GitHub AI Repos ประจำสัปดาห์: สัปดาห์ที่ agent แยกชั้นออกจากกัน (14 ต.ค. 2026)

โดย Nokka (นก-กา) | 14 ตุลาคม 2026

รอบสัปดาห์นี้ผมไล่ดูหน้าอันดับ GitHub กับลิสต์จัดอันดับ repo สาย AI agent แล้วเลือกมา 8 โปรเจกต์ที่เล่าเรื่องเดียวกันได้ชัดที่สุด [1][2]

ทุกตัวเป็นชิ้นส่วนรอบตัว agent ไม่ใช่ตัวโมเดลเลย ตัวเลขในตารางนี้ผมดึงจากหน้า repo จริงในวันที่ 14 ตุลาคม

ตัวที่ใหญ่ที่สุดคือ claude-mem ที่ 100,432 ดาว ส่วนตัวที่เล็กที่สุดคือ go-modern-guidelines ที่ 3,838 ดาว แต่ขนาดไม่เกี่ยวกับความสำคัญในเรื่องนี้เลย

ผมเรียงทั้งแปดไว้ตามชั้นที่แต่ละตัวเข้าไปอยู่

โปรเจกต์	Stars	ชั้นที่เข้าไปอยู่	สัญญาอนุญาต
volcengine/OpenViking	39.8K	ความจำและบริบท	AGPL-3.0
thedotmack/claude-mem	100.4K	ความจำและบริบท	Apache-2.0
herdrdev/herdr	43.8K	รันไทม์	Apache-2.0
Twigpine/openclaude	33.8K	รันไทม์ (CLI)	MIT เฉพาะส่วนที่ดัดแปลง
K-Dense-AI/scientific-agent-skills	48.7K	คลังสกิล	MIT
JetBrains/go-modern-guidelines	3.8K	ความรู้เฉพาะภาษา	Apache-2.0
every-app/open-seo	23.5K	งานการตลาด	MIT
THU-MAIC/OpenMAIC	40.7K	งานการศึกษา	MIT

อ่านตารางนี้ตามแนวตั้งจะเห็นสี่ชั้นเรียงกันอยู่ ชั้นล่างสุดคือที่ที่ agent ไปอยู่ ชั้นถัดขึ้นมาคือความจำ ชั้นถัดไปคือความรู้เฉพาะทาง และชั้นบนสุดคืองานที่คนจ้างให้ทำ

แต่ละชั้นมีตัวแทนที่คนแย่งดาวกันจริงในสัปดาห์เดียว และไม่มีตัวไหนรอให้เจ้าของโมเดลอนุญาตเลย

1. volcengine/OpenViking, ความจำที่ไม่ต้องเป็นกล่องดำ

39,834 stars | Python | AGPL-3.0

ความจำของ agent ส่วนใหญ่ยังเป็นกล่องดำ ข้อความเข้าไป เวกเตอร์ออกมา และไม่มีใครเห็นว่าข้างในเก็บอะไรไว้จริง [3]

OpenViking แก้ด้วยการย้ายความจำไปเป็นระบบไฟล์เสมือนใต้พาธ viking:// แล้วให้ agent เดินดูได้เหมือนโฟลเดอร์ธรรมดา ทั้ง ls, tree, read, write และ grep [3]

คุณเปิดโฟลเดอร์ใดก็ได้เพื่อดูว่า agent รู้เรื่องอะไรอยู่ และทุกโฟลเดอร์มีบทสรุปที่สร้างไว้ให้อ่านก่อนตัดสินใจเปิดไฟล์เต็ม [3]

การโหลดข้อมูลแบ่งเป็นสามชั้น ชั้น L0 เป็นบทสรุปหนึ่งประโยคไว้เช็คความเกี่ยวข้องเร็ว ๆ ชั้น L1 เป็นภาพรวมไว้ใช้วางแผน และชั้น L2 เป็นเนื้อเต็มที่เปิดเมื่อจำเป็นเท่านั้น [3][4]

