Aetox

# Aetox — Architecture > Parameters <p align="center"> <img src="docs/assets/og.png" alt="Aetox — หัวใจไม่ใช่ความรู้ในโมเดล แต่คือ Architecture ที่ควบคุมวิธีคิด" width="100%"> </p> <p align="center"> <a href="https://aetox-puce.vercel.app/"><strong>🌐 ดูหน้าเว็บแนะนำ Aetox</strong></a> — เห็นภาพว่ามันทำอะไรได้บ้างใน 1 นาที · <a href="https://github.com/Mike0165115321/Aetox/releases/latest/download/aetox-amd64-installer.exe"><strong>⬇️ ดาวน์โหลด</strong></a> </p> > **ChatGPT ตอบคำถามคุณได้ · Aetox ลงมือทำบนเครื่องคุณ** > เปิดเว็บ กรอกฟอร์ม อ่านสลิป จัดไฟล์ แล้วส่งงานที่เสร็จแล้วให้คุณ > ไม่ได้เกิดมาเพื่อเป็น framework อีกตัว — สถาปัตยกรรมคือหัวใจ ไม่ใช่โมเดล No lock-in. No subscription pressure. No boundaries. Your rules, your data, your machine. --- ## Aetox คืออะไร Aetox คือ **Personal AI Assistant ที่ลงมือทำงานจริงบนเครื่องคุณ** ไม่ใช่ผู้ช่วยที่ตอบแล้วให้คุณไปทำเอง — แต่ทำให้เสร็จแล้วส่งงานกลับมา - **ลงมือทำจริง** — เปิดเว็บ คลิก กรอกฟอร์ม อ่านสลิป ถอดเสียงประชุม จัดไฟล์ - **ข้อมูลอยู่ในเครื่อง 100%** — ประวัติแชท ไฟล์ ผลงาน ไม่มีสำเนาที่อื่น - **โมเดลถูกก็พอ** — สถาปัตยกรรมเติมความสามารถให้ ไม่ต้องรอโมเดลใหญ่ - **ไม่ใช่ IDE plugin** — ไม่ผูกติดกับ IDE ใด - **ไม่ใช่แค่ chatbot** — คือ architecture ที่วิธีคิดสำคัญกว่าพลังดิบ และเป็นของที่โตได้: - **ไม่มีทีมใหญ่** — แต่วิสัยทัศน์ไกล - **ไม่มีคนมากมาย** — แต่มีไฟจากใจผู้สร้าง - **ไม่มีข้อจำกัด** — ไม่มี lock-in, ไม่มี rate limit, ไม่มี vendor ตัดฟีเจอร์ - **พร้อมเติบโต** — วันนี้คือผู้ช่วยส่วนตัว วันหน้า ecosystem ของตัวเอง > "หัวใจไม่ใช่ความรู้ในโมเดล — แต่คือ Architecture ที่ควบคุมวิธีคิด" --- ## ขยายศักยภาพให้โมเดล — โมเดลตาบอดก็เห็นได้ หูหนวกก็ฟังได้ มือด้วนก็ทำงานได้ นี่คือหัวใจของ **Architecture > Parameters** แบบจับต้องได้: โมเดล 9B ที่รันบนเครื่องคุณ อ่านภาพไม่ได้ ดูวิดีโอไม่ได้ ฟังเสียงไม่ได้ ลงมือทำในเว็บไม่ได้ — แต่พอวิ่งผ่าน Aetox มันทำได้ทั้งหมด เพราะสถาปัตยกรรมเติมความสามารถให้ ไม่ใช่ตัวโมเดล | โมเดลทำไม่ได้ | Aetox เติมให้ด้วย | ผลลัพธ์ | |:--------------|:------------------|:--------| | มองไม่เห็นรูปภาพ | `image_ocr` (Tesseract ไทย+อังกฤษ) | อ่านข้อความในรูปได้ทุกโมเดล | | ดูวิดีโอไม่ได้ | `video_ocr` (ffmpeg มากับตัวติดตั้ง + OCR) | ได้ข้อความพร้อม timestamp `[m:ss]` จากวิดีโอ | | ฟังเสียงไม่ได้ | `audio_transcribe` (whisper.cpp ในเครื่อง) | ถอดเสียงพูดเป็นข้อความพร้อม `[m:ss]` ทั้งไฟล์เสียงและวิดีโอ | | เปิด PDF ไม่ได้ | `pdf_read` (poppler มากับตัวติดตั้ง) | แนบ PDF แล้วให้สรุปได้เลย ภาษาไทยไม่เพี้ยน | | ลงมือทำในเว็บไม่ได้ | `browser_open`/`read`/`click`/`type` | อ่านหน้าเว็บจริง คลิก กรอกฟอร์ม เลือก dropdown แทนได้ | ส่วนโมเดลที่มองเห็นภาพได้อยู่แล้ว Aetox ส่งภาพให้ตรงๆ — `read` ไฟล์รูปแล้วได้รูปจริงกลับไป ไม่ใช่ข้อความที่ OCR เดามา `image_ocr` จึงเป็นทางสำรองของโมเดลที่มองไม่เห็น ไม่ใช่ทางเดียวอีกต่อไป ลูปเต็มของโมเดลที่ไม่มีตาไม่มีหู: รูปหรือคลิป → `image_ocr` / `video_ocr` / `audio_transcribe` แปลงเป็นข้อความ → ตัดสินใจ → `browser_click/type` ลงมือทำต่อในเว็บ คลิปหนึ่งไฟล์ยิงทั้ง `video_ocr` และ `audio_transcribe` ได้ — ทั้งคู่คืน `[m:ss]` ฟอร์แมตเดียวกัน