 บิต — ไฟล์ ~18GB แต่ resident ~23GB รวม KV cache |
| Docker | เทคโนโลยีบรรจุโปรแกรมเป็นกล่อง (container) — หน้าบ้านทั้งหมดของระบบรันเป็น container 6 กล่อง |
| LiteLLM | ตัวแทน API กลาง — ทุก call ทั้งระบบผ่านตรงนี้: ตรวจกุญแจ คุมงบ เลือกเส้นทาง ทำ fallback และบันทึกค่าใช้จ่าย |
| Open WebUI | หน้าเว็บแชทของระบบ — หน้าบ้านที่ผู้ใช้เห็น (บทที่ ๙) |
| Virtual key | กุญแจรองที่ออกให้แต่ละช่องทาง — จำกัดโมเดล+งบรายวัน และเพิกถอนแยกกันได้ (บทที่ ๘) |
| Token | หน่วยตัวรับของข้อความ (~1 คำไทย ≈ 1-3 token) — สิ่งที่คิดเป็นต้นทุนเวลาและเงิน |
| MT5 | MetaTrader 5 — ซอฟต์แวร์เทรดยอดนิยม; ส่วนเชื่อมของเราเป็นแผงอ่านอย่างเดียว (บทที่ ๑๔) |
| EA | Expert Advisor — โปรแกรมเสริมบน MT5; ของเราเป็น indicator อ่านอย่างเดียว ไม่มีคำสั่งส่งออเดอร์ |
| num_ctx | ความจุบริบทที่โมเดลอ่านได้ — ของเราตั้ง 32768 ต่ำกว่านี้งานยาวโดนตัด |
| num_predict | เพดานความยาวคำตอบ — ค่าพื้นความปลอดภัย: 1024 บอท / 2048 แชท / 8192 งานเขียน |
| think | โหมด "คิดในใจ" ของโมเดล reasoning — บนเส้นทางบอทต้องปิด ไม่งั้นเสี่ยงคำตอบว่างเปล่า |
| Config G | สูตร system prompt ภาษาไทยของเรา: ไทยเท่านั้น + ห้ามอักษรจีน + ตัวอย่าง 2 คู่ (บทที่ ๑๒) |
| thai_ratio | ตัวชี้วัดความบริสุทธิ์ภาษาไทย = สัดส่วนตัวอักษรไทยต่อทั้งข้อความ (ไท+อังกฤษ) |
| Tailscale | VPN ส่วนตัวแบบ mesh — เชื่อมเครื่องทั้งหมดให้คุยกันผ่านท่อลับ โดยไม่เปิดพอร์ต (บทที่ ๔) |
| Cloudflare Tunnel | ท่อเปิดบริการ HTTPS สู่อินเทอร์เน็ตโดยไม่เปิดพอร์ตเราเตอร์ — ประตูสาธารณะเดียวของระบบ |
| VPS | เครื่องเช่าบนคลาวด์ — ทำหน้าที่หน้าบ้านของระบบ (บทที่ ๖) |
| NAS | เครื่องเก็บข้อมูล+ออโตเมชันที่บ้าน (Synology DS725+) — ผู้จัดการหลังบ้านของระบบ |
| n8n | เครื่องมือออโตเมชันแบบลากผัง — สมองของบอทและตารางงานทั้งหมด (รันบน NAS) |
| Webhook | การที่แพลตฟอร์ม (LINE/Telegram) ยิงข้อมูลเข้าหา URL ของเราเมื่อมีเหตุการณ์ |
| ComfyUI | โปรแกรมสร้างภาพ AI แบบผัง node — ครัวภาพของระบบ (บทที่ ๑๑) |
| GPULAW | กฎหน้าต่างเวลาเรนเดอร์ภาพของเรา 17:30–19:30 น. — นอกหน้าต่าง GPU ต้องว่าง |
| RAG | Retrieval-Augmented Generation — หาข้อมูลจากคลังเอกสารของเรามาประกอบคำตอบ (บทที่ ๑๐) |
| bge-m3 | โมเดล embeddings แนบข้อความเป็นเวกเตอร์ — หัวใจของ RAG รันบน Mac ฟรี |
| Qdrant | ฐานข้อมูลเวกเตอร์เก็บคลังความรู้ RAG — ผูก localhost เท่านั้น |
| SearXNG | เครื่องมือค้นเว็บที่รันในเครื่องเราเอง — แทนการจ่ายค่า search API |
| Postgres | ฐานข้อมูลหลัก — เก็บบัญชีผู้ใช้และตารางค่าใช้จ่าย LiteLLM_SpendLogs |
| Valkey | ฐานข้อมูลแคชในหน่วยความจำ — ช่วยลดงานซ้ำของหน้าบ้าน (valkey-server, สาขาเปิดของ Redis) |