GitHub AI Repos ประจำสัปดาห์: 7 โปรเจกต์ที่กำลังมาแรง (2 ก.ย. 2026)

โดย Nokka (นก-กา) | 2 กันยายน 2026

สัปดาห์นี้ผมไล่ดู GitHub Trending และ GitHub Ranking AI [1][2] แล้วพบภาพที่ชัดเจนขึ้นเรื่อยๆ ว่าโลก open-source กำลังหมุนรอบคำว่า "agent skill" กับ "free LLM" มากกว่าที่เคย โปรเจกต์ที่ดาวพุ่งเร็วที่สุดในสัปดาห์นี้ไม่ได้เป็นเฟรมเวิร์กยักษ์ แต่เป็นเครื่องมือเล็กๆ ที่ทำให้ AI agent ทำงานเฉพาะทางได้ดีขึ้น ไม่ว่าจะเป็นการวาดแผนภาพสถาปัตยกรรม การทำวิจัยวิทยาศาสตร์ หรือการสมัครงาน

ผมคัดมา 7 โปรเจกต์ที่ทั้งใหม่ ทั้งดาวพุ่ง และหลากหลายหมวด มาเล่าให้ฟังว่าทำไมแต่ละตัวถึงน่าสนใจ

โปรเจกต์	Stars	พุ่งในสัปดาห์	หมวด
archify	41.8k	25,469	Agent skill (แผนภาพ)
scientific-agent-skills	41.5k	6,962	Agent skill (วิทยาศาสตร์)
ai-engineering-from-scratch	51.8k	3,427	คอร์สเรียน
freellmapi	23.6k	3,452	Free LLM API
ai-job-search	39.8k	4,841	เครื่องมือสมัครงาน
OpenMAIC	29.4k	8,014	Multi-agent classroom
claude-plugins-community	3.1k	1,634	Plugin marketplace

ตัวเลขในตารางนี้บอกภาพรวมได้ชัดว่า archify คือดาวเด่นของสัปดาห์ ด้วยยอดพุ่ง 25,469 ดาวที่ทิ้งห่างตัวอื่นอย่างขาดลอย ขณะที่ OpenMAIC และ scientific-agent-skills ก็พุ่งแรงไม่แพ้กันในหมวดของตัวเอง

1. archify, เปลี่ยนโค้ดเบสให้เป็นแผนภาพสถาปัตยกรรมในแชต

41.8k stars (พุ่ง 25,469 ดาวในสัปดาห์เดียว)

ตัวนี้เป็น agent skill ที่น่าสนใจที่สุดในสัปดาห์นี้ เพราะดาวพุ่งแรงที่สุดในบรรดาโปรเจกต์ทั้งหมด archify ทำงานเป็นระบบ render [3] และ validate สำหรับ Cursor, Claude Code, Codex CLI และ OpenCode หลักการคือ agent จะสร้าง JSON IR ที่มี type กำกับ แล้ว archify คอมไพล์ออกมาเป็น HTML หรือ SVG แบบ deterministic

จุดเด่นที่ผมชอบคือมันไม่ได้วาดแผนภาพแบบ "เดาเอา" แต่ทุก interaction ยัง grounded อยู่กับโค้ดจริง คุณสามารถ search โหนด เปิดดู source ที่ผ่านการ verify แล้ว และ trace เส้นทาง upstream/downstream ได้ แถมยังเปรียบเทียบสถาปัตยกรรมก่อน-หลัง merge ได้ด้วยการ diff สอง snapshot

สำหรับทีมที่ต้อง review การเปลี่ยนแปลงสถาปัตยกรรมก่อน merge นี่คือเครื่องมือที่ตอบโจทย์ตรงจุด ติดตั้งง่ายด้วยคำสั่ง npx skills add tt-a1i/archify -g

2. scientific-agent-skills, เปลี่ยน AI agent ให้เป็นนักวิทยาศาสตร์

41.5k stars (พุ่ง 6,962 ดาว)

K-Dense-AI เปิดตัวไลบรารี skill [4] สำหรับงานวิทยาศาสตร์ที่อ้างว่ามีนักวิทยาศาสตร์ใช้งานกว่า 190,000 คนทั่วโลก ภายในมี 165 skills ที่ผ่านการ validate แล้ว พร้อมฐานข้อมูลวิทยาศาสตร์กว่า 100 ฐาน ครอบคลุมชีววิทยา เคมี การแพทย์ และการค้นพบยา

จุดเด่นของตัวนี้คือมันเข้ากับมาตรฐาน Agent Skills แบบเปิด ทำให้ใช้ได้กับ Cursor, Claude Code, Codex, Pi และ Antigravity โดยไม่ต้องผูกกับแพลตฟอร์มใดแพลตฟอร์มหนึ่ง แนวคิด "turn any AI agent into an AI Scientist" นี้สะท้อนเทรนด์ที่ชัดเจนว่า skill กำลังกลายเป็นหน่วยความรู้ที่แชร์ข้ามเครื่องมือได้

3. ai-engineering-from-scratch, เรียน AI engineering แบบลงมือทำ

51.8k stars (พุ่ง 3,427 ดาว)

โปรเจกต์ของ rohitg00 นี้มีสโลแกนสั้นๆ ว่า "Learn it. Build it. Ship it for others." [5] เป็นคอร์สเรียน AI engineering ที่เน้นการสร้างจริง ไม่ได้มีเพียงการอ่านทฤษฎี ตัวเลข 51.8k stars บอกว่าคนจำนวนมากกำลังมองหาเส้นทางเรียนรู้ที่จับต้องได้

ในยุคที่ "vibe coding" ทำให้คนเขียนโค้ดได้โดยไม่เข้าใจพื้นฐาน โปรเจกต์แบบนี้กลับมาเตือนว่าการเข้าใจหลักการยังสำคัญอยู่ เพราะ AI ที่ไม่เข้าใจพื้นฐานจะสร้าง output ที่เปราะและพังง่าย ผมมองว่านี่คือสัญญาณที่ดีของวงการ ที่คนเริ่มกลับมาให้คุณค่ากับการเรียนแบบมีโครงสร้าง

4. freellmapi, 7.4 พันล้านโทเคนฟรีต่อเดือน

23.6k stars (พุ่ง 3,452 ดาว)

ตัวนี้ตอบโจทย์คนที่อยากทดลอง LLM หลายตัวโดยไม่ต้องจ่ายเงิน freellmapi รวม 34 ผู้ให้บริการ [6] LLM ฟรี และ 635 model endpoints ไว้หลัง endpoint /v1 เดียว พร้อม smart routing, automatic failover และการเข้ารหัส key

ตัวเลข 7.4 พันล้านโทเคนต่อเดือนฟังดูเหลือเชื่อ แต่จุดที่ต้องระวังคือ README ระบุชัดว่า "Personal experimentation only" หมายความว่าเหมาะสำหรับการทดลองส่วนตัว ไม่ใช่ production ผมว่าเป็นเครื่องมือที่ดีสำหรับนักพัฒนาที่อยากลองเทียบโมเดลหลายตัวก่อนตัดสินใจจ่ายเงิน แต่ถ้าจะใช้จริงจัง ควรอ่านข้อจำกัดให้ดี

5. ai-job-search, ระบบสมัครงานที่รันบนเครื่องคุณเอง

39.8k stars (พุ่ง 4,841 ดาว)

MadsLorentzen สร้าง framework สมัครงานด้วย AI บน Claude Code [7] ที่ช่วยประเมินประกาศงาน ปรับ CV เขียน cover letter และเตรียมตัวสัมภาษณ์ จุดเด่นคือ "Fork it and own it" หมายความว่าข้อมูลของคุณอยู่บนเครื่องตัวเอง ไม่ต้องส่งให้บริการภายนอก

ในมุมของ privacy นี่คือจุดขายที่สำคัญ เพราะข้อมูลสมัครงานเป็นข้อมูลส่วนตัวที่อ่อนไหว การที่ทุกอย่างรัน local ทำให้คนควบคุมข้อมูลตัวเองได้เต็มที่ ผมเห็นว่านี่เป็นตัวอย่างที่ดีของการใช้ AI agent กับงานจริงที่จับต้องได้ ไม่ได้เป็นเพียง demo

6. OpenMAIC, ห้องเรียน multi-agent แบบ interactive

29.4k stars (พุ่ง 8,014 ดาว)

THU-MAIC จากมหาวิทยาลัย Tsinghua เปิดตัว [8] Open Multi-Agent Interactive Classroom ที่ให้ประสบการณ์เรียนรู้แบบ multi-agent ได้ในคลิกเดียว แนวคิดคือแทนที่จะเรียนกับ AI ตัวเดียว คุณเรียนกับ "ห้องเรียน" ที่มี agent หลายตัวโต้ตอบกัน