อ่านต่อกันเป็นสคริปต์เดียว > โมเดลไหนก็ได้ ยิ่งถูกยิ่งดี — ความสามารถอยู่ที่สถาปัตยกรรม ไม่ใช่ราคาโมเดล --- ## ⚡ เบา เร็ว เสถียร — วัดเทียบของจริง ไม่ใช่คำโฆษณา **Aetox ไม่ใช่แค่กล่องแชท** — ข้างในมี editor ตัวเดียวกับที่ VS Code ใช้ (Monaco), เทอร์มินัล, ทรีไฟล์, เบราว์เซอร์ที่ agent สั่งงานได้ และตัวตรวจ error ด้วย LSP นั่นคือของที่คนเปิด IDE ไปใช้จริงๆ เกือบทั้งหมด — เราเลยกล้าวางเทียบทั้งกับเครื่องมือ AI และกับแอปที่มีหน้าจอครบแบบเดียวกัน **พื้นที่ที่กินในเครื่องหลังติดตั้ง** — น้อยกว่าดีกว่า วัดบนเครื่องเดียวกัน (Windows 11) ``` Aetox █ 35 MB Copilot CLI █████ 137 MB Claude Code ████████ 236 MB Zed ██████████████ 419 MB Qwen ████████████████ 457 MB OpenCode █████████████████ 498 MB Comet █████████████████ 501 MB Codex ████████████████████████ 698 MB Cursor ██████████████████████████████ 874 MB Windsurf ████████████████████████████████ 940 MB Antigravity ███████████████████████████████████ 1,030 MB VS Code ████████████████████████████████████████ 1,171 MB ``` **เทียบกับเครื่องมือ AI ที่ทำงานเดียวกัน** — Claude Code, Codex CLI, OpenCode เป็น AI ช่วยเขียนโค้ดเหมือนกัน ต่างกันตรงที่มันเป็นแค่หน้าจอพิมพ์คำสั่ง ไม่มี UI ให้กดสักปุ่ม Aetox มีหน้าจอครบแล้วยัง **เล็กกว่า Claude Code 7 เท่า** **เทียบกับแอปที่มีหน้าจอครบเหมือนกัน** — Aetox เล็กกว่า Cursor **26 เท่า** Windsurf **28 เท่า** Antigravity **31 เท่า** เล็กกว่า VS Code **35 เท่า** ทั้งที่ฝัง editor ตัวเดียวกัน มีเทอร์มินัล มีเบราว์เซอร์ในตัวเหมือนกัน > **ขอบเขตที่เราไม่เคลม:** Aetox ไม่ได้มาแทน IDE ของคุณ — ไม่มี debugger, ไม่มีร้านส่วนขยายเป็นหมื่นตัว, > LSP รองรับ Go / TypeScript / Svelte / Python / Rust เท่านั้น สิ่งที่ตัวเลขนี้บอกคือ **เฉพาะของที่ทับกัน เราทำได้ในขนาดเท่านี้** > ไม่ใช่ว่าเราทำได้ทุกอย่างที่ IDE ทำ ### แล้วทำไมยังต้องกลับไปพิมพ์ในเทอร์มินัลอีก? ปกติเหตุผลที่คนเลือก CLI คือ *"มันเบากว่า"* — ลองดูกราฟข้างบนอีกที **มันไม่จริงแล้ว** CLI ทุกตัวในลิสต์นั้นใหญ่กว่า Aetox ที่มีหน้าจอครบทั้งหมด: Copilot CLI ใหญ่กว่า **4 เท่า** · Claude Code **7 เท่า** · OpenCode **15 เท่า** · Codex **21 เท่า** — ทั้งที่ทั้งหมดนั้นให้คุณได้แค่ช่องพิมพ์คำสั่ง ตอนเปิดใช้งานจริง Aetox กินแรมราว **40 MB** — น้อยกว่าแท็บ Chrome หนึ่งแท็บ ในขณะที่คุณได้ทั้ง editor (Monaco ตัวเดียวกับ VS Code), เทอร์มินัล, ทรีไฟล์, เบราว์เซอร์ที่ agent สั่งได้, และ LSP ตรวจ error แปลว่า **การเลือก CLI ไม่ได้ประหยัดอะไรอีกต่อไป** คุณแค่จ่ายแพงกว่าเพื่อจะได้ของน้อยกว่า 😄 | สิ่งที่คุณเสียไปเมื่อกลับไปใช้ CLI | Aetox Desktop ให้อะไรแทน | |:---|:---| | ไฟล์ที่ agent ทำเสร็จ ต้องไปหาเองในโฟลเดอร์ | การ์ดไฟล์ขึ้นใต้คำตอบเลย กดปุ่มเดียวเปิด — ตาราง Excel ดูในแอปได้ทันที | | agent เปิดเว็บไม่ได้ ต้องก๊อป URL ไปเปิดเอง | Workbench มีเบราว์เซอร์จริงที่ agent คลิก/กรอกฟอร์มเองได้ | | ตอบคำถาม agent ด้วยการพิมพ์ y/n | กดปุ่มเลือก A/B/C/D ที่ agent สร้างให้ | | ประวัติงานหายไปกับ scrollback ที่ถูกล้าง | เก็บใน SQLite ค้นย้อนหลังได้ทั้งไทย/อังกฤษ · agent ค้นเองได้ด้วย | | อยากดูว่าโมเดลคิดอะไร ต้องเปิด verbose แล้วอ่านเอง | กดดูได้ทุกคำตอบว่าคิดกี่วินาที คิดอะไร | > เราไม่ได้บอกว่า CLI ไม่ดี — แต่ถ้าเหตุผลเดียวที่ยังใช้คือ "กลัวแอปหนัก" เหตุผลนั้นหมดอายุไปแล้วครับ > (Aetox เองก็มี CLI อยู่ในซอร์ส แต่**ยังไม่ปล่อยเป็นสินค้า** — เพราะเดสก์ท็อปทำได้ครบกว่าในขนาดที่เล็กกว่า CLI ตัวอื่นอยู่แล้ว) **เวลาเปิดและ RAM** — เครื่องมือแบบพิมพ์คำสั่งไม่มีหน้าจอให้จับเวลาเปิด เทียบส่วนนี้ได้เฉพาะกับแอปที่มี UI ด้วยกัน (Zed เขียนด้วย Rust เป็นแอปเนทีฟที่ขึ้นชื่อเรื่องเบา เป็นไม้บรรทัดที่โหดกว่าการไปเทียบกับแอปที่อืดอยู่แล้ว) | วัดอะไร | Aetox | Zed | Cursor | |:---|:---|:---|:---| | **เปิดครั้งแรก** (เครื่องยังไม่แคช) | **1.77 วิ** | 2.12 วิ | — | | **เปิดครั้งถัดๆ ไป** | **0.53 วิ** | 0.53 วิ | — | | **RAM ที่จองไว้จริง** (private) | **252 MB** | 471 MB | 1,750 MB | | **จำนวน process ที่เปิดค้างไว้** | **7** | 4 | 10 | | **พื้นที่ในเครื่อง** | **35 MB** | 419 MB | 874 MB | เปิดเร็วเสมอ Zed ที่ราวครึ่งวินาที ใช้ RAM ราวครึ่งเดียวของ Zed และราว 1 ใน 7 ของ Cursor **ความเสถียร** — `go test ./...` ผ่าน **1075/1075** ครอบคลุม 34 package, 0 fail · ฝั่งหน้าจออีก **304/304** > **เงื่อนไขของตัวเลข Cursor:** วัดตอนที่มันเปิดค้างใช้งานอยู่จริงราว 6 นาที พร้อมส่วนเสริมที่ผู้ใช้เครื่องนี้ติดตั้งไว้ > — เป็นสภาพใช้งานจริง แต่ไม่ใช่สภาพเปล่าเท่ากับที่วัด Aetox กับ Zed จึงไม่ได้จับเวลาเปิดให้ เพราะต้องปิดโปรแกรมที่เจ้าของเครื่องกำลังใช้อยู่ > > **VS Code:** กำลังรันงานอยู่บนเครื่องที่วัด ปิดเพื่อวัดไม่ได้ จึงมีแค่ตัวเลขขนาด ### ⚡ เร็วตรงที่คนอื่นมองข้าม — ต้นทุนต่อการคุย 1 ครั้ง เบาตอนติดตั้งเป็นเรื่องหนึ่ง เบาตอน**ใช้งานจริง**เป็นอีกเรื่อง ทุกครั้งที่คุณกดส่ง แอปต้องประกอบคำขอก่อนถึงจะยิงไปหาโมเดล ตรงนั้นแหละที่แอบกินเวลาและเงินโดยไม่มีใครเห็น **เวลาที่ตัวแอปกินเอง** — งานหนักสุดที่ทำก่อนยิงคำขอ คือประกอบรายการเครื่องมือทั้งชุดแล้วแปลงเป็น JSON ``` Aetox 0.12 มิลลิวินาที ต่อการคุย 1 ครั้ง (ยื่น tools แกนกลางครบชุด) ``` เท่ากับ **1 ใน 8,000 ของวินาที** — เวลาที่คุณรอคือเวลาที่โมเดลคิด ไม่ใช่เวลาที่แอปเตรียมของ > วัดเฉพาะขั้นตอนนี้ ไม่ได้รวมทั้งเส้นทาง — 300 รอบ ทำซ้ำ 3 ครั้ง ได้ค่ากลาง 119 ไมโครวินาที **ค่า API ที่ประหยัดได้จริง** — โมเดลฝั่ง cloud คิดเงินโทเคนที่ "จำได้แล้ว" ถูกกว่าโทเคนใหม่หลายเท่า แต่มันจะจำได้ก็ต่อเมื่อคำขอที่ส่งไปเหมือนเดิมเป๊ะทุก byte จากต้น Aetox ออกแบบให้ส่วนหัวของคำขอนิ่งสนิททุกครั้ง วัดจากบทสนทนาจริง 6 คำถามต่อเนื่อง ยื่น tools แกนกลางครบทุกครั้ง (DeepSeek): ``` คำถามที่ 1 input 2,963 โทเคน จำได้ 2,944 99% คำถามที่ 2 input 2,983 โทเคน จำได้ 2,944 98% คำถามที่ 3 input 3,001 โทเคน จำได้ 2,944 98% คำถามที่ 4 input 3,019 โทเคน จำได้ 2,944 97% คำถามที่ 5 input 3,038 โทเคน จำได้ 2,944 96% คำถามที่ 6 input 3,062 โทเคน จำได้ 2,944 96% ───────────────────────────────────────────────── รวม 17,664 จาก 18,066 โทเคน มาจากแคช = 97% ``` **97% ของ input ที่คุณจ่าย เป็นราคาถูก** — ยิ่งคุยยาว ยิ่งได้เปรียบ เพราะส่วนที่ซ้ำมีแต่จะโตขึ้น > จุดนี้พลาดง่ายกว่าที่คิด: ถ้าลำดับ tools ที่ส่งไปสลับไปมาแม้แต่นิดเดียว แคชจะพังทั้งก้อนทุกครั้ง โดยไม่มี error ไม่มี log ให้เห็น — เห็นแค่บิลที่แพงขึ้นเงียบๆ > > **ตัวเลขนี้ใช้ได้กับเจ้าที่แคชให้อัตโนมัติ** (DeepSeek ที่วัด, OpenAI) ส่วน Anthropic ต้องประกาศจุดแคชในคำขอเอง ซึ่ง Aetox ยังไม่ได้ส่ง — ใช้ Claude ตอนนี้จึงยังไม่ได้ส่วนลดนี้ 🔜 กำลังทำ **รันโมเดลในเครื่องตัวเองก็ยังไหว** — โมเดล 