ສອບຖາມຫຼັກສູດເລືອກຊ່ອງທາງທີ່ສະດວກ ທີມງານຕອບເອງທຸກຊ່ອງທາງ
LINE @itgeniusຕອບໄວທີ່ສຸດ · ຈ–ສ 9:00–17:00 ໂມງ
ໂທລະສັບ
02-570-8449ຫ້ອງການ088-807-9770ມືຖື
ອີເມວ ແລະ ໂຊຊຽວ
contact@itgenius.co.thສຳລັບໃບສະເໜີລາຄາ ແລະ ເອກະສານFacebookitgeniusonlineYouTubeitgeniusengຂໍຄຳປຶກສາຈັດຝຶກອົບຮົມໃຫ້ທີມ
AI · AIC-109

Local AI Agent with Hermes and Ollama

หลักสูตร Local AI Agent with Hermes and Ollama เป็นการอบรมสร้าง AI Agent ส่วนตัวบนเครื่องของตนเองด้วยโมเดลโอเพนซอร์ส ตั้งแต่จัดการ Excel และ PDF ในเครื่อง เชื่อม MCP สร้าง Custom Skills จนถึงให้ AI เขียน Python และ Web App เหมาะกับคนทำงานสำนักงาน ทีมไอที และนักพัฒนาที่ต้องการให้ข้อมูลอยู่ในองค์กร

ອັບເດດລ່າສຸດ
ລາຄາເລີ່ມຕົ້ນ 5,310 ບາດ / ທ່ານ 5,900 −10% ຍັງບໍ່ລວມ VAT 7% · ມີລາຄາໝູ່ຄະນະ
PDFດາວໂຫຼດ Course Outline
  • ໄລຍະເວລາ12 ຊົ່ວໂມງ · 2 ມື້
  • ຮູບແບບຢູ່ສະຖາບັນ / ອອນລາຍສົດ
  • ຮອບຕໍ່ໄປເປີດຕາມຄຳຂໍ
  • ລະດັບຂັ້ນກາງ

ພາບລວມຫຼັກສູດ

หลายองค์กรอยากใช้ AI ช่วยทำงานเอกสาร สรุปรายงาน และงานซ้ำ ๆ แต่ติดปัญหาสองเรื่อง คือค่า API ที่เพิ่มขึ้นตามปริมาณงาน และความกังวลว่าไฟล์ภายในหรือข้อมูลส่วนบุคคลต้องอัปโหลดขึ้น Cloud ของผู้ให้บริการภายนอก วันนี้เราสามารถรัน AI Agent ส่วนตัวบนคอมพิวเตอร์ของตนเองด้วยซอฟต์แวร์โอเพนซอร์สและโมเดลที่ดาวน์โหลดมาใช้ได้ฟรี งานที่รันในเครื่องจึงไม่ต้องส่งข้อมูลออกนอกองค์กร และเมื่อดาวน์โหลดโมเดลไว้แล้วก็ทำงานได้แม้ไม่ได้ต่ออินเทอร์เน็ต

หลักสูตรนี้พาผู้เรียนสร้าง AI Agent ส่วนตัวด้วย Hermes Agent ซึ่งเป็น Agent โอเพนซอร์สจาก Nous Research ร่วมกับ Ollama และโมเดลโอเพนซอร์ส วันแรกเป็นแบบ No-Code ใช้ Agent เหมือนผู้ช่วยทำงานบนเครื่อง ตั้งแต่เลือกโมเดลให้เหมาะกับสเปกเครื่อง จัดการไฟล์ Excel และ PDF เชื่อม MCP ใช้ Browser Automation และสร้าง Custom Skills สำหรับงานประจำ วันที่สองเป็นแนว Agentic Coding ให้ AI เขียน Python จากภาษาธรรมชาติ เปลี่ยน Workflow เป็นงานอัตโนมัติ และสร้าง Web App ขนาดเล็ก พร้อมเรียนรู้ข้อจำกัดของโมเดลในเครื่องและการตั้งค่าความปลอดภัยอย่างตรงไปตรงมา (อบรม 2 วัน วันละ 6 ชั่วโมง รวม 12 ชั่วโมง ระดับ Intermediate)