ทีมรายงานผลทดสอบในบล็อกของตัวเองว่า บนชุดทดสอบความจำผู้ใช้ LoCoMo ความแม่นยำของ OpenClaw ขยับจาก 24.20 เป็น 82.08 เปอร์เซ็นต์ ส่วน Hermes จาก 33.38 เป็น 82.86 และ Claude Code จาก 57.21 เป็น 80.32 [5]

ตัวเลขที่ตามมาคือโทเคนขาเข้าลดลง 34.3 ถึง 91 เปอร์เซ็นต์ และเวลาตอบสนองลดลง 58.45 ถึง 66.10 เปอร์เซ็นต์ [5]

บน tau2-bench งานที่ agent ทำสำเร็จเพิ่มขึ้น 6.87 จุดในงานค้าปลีก และ 11.87 จุดในงานสายการบิน [5]

เบื้องหลังมีเปเปอร์รองรับในชื่อ VikingRAG บน arXiv เลขที่ 2609.11390 [6]

ส่วนงานค้าง หน้า issue ของ repo นี้แสดง 292 รายการ และถ้านับ PR ที่ยังเปิดรวมเข้าไปด้วยจะได้ 954 รายการ [3]

ข้อควรระวังคือสัญญาหลักเป็น AGPLv3 ซึ่งเข้มกว่าทุกตัวในลิสต์นี้ ถ้าจะฝังเข้าไปในผลิตภัณฑ์ปิดควรอ่านเงื่อนไขให้จบก่อน [3]

2. thedotmack/claude-mem, ความจำที่ไม่ทำระบบไฟล์ให้เดินดู

100,432 stars | TypeScript | Apache-2.0

วิธีของ claude-mem อยู่คนละขั้วกับ OpenViking เลย ไม่ได้เปิดระบบไฟล์ให้เดินดู แต่เก็บทุกอย่างที่ agent ทำระหว่างเซสชัน แล้วให้ AI ย่อยเป็นบทสรุปความหมาย [7]

จากนั้นระบบฉีดเฉพาะส่วนที่เกี่ยวข้องกลับเข้าไปในเซสชันครั้งถัดไป โดยที่คุณไม่ต้องสั่งอะไร [7]

ตัวเลขของ repo นี้พูดแทนได้ดี 100,432 ดาว 8,799 ฟอร์ก และปล่อยรุ่นมาแล้วกว่า 360 รุ่น ตัวเลขระดับนี้บอกว่าทีมส่งของถี่มาก [7]

การติดตั้งใช้คำสั่ง npx claude-mem install แล้วเลือกผู้ให้บริการความจำได้สามทาง ทั้งของผู้พัฒนาเอง คีย์ OpenRouter หรือ Gemini ของคุณเอง และแผน Anthropic ที่มีอยู่ [7]

ถ้าไม่อยากผูกบัญชีกับใครเลยก็ข้ามขั้นตอนล็อกอินได้ด้วยแฟล็ก แล้วเลือกผู้ให้บริการเองทั้งหมด [7][8]

ตัวโปรแกรมรองรับทั้ง Claude Code, OpenCode, T3 Code, Antigravity, Pi, DeepSeek Harness, OpenClaw และ Grok Bot [7]

จุดที่ผมชอบคือการเปิดเผยต้นทุนโทเคนของความจำแต่ละชั้นให้เห็น และการมีแท็ก <private> ไว้กันเนื้อหาที่ไม่ควรถูกเก็บ [7]

ข้อควรระวังมีสองเรื่อง เรื่องแรกคือระบบนี้ผูกกับบัญชี และเมื่อทดลองฟรี 30 วันจบลง ระบบจะถอยกลับไปใช้แผนเดิมของคุณ [7]

เรื่องที่สองคือในหน้า README ของ repo มีการกล่าวถึงโทเคนชื่อ CMEM ที่ผู้สร้างยอมรับว่ามาจากบุคคลที่สาม เรื่องแบบนี้ควรอ่านให้ดีก่อนใช้กับงานที่ละเอียดอ่อน [7]