9B บนการ์ดจอบ้านๆ ยื่น tools แกนกลางครบชุด (~3,000 โทเคนต่อคำขอ) วัดแบบสลับกันคนละรอบ เอาค่ากลาง | | เริ่มพ่นคำตอบ | จบทั้งคำตอบ | |:---|:---|:---| | **Ollama** (ornith:9b) | 1.75 วิ | 7.14 วิ | | **LM Studio** (ornith-1.0-9b) | 1.42 วิ | 2.72 วิ | ทั้งคู่ได้ครบ — สตรีมคำตอบสด, เห็นความคิดของโมเดลสดๆ, เรียก tools เขียนไฟล์จริง, นับโทเคนถูกต้อง > ไม่ได้เอามาชี้ว่าเจ้าไหนดีกว่า — คนละไฟล์โมเดล คนละการตั้งค่า วัดคนละครั้ง ที่บอกได้คือ **ยัด tools ครบชุดเข้าไปแล้วโมเดลในเครื่องยังเริ่มตอบใน 1.5 วินาที** ไม่ได้อืดจนใช้ไม่ได้ > > รอบแรกสุดของ Ollama จับได้ 41 วินาที เพราะมันต้องยกโมเดลขึ้น GPU ก่อน ตัวเลขข้างบนเป็นค่าตอนโมเดลอยู่ในเครื่องแล้ว ซึ่งคือสภาพที่คุณเจอตลอดการใช้งานจริง **ทำไมถึงเบาและเสถียรได้:** | เรื่อง | Aetox | แอป desktop สาย Electron ทั่วไป | |:---|:---|:---| | **Stack** | Go + Wails + Svelte 5 (TypeScript) | Electron + Node.js | | **หน้าจอแอป** | ใช้ WebView2 ที่ Windows มีอยู่แล้ว ใช้ร่วมกับแอปอื่นได้ | แบก Chromium มาเป็นสำเนาของตัวเอง | | **Runtime ที่ต้องลงเพิ่ม** | ไม่มี — ไฟล์เดียวรันได้ทันที | ต้องฝัง Node.js runtime มาในแอป | | **การตรวจชนิดข้อมูล** | Go + TypeScript ตรวจตั้งแต่ตอนคอมไพล์ (`svelte-check` คุมฝั่ง UI) | ขึ้นกับโปรเจกต์ | | **Dependency ตอนรัน** | ไม่มี `node_modules` ให้เวอร์ชันตีกันตอนอัปเดต | ยิ่ง dependency เยอะ ยิ่งเสี่ยง break ตอนอัปเดต | > ตรงไปตรงมาเรื่อง RAM: WebView2 ก็คือ Chromium เหมือนกัน ตัวเลข 252 MB จึงไม่ใช่การเอาชนะ Electron ที่หน่วยความจำ — > ที่ต่างจริงคือมันเป็นของที่ Windows มีอยู่แล้วและใช้ร่วมกับแอปอื่นได้ เราจึงไม่ต้องแถมสำเนาของตัวเองมาให้คุณเก็บไว้อีกชุด > เบาไม่ได้แปลว่าตัดฟีเจอร์ทิ้ง — 32 tools ในตัว, 18 providers, sub-agent delegation ครบ ในตัวติดตั้ง 13 MB --- ## 🔒 ความปลอดภัยของข้อมูลคุณ Aetox ไม่ส่งข้อมูลอะไรออกจากเครื่องคุณนอกจากที่คุณสั่งให้ทำ | เรื่อง | สถานะตอนนี้ | |:---|:---| | **ประวัติแชท / ไฟล์โปรเจกต์** | อยู่ในเครื่องคุณล้วนๆ (SQLite ท้องถิ่น) ไม่มี server ของเราคั่นกลาง | | **อยากตัดขาดจาก cloud ทั้งหมด** | รันโมเดลผ่าน **LM Studio / Ollama** บนเครื่องคุณเองได้ — prompt ไม่ออกจากเครื่องแม้แต่ byte เดียว | | **คำสั่งที่ agent รัน** | รันเฉพาะในโฟลเดอร์โปรเจกต์ที่คุณเปิด ออกนอกโฟลเดอร์ไม่ได้ และมีบันทึกไว้ทุกคำสั่ง | | **API key** | ตอนนี้เก็บเป็นไฟล์ plaintext ในเครื่อง ยังไม่เข้ารหัส — 🔜 กำลังย้ายเข้า Windows DPAPI ก่อน แล้วขยายไป macOS Keychain / Linux secret service ตามแพลตฟอร์มที่รองรับเพิ่ม | ถ้าใช้ cloud provider (OpenAI, Anthropic ฯลฯ) ข้อมูลที่ส่งออกคือสิ่งที่ provider นั้นเห็นตามปกติของ API เขา — Aetox เองไม่มี server หรือ analytics คั่นกลางเพื่อเก็บข้อมูลคุณต่อ --- ## ปรัชญา | หลักการ | ความหมาย | |:--------|:---------| | **Architecture > Parameters** | สถาปัตยกรรมที่ดีเอาชนะ parameter ล้านล้านได้ | | **Freedom > Convenience** | ไม่มี lock-in คุ้มค่ากว่าความสะดวกที่ผูกมัด | | **You Own It** | คุณเป็นเจ้าของระบบ — ข้อมูล, โมเดล, การตั้งค่า ทั้งหมดเป็นของคุณ | | **Direction > Execution** | ทิศทางสำคัญกว่าพลังดิบ — รู้ว่าต้องไปไหนก่อนลงมือ | | **Pattern > Ad-hoc** | สร้าง pattern ไม่ใช่สร้างเฉพาะกิจ — ทำครั้งเดียว, automate ถาวร | | **Simplicity > Complexity** | แก้ปัญหาด้วยวิธีที่ง่ายที่สุด ไม่ใช่เพิ่ม layer โดยไม่จำเป็น | --- ## สถานะปัจจุบัน — v0.9.2 Aetox ยังอยู่ในช่วงหล่อหลอม — แกนกลางพร้อมแล้ว ชั้นถัดไปกำลังถูกสร้าง ### ✅ พร้อมใช้ตอนนี้ | ความสามารถ | รายละเอียด | |:-----------|:-----------| | **13 Providers** | OpenAI, Anthropic, DeepSeek, Google Gemini, Groq, Mistral, Together, Perplexity, Cohere, OpenRouter, Z.ai, LM Studio, Ollama | | **Tool Calling** | model-driven tool loop — agent เลือกใช้ tools เอง | | **ส่งงานกลับเป็นไฟล์ Office จริง** | สั่งได้จากแชท แล้ว**ตัวแทน**เป็นคนทำ (`doc` / `sheet` / `deck`) — ผู้ช่วยหลักไม่แบกเครื่องมือพวกนี้ จึงไม่จ่ายค่ามันในทุกคำถาม · `sheet_write` → `.xlsx` · `slides_write` → `.pptx` · `doc_write` → `.docx` — ไฟล์ที่ Excel / PowerPoint / Word เปิดได้จริง ตัวเลขลาก `SUM` ได้ วันที่เรียงได้ ภาษาไทยสระไม่ลอย · ประกอบเองล้วนด้วย `archive/zip` + `encoding/xml` **ไม่มี dependency เพิ่มแม้แต่ตัวเดียว** · คลิกไฟล์ `.xlsx` แล้วดูเป็นตารางในแอปได้เลย ไม่ต้องเปิดโปรแกรมอื่น | | **Tools ที่โมเดลเรียกได้** | 33 ตัวในเครื่องยนต์ (read, write, sheet_write, slides_write, doc_write, edit, shell, git, grep, glob, symbol, notebook_edit, calc, image_ocr, video_ocr, pdf_read, audio_transcribe, skills_list, skill_view …) + browser_* + session_search + suggest_task + sub-agent + ที่ต่อจาก MCP | | **รันโค้ดที่เพิ่งเขียนเองได้** | agent เรียก `shell` และ `git` เองได้ — แก้โค้ดเสร็จ รันเทสต์ อ่านผล แล้วแก้ต่อในเทิร์นเดียว · คำสั่งที่ไม่จบเอง (dev server, watch build) สั่งให้รันเบื้องหลังแล้วตามอ่าน log ทีหลังได้ | | **Safety 3 ระดับ** | ถามก่อน → คำสั่งเสี่ยง → รันเต็มที่ | | **Multi-provider** | ใช้ providers ต่างกันใน session เดียวกัน | | **Model Switching** | เปลี่ยน provider/model ได้ทันที โดยไม่เสีย context | | **Streaming** | แสดงผลแบบ real-time สำหรับ conversation | | **Auto-save Preference** | ค่า provider, model, API key, approval mode จำอัตโนมัติ | | **Desktop App** | Wails + Svelte 5 — Sidebar (file tree + chat history), Chat, Workbench (tabs: Terminal, Files, Browser, File Editor, Sheet Preview), TopBar | | **Persistent Sessions** | ประวัติแชททุกโปรเจกต์เก็บใน SQLite ท้องถิ่น (ไม่มีข้อมูลออกจากเครื่อง) — ค้นหาแบบ full-text ได้ทั้งไทย/อังกฤษ | | **Agent ค้นความจำตัวเองได้** | พูดว่า "เหมือนคราวที่แล้ว" แล้ว agent ไปค้นเองว่าคราวที่แล้วคุยอะไรและ **ทำอะไรไว้** (`session_search`) — ค้นทั้งบทสนทนาและงานที่ tool เคยทำจริง ไทยก็ค้นได้ · ไม่เรียกโมเดลเพิ่ม จึงไม่มีค่าใช้จ่ายต่อการค้นหนึ่งครั้ง | | **Agent-controlled Browser** | Agent เปิด/อ่าน/คลิก/พิมพ์ในเว็บจริงบนแท็บ Workbench ได้เอง (`browser_open`/`browser_read`/`browser_click`/`browser_type`) — ไม่ติด X-Frame-Options เหมือน iframe, คลิกด้วย ref ที่ `browser_read` แปะให้ (แบบเดียวกับ Playwright MCP/browser-use) | | **Interactive Agent** | เมื่อ agent ติดสินใจไม่ได้ มันหยุดถามคุณเป็นตัวเลือก A/B/C/D ให้กดเลือก · งานใหญ่ agent ทำ checklist ให้เห็นความคืบหน้าสดๆ · ความคิดของโมเดลถูกเก็บไว้ทุกคำตอบ กดย้อนดูได้ว่า "คิดเป็นเวลากี่วินาที คิดอะไร" · ปุ่ม Stop หยุดงานกลางคันได้ตลอด | | **Sub-agent