ສິ່ງທີ່ທ່ານຈະໄດ້ຮັບ

  • ติดตั้งและเชื่อม Hermes Agent กับ Ollama บน Windows หรือ macOS ได้ด้วยตนเอง
  • เลือกโมเดลโอเพนซอร์สและตั้งค่า Context ให้เหมาะกับ RAM และงานของตนเอง
  • ใช้ Agent จัดการไฟล์ Excel และ PDF ในเครื่องโดยไม่ต้องอัปโหลดขึ้น Cloud
  • เชื่อม MCP Server และใช้ Browser Automation ช่วยเก็บข้อมูลจากเว็บได้
  • สร้าง Custom Skills และตั้งงานตามเวลาสำหรับงานประจำได้
  • ให้ AI เขียนและแก้ Python จากภาษาธรรมชาติ พร้อมตรวจผลก่อนใช้งาน
  • สร้างและรัน Web App ขนาดเล็กบนเครื่องของตนเองด้วยความช่วยเหลือของ Agent
  • ตั้งค่าสิทธิ์ โฟลเดอร์ทำงาน และแนวปฏิบัติด้าน PDPA เมื่อให้ Agent ทำงานกับข้อมูลจริง

ຫຼັກສູດນີ້ເໝາະສຳລັບ

  • คนทำงานสำนักงานที่ทำงานเอกสาร Excel และรายงานซ้ำ ๆ และอยากให้ AI ช่วยโดยข้อมูลไม่ออกนอกเครื่อง
  • ทีมไอทีและผู้ดูแลข้อมูลที่ต้องการทางเลือก AI ภายในองค์กรเพื่อลดค่า API
  • นักพัฒนาและนักวิเคราะห์ข้อมูลที่อยากใช้ AI ช่วยเขียน Python และสร้าง Web App
  • เจ้าของธุรกิจและหัวหน้าทีมที่อยากทดลอง AI Agent ก่อนนำไปใช้ทั้งองค์กร

ພື້ນຖານຂອງຜູ້ເຂົ້າຝຶກອົບຮົມ

  • ใช้คอมพิวเตอร์ จัดการไฟล์ และใช้ Excel ในงานได้คล่อง ไม่จำเป็นต้องเขียนโปรแกรมเป็น
  • หากเคยใช้ AI Chat หรือรู้จัก Python มาบ้างจะช่วยให้ทำ Lab วันที่สองได้เร็วขึ้น
  • Notebook Windows 10/11 หรือ macOS ที่มี RAM 16 GB ขึ้นไป (แนะนำ 32 GB) หรือ Mac ชิป M1 ขึ้นไป
  • ติดตั้งตามวิดีโอ Pre-work ของสถาบันให้เสร็จก่อนวันอบรม และมีสิทธิ์ติดตั้งโปรแกรมบนเครื่อง

ຫົວຂໍ້ການຝຶກອົບຮົມ

รายละเอียดหลักสูตร

หลักสูตรนี้สอนการสร้าง AI Agent ส่วนตัวที่รันบนคอมพิวเตอร์ของผู้เรียนด้วย Hermes Agent (โอเพนซอร์สจาก Nous Research สัญญาอนุญาต MIT) ร่วมกับ Ollama และโมเดลโอเพนซอร์ส อบรม 2 วัน วันละ 6 ชั่วโมง รวม 12 ชั่วโมง (09:00-16:00 น.) ระดับ Intermediate วันแรกเป็นแบบ No-Code วันที่สองเป็น Agentic Coding และ Web App ทุก Lab ทำบนเครื่องของผู้เรียนเอง สถาบันมีวิดีโอ Pre-work สอนติดตั้งทั้ง Windows และ Mac