3. herdrdev/herdr, รันไทม์ที่ถือเทอร์มินัลแทนคุณ

43,823 stars | Rust | Apache-2.0

herdr นิยามตัวเองสั้น ๆ ว่าเป็นรันไทม์ที่ agent เขียนโค้ดอาศัยอยู่ งานของมันคือถือเทอร์มินัลแทนคุณ [9]

ผลที่ได้คือการปิดหน้าต่างหรือหลุด SSH แล้วงานยังเดินต่อ เพราะทุกอย่างอยู่ในเซิร์ฟเวอร์เบื้องหลัง หลังรีสตาร์ทเครื่อง ระบบกู้เลย์เอาต์กลับมาและต่อเซสชันที่รองรับได้ [9][10]

ตรงนี้มีจุดที่ควรเข้าใจให้ตรง ตัวโปรเซสเดิมไม่รอดจากการรีสตาร์ท แต่สถานะเซสชันรอด [10]

จุดที่ต่างจากตัวคูณเทอร์มินัลทั่วไปคือทุกบานหน้าต่างถูกทำเครื่องหมายว่ากำลังทำงาน ติดบล็อก หรือว่าง ทำให้ไม่ต้องไล่หาว่าตัวไหนค้าง [9]

agent คุยกับ herdr ได้ผ่าน CLI กับ socket API เพื่อเปิดบานใหม่ สั่งงานกันเอง และรอจนอีกตัวติดบล็อกจริง [9]

ข้อจำกัดที่ควรรู้คือตัวนี้เป็นไบนารี Rust ตัวเดียว ไม่มี Electron และไม่ห่อ agent ของคุณ แต่เข้าไปถือเทอร์มินัลของมันแทน [9]

ถ้าเครื่องมือไหนยังไม่รองรับ ก็ต้องเขียนส่วนเชื่อมเอง และตอนนี้หน้า issue ของ repo แสดงงานค้างที่ยังเปิด 342 รายการ หรือ 356 รายการถ้านับ PR รวมเข้าไปด้วย [9]

ติดตั้งได้ด้วยสคริปต์บรรทัดเดียว หรือ brew install herdr บน macOS [9]

4. Twigpine/openclaude, CLI เดียวที่คุยได้กับทุกเจ้า

33,835 stars | TypeScript | MIT เฉพาะส่วนที่ดัดแปลง

เรื่องน่าสนใจของ repo นี้เกิดก่อนตัวโค้ดด้วยซ้ำ วันที่ผมเข้าไปดู หน้าของ Gitlawb/openclaude ตอบกลับด้วยรหัส 301 ไปยัง Twigpine/openclaude [11]

แพ็กเกจบน npm ก็ย้ายจาก @gitlawb/openclaude ไป @twigpine/openclaude พร้อมคำเตือนว่าอย่าติดตั้งทับกัน เพราะทั้งสองให้คำสั่งชื่อเดียวกัน [11]

ตัวโปรแกรมคือ CLI สำหรับ agent เขียนโค้ดที่คุยได้กับผู้ให้บริการโมเดลเกือบทุกเจ้า ทั้ง API แบบเข้ากับ OpenAI, Gemini, GitHub Models, Codex ผ่าน OAuth, Ollama ในเครื่อง และ Atomic Chat [11]

ทั้งหมดอยู่ในเวิร์กโฟลว์เทอร์มินัลเดียว ทั้งพรอมป์ เครื่องมือ agent, MCP, คำสั่งสแลช และผลลัพธ์แบบสตรีม [11]

จุดที่ผมคิดว่าออกแบบได้ดีคือเซสชันเบื้องหลัง สั่งงานยาว ๆ แล้วปล่อยได้ด้วยแฟล็ก --bg จากนั้นตามดูด้วย openclaude ps, openclaude logs และสั่งหยุดด้วย openclaude kill [11]

ตัวนี้ไม่เปิดเดมอนหรือบริการเครือข่ายเพิ่ม เซสชันเบื้องหลังเป็นโปรเซสลูกในเครื่องล้วน [11]

ข้อควรระวังอยู่ที่สัญญาอนุญาต โปรเจกต์นี้ดัดแปลงมาจากโค้ดของ Claude Code จึงระบุว่า MIT ครอบเฉพาะส่วนที่ผู้ร่วมพัฒนาแก้ [11]

ส่วนที่สืบทอดมาจาก Claude Code ยังเป็นของ Anthropic และหน้า README ย้ำชัดว่าเป็นโครงการชุมชนอิสระที่ไม่เกี่ยวข้องกับ Anthropic [11]

5. K-Dense-AI/scientific-agent-skills, สกิลวิทยาศาสตร์ที่รู้ขอบเขตตัวเอง

48,726 stars | Python | MIT

การเปลี่ยนชื่อของ repo นี้เล่าเทรนด์ได้ทั้งเรื่อง จากเดิมชื่อ Claude Scientific Skills แล้วเปลี่ยนเป็น Scientific Agent Skills [12]

เหตุผลคืออยากรองรับ agent ทุกตัวที่ทำตามมาตรฐาน Agent Skills แทนที่จะผูกกับเจ้าของโมเดลเจ้าเดียว [12][14]

ข้างในมี 177 สกิลกับฐานข้อมูลวิทยาศาสตร์อีกกว่า 100 แหล่ง ครอบคลุมชีวสารสนเทศ เคมี แพทยศาสตร์ ฟิสิกส์ วิศวกรรม ธรณีศาสตร์ การวิเคราะห์ข้อมูล และการเขียนงานวิชาการ [12]

ทุกสกิลแนบระเบียบวิธีและด่านตรวจเฉพาะทางของตัวเองไว้ เช่น การตรวจความถูกต้องของการตั้งค่าพารามิเตอร์ก่อนรันจริง [12]

ทีมระบุว่ามีนักวิทยาศาสตร์ใช้งานกว่า 250,000 คนทั่วโลก และมีเปเปอร์รองรับบน arXiv เลขที่ 2609.00065 [12][13]

สิ่งที่ทำให้ผมเชื่อมากกว่าตัวเลขผู้ใช้คือการที่ทีมเขียนกำกับไว้เองว่าสกิลบางตัวเป็นเครื่องช่วยประเมิน ไม่ใช่กฎตัดสิน [12]

ตัวอย่างที่ชัดคือสกิลประเมินความรุนแรงในสัตว์ทดลอง ที่เขียนไว้ตรง ๆ ว่าช่วยประเมินเท่านั้น ไม่ใช่ตัวชี้ขาด [12]

ส่วนสกิลภาพทางการแพทย์ย้ำว่าใช้เพื่อการวิจัย ไม่ใช่การวินิจฉัยผู้ป่วย นี่คือกรณีศึกษาที่ดีของการออกแบบสกิลให้รู้ขอบเขตของตัวเอง [12]

สกิลที่กล้าบอกว่าไม่ควรใช้ตรงไหน คือสกิลที่คนกล้าโหลดไปใช้ในงานจริง [12]

6. JetBrains/go-modern-guidelines, ดาวน้อยแต่โจทย์ตรงที่สุด

3,838 stars | Go | Apache-2.0

โปรเจกต์นี้มีดาวแค่ 3,838 ซึ่งน้อยที่สุดในลิสต์ แต่ผมใส่ไว้เพราะโจทย์ของมันชัดและซื่อสัตย์ที่สุด [15]

ทีมเขียนไว้ตรง ๆ ว่า agent เขียนโค้ดทุกตัวมีแนวโน้มสร้าง Go แบบเก่า ด้วยเหตุผลสองข้อ [15]

ข้อแรกคือข้อมูลฝึกไม่รู้จักฟีเจอร์ที่เพิ่มมาหลังจุดตัดของโมเดล ข้อสองคือความเอนเอียงจากความถี่ เพราะในข้อมูลฝึกมีลูปแบบเก่ามากกว่าลูปแบบใหม่ที่กระชับกว่า [15]

แนวทางแก้คือให้ไฟล์อ้างอิงที่บอก agent ว่ามีอะไรใหม่ให้ใช้บ้าง ตัวไกด์ครอบฟีเจอร์ตั้งแต่ Go 1.0 ถึง 1.27 [15]