Delegation** | agent หลักมอบงานย่อยให้ agent ลูกไปทำในพื้นที่ความจำแยก โดยไม่บล็อกเทิร์นหลัก — ทำขนานได้พร้อมกันสูงสุด 4 ตัว ถ้าลูกติดตัดสินใจไม่ได้ก็หยุดถามกลับมาที่ agent หลักเอง | | **ลองก่อนมีคีย์** | provider `aetox` ในตัวมีโมเดลจำลองให้ลองทุกฟีเจอร์โดยไม่ต้องสมัครอะไรเลย — โมเดลที่เรียก tools จริง, โมเดลคิดยาว, แกลเลอรีรูป, markdown ครบชุด | | **จ่ายน้อยลงต่อบทสนทนา** | คุยกับ Claude ยาว ๆ ราคาลดลงเองตั้งแต่ข้อความที่สอง เพราะส่วนที่ไม่เปลี่ยนถูก cache ไว้ฝั่งผู้ให้บริการ (ดูตัวเลขจริงได้ในหน้า usage) · ติดตั้ง skill ไว้กี่ตัวก็ได้โดยที่แต่ละคำถามไม่แพงขึ้น — agent เปิดอ่านเฉพาะตัวที่จะใช้ · งานซ้ำ ๆ หลายร้อยไฟล์ agent เขียนสคริปต์รวบเดียวจบแทนการสั่งทีละไฟล์ | | **หนึ่งตัวแทน = หนึ่งโฟลเดอร์** | นิยาม ความจำ และ (เร็วๆ นี้) เครื่องมือของตัวแทนแต่ละคนอยู่ที่เดียวกัน — `agents/<ชื่อ>/` · จ้างคือวางไฟล์ ลบคือลบโฟลเดอร์ · คืนค่าตัวแทนที่ฝังมาแล้วความจำที่มันสะสมไว้ไม่หาย เพราะความจำเป็นของชื่อ ไม่ใช่ของ brief | | **MCP เลือกได้ว่าใครเห็น** | ตั้ง server ครั้งเดียว แล้วติ๊กว่าจะให้โผล่ที่โต๊ะไหน ตัวแทนคนไหน — server ที่ลงให้ตัวแทนวิดีโอจะไม่ไปกินที่ในบทสนทนาปกติ · เขียน `${env:KEY}` แทนการวาง API key ลงไฟล์ตั้งค่าได้ | | **ความลับแยกจากค่าตั้งค่า** | API key และ OAuth token อยู่ไฟล์ของตัวเอง เข้ารหัสกับบัญชี Windows (DPAPI) · ไฟล์ตั้งค่ายังเปิดอ่านและยกไปถามใครก็ได้โดยไม่ติดความลับไปด้วย · key ถูกลบออกจาก log, audit log และประวัติการใช้ tool อัตโนมัติ | | **รู้ตัวว่ามีเวอร์ชันใหม่** | Settings → เกี่ยวกับ Aetox บอกเวอร์ชันที่ติดตั้งและวิธีที่ติดตั้งมา · กดตรวจแล้วมันตอบให้ตรงกับช่องนั้น — ลงผ่าน Scoop ก็บอกคำสั่ง `scoop update aetox` ไม่ใช่ชวนโหลด zip มาแตกทับ · ไม่ยิงเน็ตจนกว่าจะกด และปิดถาวรได้ด้วย `AETOX_DISABLE_UPDATE_CHECK` | ### 🚧 เส้นทางถัดไป — จาก Agent เดี่ยว สู่ทีม Agent Aetox วันนี้มอบงานให้ sub-agent ลูกได้แล้ว เป้าหมายถัดไปคือให้ทีม agent ทำงานพร้อมกันหลายตัว: | ขั้น | คืออะไร | สถานะ | |:---|:---|:---| | **1. ทีม Agent ขนาน** | agent ลูกหลายตัวทำงานพร้อมกัน เช่น ค้นข้อมูล 5 มุมพร้อมกัน หรือ review โค้ดหลายแง่มุมในคราวเดียว — แต่ละตัวใช้โมเดลคนละค่ายได้ | ถัดจาก sub-agent (พร้อมใช้แล้ว) | | **2. Multi-Agent Orchestration** | ทีมที่มีบทบาทชัดเจน (วางแผน / เขียนโค้ด / ตรวจ) ส่งงานต่อกันเอง รวมถึงให้หลายโมเดลถกเถียงกันเพื่อหาคำตอบที่ดีที่สุด | วิสัยทัศน์ระยะยาว | | **3. Automation Engine** | บอกเป็นภาษาไทยว่าอยากให้ทำอะไรซ้ำๆ เมื่อไหร่ → Aetox สร้าง script และตั้งเวลารันให้เอง | หลัง core agent แข็งแรง | รากฐานสำหรับเส้นทางนี้ถูกวางไว้แล้วตั้งแต่ต้น: agent แต่ละตัวเป็นหน่วยจบในตัวที่มีโมเดลและความจำของตัวเอง เครื่องมือทั้งหมดแชร์ผ่าน interface กลาง และคำขออนุญาตทุกอย่างวิ่งผ่านด่านความปลอดภัยจุดเดียว — การเพิ่มทีม agent จึงเป็นการต่อยอด ไม่ใช่การรื้อสร้างใหม่ ### 🔮 อนาคตไกลกว่านั้น - Aetox Ecosystem — plugin, marketplace, community skills - Knowledge Base — Obsidian + codebase + web - AGI-level reasoning — ensemble, debate, cross-validation - Personal AI that grows with you --- ## เริ่มต้นใช้ Aetox เป็นแอปเดสก์ท็อปบน Windows โหลดแล้วเปิดใช้ได้เลย ไม่ต้องมี API key ก่อน — provider `aetox` ในตัวมีโมเดลจำลองให้ลองทุกฟีเจอร์ก่อนตัดสินใจ **ตัวติดตั้ง** — [ดาวน์โหลดตัวล่าสุด](https://github.com/Mike0165115321/Aetox/releases/latest/download/aetox-amd64-installer.exe) ติดตั้งแล้วมีใน Start Menu จัดการ Tesseract (OCR) ให้อัตโนมัติ **Scoop** — ถ้าใช้ scoop อยู่แล้ว ```powershell scoop install https://raw.githubusercontent.com/Mike0165115321/Aetox/main/scoop/aetox.json ``` **Portable** — [โหลด zip ไม่ต้องติดตั้ง](https://github.com/Mike0165115321/Aetox/releases/latest/download/aetox-windows-amd64-portable.zip) แตกแล้วรัน `aetox.exe` · [ดูไฟล์ทั้งหมดของรุ่นล่าสุด](https://github.com/Mike0165115321/Aetox/releases/latest) > ตัวติดตั้งยังไม่ได้ code signing ครั้งแรก Windows SmartScreen จะขึ้นเตือน "unknown publisher" — > กด More info → Run anyway ### build เอง ```powershell cd desktop wails build # ได้ desktop/build/bin/aetox.exe wails build -nsis # พร้อมตัวติดตั้ง ``` --- ## Architecture ``` ┌──────────────────────────────────────────┐ │ Aetox Desktop (UI) │ ← Wails + Svelte cockpit │ Sidebar(tree+history) · Chat · Workbench │ Workbench = tabs: Terminal, │ (tabs) · TopBar │ Files, Browser, Editor, Sheet ├──────────────────────────────────────────┤ │ Local Store (SQLite, FTS5) │ ← ประวัติแชททุกโปรเจกต์ ค้นหาได้ │ เก็บในเครื่อง ไม่มีข้อมูลออกไปไหน │ ทั้งไทย/อังกฤษ, ไม่มี cloud ├──────────────────────────────────────────┤ │ │ │ Directional Cognition Engine │ ← วิธีคิด — ensemble, routing, │ Parallel Ensemble | Specialist Route │ cross-validation, synthesis │ Cross-Validation | Synthesis │ (ออกแบบ) │ │ ├──────────────────────────────────────────┤ │ Multi-Provider Orchestration │ ← ใช้หลาย providers พร้อมกัน │ Router | Comparator | Consensus │ เปรียบเทียบ เลือกคำตอบที่ดีที่สุด │ │ ├──────────────────────────────────────────┤ │ Core Runtime │ ← แกนกลางที่ทำงานแล้ว │ 13 Providers | Tools | Turn Loop │ │ Safety | Audit | Config │ ├──────────────────────────────────────────┤ │ Terminal + File System │ │ shell | git | read | write | search │ └──────────────────────────────────────────┘ ``` --- ## Providers ที่รองรับ | Provider | API Key | Tool Calling | Reasoning | |:---------|:--------|:------------|:----------| | **OpenAI** | `OPENAI_API_KEY` | ✅ | ✅ | | **Anthropic** | `ANTHROPIC_API_KEY` | ✅ | ✅ | | **DeepSeek** | `DEEPSEEK_API_KEY` | ✅ | ✅ | | **Google Gemini** | `GEMINI_API_KEY` | ✅ | ✅ | | **Groq** | `GROQ_API_KEY` | ✅ | ✅ | | **Mistral** | `MISTRAL_API_KEY` | ✅ | ❌ | | **Together** | `TOGETHER_API_KEY` | ✅ | ❌ | | **Perplexity** | `PERPLEXITY_API_KEY` | ✅ | ❌ | | **Cohere** | `COHERE_API_KEY` | ✅ | ❌ | | **OpenRouter** | `OPENROUTER_API_KEY` | ✅ | ✅ | | **Z.ai** | `ZAI_API_KEY` | ✅ | ✅ | | **LM Studio** | ท้องถิ่น (localhost) | ✅ | ✅ | | **Ollama** | ท้องถิ่น (localhost) | ✅ | ✅ | > **โมเดลในเครื่องได้ครบเท่า cloud** — สองเจ้านี้เลือกโมเดลที่คุณโหลดไว้ให้เอง ไม่ต้องพิมพ์ชื่อ, > สตรีมทั้งคำตอบและความคิดของโมเดล, เรียก tools ได้จริง และนับโทเคนเข้าหน้าสถิติเหมือนกัน --- ## Tools ในตัว (32 ตัว) | Tool | ใช้ทำอะไร | |:-----|:----------| | `read` | อ่านไฟล์ | | `write` | เขียนไฟล์ทั้งไฟล์ | | `sheet_write` | สร้างไฟล์ Excel `.xlsx` จริง — หลายชีต ตัวเลข/วันที่เป็นชนิดจริง | | `slides_write` | สร้างไฟล์ PowerPoint `.pptx` จริง — หัวข้อ บุลเล็ต รูป โน้ตผู้บรรยาย | | `doc_write` | สร้างไฟล์ Word `.docx` จริง — หัวข้อ ย่อหน้า ลิสต์ ตาราง | | `edit` | แก้ไขไฟล์แบบ search & replace เป๊ะๆ | | `delete` | ลบไฟล์ | | `list` | ดูรายการไฟล์ใน directory | | `shell` | รันคำสั่ง shell | | `git` | คำสั่ง git | | `grep` | ค้นหาข้อความในไฟล์ (regex) | | `fs` | file system operations | | `echo` | ทดสอบ output | | `time` | แสดงเวลาปัจจุบัน | | `calc` | คำนวณด้วยการรันสคริปต์ JavaScript ในตัวแอป — ไม่ต้องลงอะไร แตะไฟล์/เน็ตไม่ได้ ผู้ใช้เห็นสคริปต์ข้างคำตอบ | | `help` | แสดง help | | `github_repo_summary` | สรุป repo จาก GitHub | | `plugin_install` | ติดตั้ง plugin จาก GitHub | | `image_ocr` | อ่านข้อความจากรูป (Tesseract ไทย+อังกฤษ) | | `pdf_read` | อ่านข้อความจากไฟล์ PDF (poppler ติดตั้งมาให้พร้อมแอป) | | `video_ocr` | อ่านข้อความจากวิดีโอ (ffmpeg แตกเฟรม + OCR พร้อม timestamp) | | `audio_transcribe` | ถอดเสียงพูดในไฟล์เสียง/วิดีโอเป็นข้อความ (whisper.cpp ออฟไลน์ ไทย+อังกฤษ) | | `web_fetch` | อ่านเนื้อหาหน้าเว็บ | | `web_search` | ค้นเว็บ (DuckDuckGo, ไม่ต้องมี API key) | | `github_search` | ค้นโค้ด/repo บน GitHub | | `github_read_file` | อ่านไฟล์จาก repo GitHub | | `github_list_files` | ดูโครงสร้างไฟล์ของ repo GitHub | | `browser_open` | เปิดหน้าเว็บในแท็บ Workbench | | `browser_read` | อ่านหน้าเว็บ พร้อมแปะเลข ref ให้ทุก element | | `browser_click` | คลิก element ด้วยเลข ref | | `browser_type` | พิมพ์ลงช่อง หรือเลือก dropdown ด้วยเลข ref | --- ## จากผู้สร้าง > Aetox เกิดมาไม่ใช่เพื่อแข่งกับใคร > แต่มาเพื่อยืนในจุดที่ตลาดขาด > ไม่ใช่เพื่อเป็นอีกหนึ่ง agent framework > ไม่ใช่เพื่อ lock-in ผู้ใช้เข้าสู่ระบบใด > > Aetox คือ **ผู้ช่วยส่วนตัว** ที่พร้อมจะเติบโต > ระบบปลอดภัยพร้อมในสภาพแวดล้อมปิดแบบเต็มรูปแบบ > คือรากฐานของสถาปัตยกรรมที่จะควบคุมวิธีคิดของโมเดล > > — Mike (ชยพล พรมสะวะนา) --- ## สัญญาอนุญาตและแบรนด์ โค้ดอยู่ภายใต้ [Apache License 2.0](LICENSE) — ใช้ แก้ไข แจกจ่าย และใช้เชิงพาณิชย์ได้ฟรี รวมถึงในงานที่ปิดซอร์ส สิ่งที่ขอกลับมามีแค่สองอย่าง: เก็บไฟล์ [NOTICE](NOTICE) กับประกาศลิขสิทธิ์ไว้ และระบุให้ชัดว่าคุณแก้ไฟล์ไหนไปบ้าง ชื่อ **"Aetox"** และโลโก้เป็นเครื่องหมายการค้าของ ชยพล พรมสะวะนา ไม่ได้รวมอยู่ในสัญญาอนุญาต (ข้อ 6 ของ Apache 2.0) — fork ได้เต็มที่ แต่ตัวที่เอาไปแจกจ่ายต่อต้องใช้ชื่อและโลโก้ของคุณเอง เพื่อไม่ให้ใครสับสนว่าอันไหนคือต้นทาง เวอร์ชัน 0.7.1 และก่อนหน้าเผยแพร่ภายใต้ MIT — เวอร์ชันเหล่านั้นยังเป็น MIT ตลอดไป --- ## ติดต่อ เปิดรับการติดต่อเรื่องธุรกิจ ความร่วมมือ และการลงทุน — เป้าหมายระยะยาวคือเทรนโมเดลของเราเอง ให้สถาปัตยกรรมกับโมเดลถูกออกแบบมาเพื่อกันและกันตั้งแต่ต้น 📧 [phrmsawanachyphl@gmail.com](mailto:phrmsawanachyphl@gmail.com) · 🐙 [เปิด Issue](https://github.com/Mike0165115321/Aetox/issues) · ❤️ [สนับสนุนโปรเจกต์](SPONSOR.md) --- Project: [github.com/Mike0165115321/Aetox](https://github.com/Mike0165115321/Aetox) © 2026 Chayaphon Phromsawana · License: [Apache-2.0](LICENSE) · "Aetox" เป็นเครื่องหมายการค้า ไม่รวมอยู่ในสัญญาอนุญาต