แต่ไม่ได้จัดเตรียมเครื่อง บัญชี หรือเครดิต API ให้ หลักสูตรนี้ต่างจาก Personal AI Agents with OpenClaw and Codex ที่ใช้ OpenClaw และ Codex, ต่างจาก Local LLM Deployment with Ollama and vLLM ที่เน้นการ Deploy และ Serve โมเดลบนเซิร์ฟเวอร์ และต่างจาก Claude Cowork for Business ที่ทำงานผ่าน Claude บน Cloud โดยหลักสูตรนี้เน้น Agent ส่วนตัวตั้งแต่ No-Code ถึงการเขียนโค้ดที่รันในเครื่องด้วยโมเดลฟรี พร้อมพูดถึงข้อจำกัดของโมเดลขนาดเล็กอย่างตรงไปตรงมา

Day 1 No-Code AI Cowork บนเครื่องของคุณ

Section 1: Lab: เริ่มต้น Hermes Agent กับ Ollama

  • AI Agent ต่างจาก AI Chat อย่างไร และ Hermes Agent โอเพนซอร์สจาก Nous Research ทำอะไรได้บ้าง
  • ตรวจการติดตั้ง Ollama และ Hermes Agent จากวิดีโอ Pre-work ทั้ง Hermes Desktop และ Terminal
  • เชื่อม Hermes กับ Ollama ด้วยคำสั่ง ollama launch hermes หรือ Custom Endpoint ที่ localhost
  • ทำความรู้จักหน้าจอสั่งงาน คำสั่ง hermes model และไฟล์ตั้งค่าของ Agent
  • Lab: สั่งงานแรกเป็นภาษาไทยและดูว่า Agent เลือกใช้เครื่องมือใดในแต่ละขั้น

Section 2: เลือกโมเดลโอเพนซอร์สให้เหมาะกับเครื่อง

  • ขนาดโมเดล Quantization และหน่วยความจำ: เครื่อง 16 GB, 32 GB และ Apple Silicon
  • ทำไม Agent ต้องใช้โมเดลที่รองรับ Tool Calling และ Context ยาวพอ พร้อมตั้งค่าใน Ollama
  • ข้อจำกัดตามจริงของโมเดลเล็ก: ช้ากว่า วางแผนหลายขั้นได้น้อยกว่าโมเดลแนวหน้าบน Cloud
  • ทางเลือกโมเดล Cloud แบบฟรีหรือจ่ายตามใช้ที่ Hermes รองรับ เป็นตัวสำรองเมื่องานยากเกินโมเดลในเครื่อง
  • Lab: ทดสอบ 2-3 โมเดลกับงานเดียวกัน วัดเวลาและคุณภาพเพื่อเลือกโมเดลประจำเครื่อง

Section 3: Workshop: จัดการ Excel และ PDF ในเครื่อง

  • สร้างโฟลเดอร์ทำงานเฉพาะให้ Agent และจำกัดการเขียนไฟล์ไว้ในโฟลเดอร์นั้น
  • สรุปเอกสาร PDF หลายไฟล์ และดึงตารางหรือข้อมูลสำคัญออกมาเป็น Excel
  • ให้ Agent ทำความสะอาด รวมไฟล์ และสรุปข้อมูล Excel เป็นรายงานพร้อมกราฟ
  • ตรวจตัวเลขก่อนใช้จริง และหลักการ PDPA เมื่อเอกสารมีข้อมูลส่วนบุคคล
  • Workshop: รวมไฟล์ยอดขายรายสาขาเป็นรายงานสรุปประจำเดือนโดยไม่อัปโหลดขึ้น Cloud