ตัวปลั๊กอินอ่านเวอร์ชันจาก go.mod ของโปรเจกต์คุณ แล้วเลือกใช้เฉพาะฟีเจอร์ที่เวอร์ชันนั้นรองรับ [15]

จุดที่น่าจับตาคือ JetBrains ปล่อยไกด์นี้เป็นปลั๊กอินให้ทั้ง Junie ของตัวเอง, Claude Code, Codex และ Cursor ซึ่งล้วนเป็นคู่แข่งในตลาดเดียวกัน [15]

ข้อจำกัดคือไกด์นี้แก้แค่เรื่องไวยากรณ์กับสำนวน ไม่ได้ทำให้โค้ดถูกขึ้น และต้องมี Go ติดตั้งอยู่ก่อนเพราะปลั๊กอินเรียก CLI ผ่าน go install [15]

7. every-app/open-seo, เครื่องมือ SEO ที่เปิดให้ agent ใช้ตรง ๆ

23,483 stars | TypeScript | MIT

ตัวนี้เป็นเครื่องมือ SEO แบบโอเพนซอร์สที่ต้องการเป็นทางเลือกของ Semrush กับ Ahrefs โดยใช้หลักจ่ายตามที่ใช้จริง [16]

จุดขายไม่ได้อยู่ที่ราคาอย่างเดียว แต่คือการเปิดข้อมูล SEO ให้ agent เรียกใช้ผ่าน MCP พร้อมสกิลสำเร็จรูปสำหรับงานค้นคำสำคัญ ติดตามอันดับ วิเคราะห์คู่แข่ง ตรวจแบ็คลิงก์ และตรวจสุขภาพเว็บ [16]

ในมุมของคนทำคอนเทนต์ หมวดที่ผมคิดว่ามีค่าที่สุดคือ AI Visibility เพราะตอบคำถามที่คนทำเว็บถามกันมากช่วงนี้ว่า หน้าเว็บของฉันถูก AI อ้างถึงแค่ไหน [16]

การติดตั้งทำได้สองทาง ทั้งผ่าน Docker สำหรับลองในเครื่อง และผ่าน Cloudflare สำหรับเปิดใช้จริงข้ามอุปกรณ์ [16]

ทั้งสองทางต้องมีคีย์ DataForSEO ของตัวเอง ซึ่งจ่ายตรงให้ผู้ให้บริการ [16]

ข้อควรระวังคือตัวข้อมูล SEO ไม่ได้อยู่ใน repo นี้เลย และเวอร์ชันโฮสต์คิดเพิ่ม 28 เปอร์เซ็นต์จากทุกคำขอที่ยิงออกไป [16]

8. THU-MAIC/OpenMAIC, ห้องเรียนที่ครูกับเพื่อนร่วมชั้นเป็น agent

40,658 stars | TypeScript | MIT

ตัวสุดท้ายคือห้องเรียนหลาย agent จากมหาวิทยาลัยชิงหัว ที่มีดาว 40,658 และเพิ่งปล่อยรุ่นทดสอบ 1.2.0 เมื่อต้นเดือนนี้ [17][18]

OpenMAIC ย่อมาจาก Open Multi-Agent Interactive Classroom จากทีม THU-MAIC งานของมันคือเปลี่ยนหัวข้อหรือเอกสารใด ๆ ให้กลายเป็นห้องเรียนที่โต้ตอบได้ ทั้งสไลด์ แบบทดสอบ สื่อจำลอง และกิจกรรมโครงงาน [17]

คนที่สอนไม่ใช่คู่มือ แต่เป็น agent หลายตัว ทั้งครู AI และเพื่อนร่วมชั้น AI ที่พูดได้ วาดบนไวท์บอร์ดได้ และร่วมถกกับคุณได้ในเวลาเดียวกัน [17]

ส่วนชั้นวางงานใช้ LangGraph เป็นตัวประสาน agent ทั้งหมด และมีระบบค้นเว็บให้ agent ดึงข้อมูลสดระหว่างคาบเรียนได้ด้วย [17]

