Aetox

README

Aetox — Architecture > Parameters

🌐 ดูหน้าเว็บแนะนำ Aetox — เห็นภาพว่ามันทำอะไรได้บ้างใน 1 นาที · ⬇️ ดาวน์โหลด

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, หน้าดู git diff, เบราว์เซอร์ที่ agent สั่งงานได้ และตัวตรวจ error ด้วย LSP นั่นคือของที่คนเปิด IDE ไปใช้จริงๆ เกือบทั้งหมด — เราเลยกล้าวางเทียบทั้งกับเครื่องมือ AI และกับแอปที่มีหน้าจอครบแบบเดียวกัน

พื้นที่ที่กินในเครื่องหลังติดตั้ง — น้อยกว่าดีกว่า วัดบนเครื่องเดียวกัน (Windows 11)

Aetox         █                                           33 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, git diff, เบราว์เซอร์ที่ agent สั่งได้, และ LSP ตรวจ error

แปลว่า การเลือก CLI ไม่ได้ประหยัดอะไรอีกต่อไป คุณแค่จ่ายแพงกว่าเพื่อจะได้ของน้อยกว่า 😄

สิ่งที่คุณเสียไปเมื่อกลับไปใช้ CLI	Aetox Desktop ให้อะไรแทน
อ่าน diff เป็นข้อความสีเขียว-แดงในเทอร์มินัล	หน้า Review กดดูทีละไฟล์ กด revert ทีละก้อนได้
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 แต่ยังไม่ปล่อยเป็นสินค้า — 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	33 MB	419 MB	874 MB

เปิดเร็วเสมอ Zed ที่ราวครึ่งวินาที ใช้ RAM ราวครึ่งเดียวของ Zed และราว 1 ใน 7 ของ Cursor

ความเสถียร — go test ./... ผ่าน 983/983 ครอบคลุม 27 package, 0 fail · ฝั่งหน้าจออีก 165/165

เงื่อนไขของตัวเลข Cursor: วัดตอนที่มันเปิดค้างใช้งานอยู่จริงราว 6 นาที พร้อมส่วนเสริมที่ผู้ใช้เครื่องนี้ติดตั้งไว้ — เป็นสภาพใช้งานจริง แต่ไม่ใช่สภาพเปล่าเท่ากับที่วัด Aetox กับ Zed จึงไม่ได้จับเวลาเปิดให้ เพราะต้องปิดโปรแกรมที่เจ้าของเครื่องกำลังใช้อยู่

VS Code: กำลังรันงานอยู่บนเครื่องที่วัด ปิดเพื่อวัดไม่ได้ จึงมีแค่ตัวเลขขนาด

⚡ เร็วตรงที่คนอื่นมองข้าม — ต้นทุนต่อการคุย 1 ครั้ง

เบาตอนติดตั้งเป็นเรื่องหนึ่ง เบาตอนใช้งานจริงเป็นอีกเรื่อง ทุกครั้งที่คุณกดส่ง แอปต้องประกอบคำขอก่อนถึงจะยิงไปหาโมเดล ตรงนั้นแหละที่แอบกินเวลาและเงินโดยไม่มีใครเห็น

เวลาที่ตัวแอปกินเอง — งานหนักสุดที่ทำก่อนยิงคำขอ คือประกอบรายการเครื่องมือทั้งชุดแล้วแปลงเป็น JSON

Aetox  0.12 มิลลิวินาที  ต่อการคุย 1 ครั้ง (tools แกนกลาง 27 ตัว 18.1 KB)

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 — 27 tools ในตัว, 14 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 — v0.8.4

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
36 Tools ที่โมเดลเรียกได้	29 ตัวในเครื่องยนต์ (read, write, edit, shell, git, grep, glob, symbol, notebook_edit, 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: Review, Terminal, Files, Browser, File Editor), 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

🚧 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 ติดตั้งแล้วมีใน Start Menu จัดการ Tesseract (OCR) ให้อัตโนมัติ

Scoop — ถ้าใช้ scoop อยู่แล้ว

scoop install https://raw.githubusercontent.com/Mike0165115321/Aetox/main/scoop/aetox.json

Portable — โหลด zip ไม่ต้องติดตั้ง แตกแล้วรัน aetox.exe · ดูไฟล์ทั้งหมดของรุ่นล่าสุด

ตัวติดตั้งยังไม่ได้ code signing ครั้งแรก Windows SmartScreen จะขึ้นเตือน "unknown publisher" — กด More info → Run anyway

build เอง

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: Review,
│ (tabs) · TopBar                          │   Terminal, Files, Browser, Editor
├──────────────────────────────────────────┤
│    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 (27 ตัว)

Tool	ใช้ทำอะไร
read	อ่านไฟล์
write	เขียนไฟล์ทั้งไฟล์
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
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 — ใช้ แก้ไข แจกจ่าย และใช้เชิงพาณิชย์ได้ฟรี รวมถึงในงานที่ปิดซอร์ส สิ่งที่ขอกลับมามีแค่สองอย่าง: เก็บไฟล์ 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 · 🐙 เปิด Issue · ❤️ สนับสนุนโปรเจกต์

---

Project: github.com/Mike0165115321/Aetox
© 2026 Chayaphon Phromsawana · License: Apache-2.0 · "Aetox" เป็นเครื่องหมายการค้า ไม่รวมอยู่ในสัญญาอนุญาต