Section 4: Lab: เชื่อม MCP และ Browser Automation

  • MCP คืออะไร เพิ่ม MCP Server ให้ Hermes และเลือกเปิดเฉพาะเครื่องมือที่ต้องใช้
  • Browser Tool ของ Hermes ที่ใช้ Chromium ในเครื่องโดยไม่ต้องมี API Key
  • ให้ Agent เปิดเว็บ ค้นข้อมูล อ่านตาราง และกรอกฟอร์มทดสอบทีละขั้น
  • ข้อควรระวัง: เงื่อนไขการใช้งานของเว็บไซต์ ข้อมูลล็อกอิน และงานที่ต้องต่ออินเทอร์เน็ต
  • Lab: เก็บข้อมูลจากหลายหน้าเว็บมาสรุปเป็นไฟล์เปรียบเทียบในโฟลเดอร์ทำงาน

Section 5: Workshop: Custom Skills สำหรับงานประจำ

  • Skill คืออะไร โครงสร้าง SKILL.md ตามมาตรฐานเปิด agentskills.io และที่เก็บ Skill ของ Hermes
  • สร้าง Skill จากขั้นตอนที่เพิ่งทำด้วยคำสั่ง /learn หรือเขียน SKILL.md เอง
  • เรียกใช้ Skill ด้วย /ชื่อ-skill และใช้ Memory ให้ Agent จำรูปแบบงานของเรา
  • ตั้งงานตามเวลาด้วยตัวตั้งเวลาในตัวของ Hermes สำหรับรายงานรายวันหรือรายสัปดาห์
  • Workshop: สร้าง Skill จัดทำรายงานประจำสัปดาห์ของทีมและทดสอบกับข้อมูลชุดใหม่
Day 2 Agentic Coding + Website

Section 6: Lab: ความปลอดภัยของ Agent และ Code Base แรก

  • ความเสี่ยงของ Agent ที่รันคำสั่ง เปิดเว็บ และแก้ไฟล์ได้เอง
  • ตั้งค่าการอนุมัติคำสั่ง รายการคำสั่งต้องห้าม และเหตุผลที่ไม่ควรปิดการอนุมัติทั้งหมด
  • แยกโฟลเดอร์โปรเจกต์ ใช้ Git เป็นจุดย้อนกลับ และทางเลือกรันใน Docker
  • เขียนไฟล์ Context ของโปรเจกต์ให้ Agent รู้มาตรฐานและขอบเขตงาน
  • Lab: สร้าง Code Base แรกด้วย Agent แล้วรีวิวทุกการเปลี่ยนแปลงก่อน Commit

Section 7: Lab: ให้ AI เขียน Python จากภาษาธรรมชาติ

  • เขียนโจทย์ให้ชัด: Input, Output, เงื่อนไข และตัวอย่างข้อมูล
  • ให้ Agent เขียน รัน และแก้ Python จาก Error จนได้ผลลัพธ์ที่ต้องการ
  • อ่านและตรวจโค้ดที่ AI เขียนแม้ไม่ได้เป็นโปรแกรมเมอร์ พร้อมให้เขียน Test ง่าย ๆ
  • รู้ว่าเมื่อไรโมเดลในเครื่องพอ และเมื่อไรควรแบ่งงานให้เล็กลง
  • Lab: สคริปต์ Python แปลงไฟล์ Excel หลายรูปแบบให้เป็นมาตรฐานเดียว

Section 8: เปลี่ยน Workflow เป็น Agent และงานอัตโนมัติ

  • แยกงานประจำเป็นขั้นตอน แล้วเลือกว่าส่วนใดใช้สคริปต์ ส่วนใดให้ AI ตัดสินใจ
  • ห่อสคริปต์ Python เป็น Skill เพื่อให้ Agent เรียกใช้ซ้ำได้
  • ตั้งให้ Workflow ทำงานตามเวลา พร้อมบันทึก Log และแจ้งเมื่อทำงานไม่สำเร็จ
  • แนวคิดการแบ่งงานให้ Subagent และการส่งผลผ่านแอปแชทเมื่อจำเป็น
  • Workshop: Workflow ดึงข้อมูล สรุป และสร้างรายงานเป็นไฟล์ทุกเช้าโดยอัตโนมัติ