นี่เป็นอีกตัวอย่างของเทรนด์ multi-agent ที่กำลังมาแรง แทนที่จะพึ่งโมเดลตัวเดียวทำงานทุกอย่าง ระบบแบบนี้แบ่งบทบาทให้ agent หลายตัวทำงานร่วมกัน ซึ่งเป็นแนวคิดที่เห็นมากขึ้นในโปรเจกต์ open-source ช่วงนี้

7. claude-plugins-community, ตลาด plugin ชุมชนของ Claude

3.1k stars (พุ่ง 1,634 ดาว)

ตัวนี้ดาวน้อยที่สุดในลิสต์ แต่ผมเลือกมาเพราะเป็นสัญญาณของทิศทาง Anthropic เปิด marketplace สำหรับ plugin [9] ชุมชนของ Claude Cowork และ Claude Code โดย repo นี้เป็น read-only mirror ส่วนการ submit ต้องทำผ่าน clau.de/plugin-directory-submission

การที่ Anthropic เปิดตลาด plugin ชุมชนแบบนี้ บอกว่าบริษัทกำลังผลักดัน ecosystem รอบ Claude ให้ขยายตัว ซึ่งเป็นกลยุทธ์เดียวกับที่ทำให้ VS Code และ Chrome ครองตลาดได้ ผมมองว่านี่คือจุดเริ่มต้นของ "app store" สำหรับ AI agent ที่น่าจับตามอง

สรุปเทรนด์ที่เห็นในสัปดาห์นี้

เทรนด์แรกที่ชัดเจนคือ Agent Skills กำลังกลายเป็นหน่วยความรู้มาตรฐาน ทั้ง archify, scientific-agent-skills และ claude-plugins-community ล้วนเป็น "skill" ที่แชร์ข้ามเครื่องมือได้ ไม่ผูกกับแพลตฟอร์มเดียว นี่คือการเปลี่ยนจาก "โมเดลเก่ง" ไปเป็น "โมเดล + skill เฉพาะทาง"

เทรนด์ที่สองคือ การกลับมาให้คุณค่ากับพื้นฐาน ai-engineering-from-scratch ที่มี 51.8k stars สะท้อนว่าคนเริ่มตระหนักว่า vibe coding อย่างเดียวไม่พอ ต้องเข้าใจหลักการด้วย

เทรนด์ที่สามคือ privacy และ local-first ทั้ง ai-job-search และ freellmapi เน้นการรันบนเครื่องตัวเองหรือควบคุมข้อมูลตัวเอง ซึ่งตอบโจทย์คนที่กังวลเรื่องข้อมูลส่วนตัว

แล้วคุณล่ะ มีโปรเจกต์ไหนในลิสต์นี้ที่อยากลองใช้บ้าง หรือมี repo น่าสนใจที่ผมพลาดไป คอมเมนต์คุยกันได้เลยครับ

---

บทความนี้เขียนโดย AI (DeepSeek V4 Pro) ผ่าน Hermes Agent ภายใต้การควบคุมและตรวจสอบคุณภาพโดยมนุษย์, Nokka (นก-กา)

เอกสารอ้างอิง

[1] GitHub Trending (weekly), 2026, https://github.com/trending?since=weekly
[2] GitHub Ranking AI, Top 100 AI Agents, 2026, https://raw.githubusercontent.com/yuxiaopeng/Github-Ranking-AI/main/Top100/AI%20Agents.md
[3] tt-a1i/archify, 2026, https://github.com/tt-a1i/archify
[4] K-Dense-AI/scientific-agent-skills, 2026, https://github.com/K-Dense-AI/scientific-agent-skills
[5] rohitg00/ai-engineering-from-scratch, 2026, https://github.com/rohitg00/ai-engineering-from-scratch
[6] tashfeenahmed/freellmapi, 2026, https://github.com/tashfeenahmed/freellmapi
[7] MadsLorentzen/ai-job-search, 2026, https://github.com/MadsLorentzen/ai-job-search
[8] THU-MAIC/OpenMAIC, 2026, https://github.com/THU-MAIC/OpenMAIC
[9] anthropics/claude-plugins-community, 2026, https://github.com/anthropics/claude-plugins-community