Section 9: Lab: สร้างและรัน Web App ขนาดเล็ก

  • ออกแบบหน้าจอและฟังก์ชันของ Web App ด้วยภาษาธรรมชาติก่อนเริ่มเขียนโค้ด
  • ให้ Agent สร้าง Web App ด้วย Python พร้อมหน้าอัปโหลดไฟล์และแสดงผล
  • เรียกใช้โมเดลใน Ollama จาก Web App ผ่าน API ในเครื่อง
  • รันบน localhost ทดสอบ แก้ข้อผิดพลาด และปรับหน้าจอแบบวนรอบ
  • Lab: Web App อัปโหลด Excel แล้วได้สรุปและกราฟ โดยข้อมูลอยู่ในเครื่องทั้งหมด

Section 10: Capstone: AI Agent ส่วนตัวสำหรับงานของคุณ

  • เลือกงานจริงของตนเองหรือโจทย์ตัวอย่าง แล้ววางขอบเขตและข้อมูลที่ใช้
  • สร้างให้ครบทั้ง Skill, สคริปต์หรือ Web App และการตั้งค่าสิทธิ์ที่เหมาะสม
  • ตรวจด้วย Checklist ความปลอดภัย PDPA และข้อจำกัดของโมเดลก่อนใช้งานจริง
  • นำเสนอผลงาน รีวิวร่วมกัน และวางแผนขยายผลในทีม

ຮອບຝຶກອົບຮົມ ແລະ ຮູບແບບການຝຶກອົບຮົມ

ສຳລັບບຸກຄົນ — ຮອບຝຶກອົບຮົມທົ່ວໄປ

ຂະນະນີ້ຍັງບໍ່ມີຮອບຝຶກອົບຮົມເປີດຮັບສະໝັກ ລົງຊື່ຈອງໄວ້ໄດ້ເລີຍ ທີມງານຈະຕິດຕໍ່ກັບເປັນກຸ່ມທຳອິດເມື່ອເປີດຮອບຕໍ່ໄປ ຫຼື ສອບຖາມທາງ LINE ຫຼື ໂທ 02-570-8449 ຫຼື 088-807-9770

ສຳລັບອົງກອນ — In-house / Private Training

  • ປັບເນື້ອໃນໃຫ້ກົງກັບເຄື່ອງມື ແລະ ວຽກຈິງຂອງທີມ
  • ເລືອກວັນເອງ ຝຶກອົບຮົມທີ່ບໍລິສັດ ຫຼື ອອນລາຍສົດ
  • ອອກໃບສະເໜີລາຄາໃນນາມນິຕິບຸກຄົນໃຫ້ຝ່າຍຈັດຊື້
ຂໍໃບສະເໜີລາຄາຝຶກອົບຮົມອົງກອນ

ວິທະຍາກອນຜູ້ສອນ

ຄຳຖາມທີ່ພົບເລື້ອຍ

หลักสูตรนี้ต่างจาก Personal AI Agents with OpenClaw and Codex, Local LLM Deployment with Ollama and vLLM และ Claude Cowork for Business อย่างไร

หลักสูตรนี้เน้น AI Agent ส่วนตัวที่รันในเครื่องด้วยโมเดลฟรี ไล่ตั้งแต่งานแบบ No-Code ไปจนถึงการให้ AI เขียนโค้ดและ Web App ด้วย Hermes Agent ส่วน Personal AI Agents with OpenClaw and Codex ใช้ OpenClaw และ Codex, Local LLM Deployment with Ollama and vLLM เน้นการ Deploy และ Serve โมเดลบนเซิร์ฟเวอร์ให้หลายคนใช้ และ Claude Cowork for Business ใช้ Claude ทำงานธุรกิจบน Cloud

ต้องเตรียมเครื่องและติดตั้งอะไรก่อนวันอบรม

ใช้ Notebook Windows 10/11 หรือ macOS ที่มี RAM 16 GB ขึ้นไป แนะนำ 32 GB หรือ Mac ชิป M1 ขึ้นไป และมีพื้นที่ว่างสำหรับไฟล์โมเดลหลายสิบ GB สถาบันมีวิดีโอ Pre-work สอนติดตั้ง Ollama และ Hermes Agent ทั้งบน Windows และ Mac ให้ทำตามก่อนวันอบรม พร้อมดาวน์โหลดโมเดลไว้ล่วงหน้า สถาบันไม่ได้จัดเตรียมเครื่องให้ ผู้เรียนต้องมีสิทธิ์ติดตั้งโปรแกรมบนเครื่องที่นำมา

มีค่าใช้จ่ายเพิ่มหรือต้องมีบัญชีอะไรบ้าง

Hermes Agent เป็นโอเพนซอร์สสัญญาอนุญาต MIT และ Ollama รันโมเดลในเครื่องได้โดยไม่มีค่าบริการ Lab หลักจึงไม่ต้องใช้บัญชีที่เสียเงิน หากต้องการลองโมเดลบน Cloud เป็นตัวสำรอง ผู้ให้บริการบางรายมีแผนฟรีที่จำกัดเฉพาะบางโมเดลหรือคิดค่าบริการตามการใช้งาน เงื่อนไขขึ้นกับผู้ให้บริการและผู้เรียนสมัครเอง สถาบันไม่ได้จัดเตรียมบัญชีหรือเครดิต API ให้

โมเดลในเครื่องเก่งเท่าโมเดลบน Cloud หรือไม่ และใช้งานโดยไม่ต่ออินเทอร์เน็ตได้จริงไหม

โมเดลขนาดเล็กที่รันในเครื่องช้ากว่าและเก่งน้อยกว่าโมเดลระดับแนวหน้าบน Cloud โดยเฉพาะงานหลายขั้นตอน การใช้เครื่องมือ และการเขียนโค้ด ซึ่งคุณภาพขึ้นกับโมเดลและสเปกเครื่อง ในคลาสจะฝึกเลือกโมเดลและแบ่งงานให้เหมาะ เมื่อดาวน์โหลดโมเดลไว้แล้ว งานที่รันในเครื่อง เช่น สรุปเอกสารหรือจัดการไฟล์ ทำได้โดยไม่ต่ออินเทอร์เน็ต ส่วนการเปิดเว็บ ค้นข้อมูลออนไลน์ ติดตั้งหรืออัปเดต และการใช้โมเดลบน Cloud ยังต้องต่ออินเทอร์เน็ต

ไม่เคยเขียนโปรแกรมเรียนได้หรือไม่

ได้ วันแรกเป็นแบบ No-Code ทั้งหมด สั่งงานด้วยภาษาธรรมชาติ ส่วนวันที่สอง Agent เป็นผู้เขียนโค้ด ผู้เรียนฝึกเขียนโจทย์ให้ชัด รัน และตรวจผลลัพธ์ ผู้ที่รู้จัก Python มาบ้างจะลงรายละเอียดได้มากขึ้น แต่ไม่ใช่เงื่อนไขในการเรียน

ให้ Agent ทำงานกับไฟล์และข้อมูลขององค์กรปลอดภัยแค่ไหน

Agent ที่รันคำสั่ง เปิดเว็บ และแก้ไฟล์ได้ ต้องตั้งค่าให้รัดกุม ในคลาสจะฝึกเปิดการอนุมัติคำสั่ง กำหนดรายการคำสั่งต้องห้าม จำกัดการเขียนไฟล์ไว้ในโฟลเดอร์ทำงาน ใช้ Git เป็นจุดย้อนกลับ และรีวิวผลงานก่อนใช้จริง ส่วนเอกสารที่มีข้อมูลส่วนบุคคลต้องปฏิบัติตาม PDPA และนโยบายขององค์กร การรันในเครื่องช่วยลดการส่งข้อมูลออกนอกองค์กร แต่ไม่ได้แทนการควบคุมสิทธิ์และการตรวจสอบโดยคน