การเปลี่ยนในรุ่น 1.2.0 น่าสนใจ ทีมเขียนไว้ชัดว่าก่อนหน้านี้เบราว์เซอร์เป็นคนเดินขั้นตอนสร้างคอร์สทีละก้าว พอปิดแท็บคอร์สก็หยุดกลางทาง [18]

ตั้งแต่รุ่นนี้เซิร์ฟเวอร์เป็นเจ้าของทุกอย่าง งานจึงรอดแม้ปิดแท็บ และตั้งค่าโมเดลที่เดียวใช้ได้ทั้งระบบ แต่ก็แลกมาด้วยความต้องการ PostgreSQL กับเซิร์ฟเวอร์ที่รันยาว [18]

รุ่นนี้ยังรองรับ 12 โลเคล ครอบคลุม 11 ภาษาหลัก และส่งออกวิดีโอเป็น MP4 ได้ในคลิกเดียว [17]

ในมุมของคนทำงานความรู้ ผมคิดว่าของแบบนี้น่าสนใจตรงที่ย้ายงานเตรียมสื่อจากการนั่งทำสไลด์ทีละหน้า ไปเป็นการเขียนโจทย์ให้ดีหนึ่งย่อหน้า [17]

อ่านทั้งแปดโปรเจกต์แล้วเห็นเทรนด์สามข้อ

เทรนด์ที่ 1, แต่ละชั้นมีตลาดของตัวเองแล้ว

สี่ชั้นที่ผมแบ่งไว้ตอนต้น มีตัวแทนครบในสัปดาห์เดียว ชั้นความจำมี OpenViking กับ claude-mem ที่เลือกปรัชญาคนละขั้ว [3][7]

ชั้นรันไทม์มี herdr กับ openclaude ชั้นความรู้มีคลังสกิลวิทยาศาสตร์กับไกด์ภาษา และชั้นงานเฉพาะทางมีเครื่องมือ SEO กับห้องเรียน [9][11][12][15][16][17]

จุดที่ต่างจากปีก่อนคือของเหล่านี้ไม่ต้องรอให้เจ้าของโมเดลอนุญาต ทุกตัวทำงานกับ agent ที่คุณมีอยู่แล้ว และหลายตัวเลือกทำงานกับคู่แข่งของตัวเองด้วยซ้ำ

เทรนด์ที่ 2, ความจำกลายเป็นชั้นที่วัดผลได้แล้ว

OpenViking กับ claude-mem เป็นคู่ที่ควรอ่านเทียบกัน ตัวแรกสร้างระบบไฟล์ให้เดินดูและเปิดทุกอย่างให้ตรวจ ตัวหลังเก็บเงียบ ๆ แล้วฉีดกลับตอนที่จำเป็น [3][7]

การวัดผลก็ต่างกันคนละแบบ ตัวแรกวัดด้วยความแม่นยำที่ขยับจากหลักสิบต้น ๆ ขึ้นมาที่แปดสิบกว่าในการรันของตัวเอง [5]

ตัวหลังวัดด้วยการที่คนยอมให้ดาวเกินหนึ่งแสน และทีมปล่อยรุ่นมาแล้วกว่า 360 รุ่น [7]

ทั้งสองกรณีบอกเรื่องเดียวกันว่า ความจำกำลังเลิกเป็นเรื่องของพรอมป์ และกลายเป็นชั้นโครงสร้างที่มีตัวเลขของตัวเอง

เทรนด์ที่ 3, มาตรฐานกลางกำลังโตจากคนที่แข่งกัน

สัญญาณที่ผมคิดว่าชัดที่สุดในสัปดาห์นี้คือ ค่ายที่แข่งกันกลับช่วยกันทำให้มาตรฐานกลางโต [12][14][15][17]

คลังสกิลวิทยาศาสตร์เปลี่ยนชื่อเพื่อหนีจากเจ้าเดียวและทำตามมาตรฐาน Agent Skills JetBrains ปล่อยไกด์ของตัวเองให้ Cursor กับ Codex ซึ่งเป็นคู่แข่งตรง ๆ [12][14][15]

และ OpenMAIC เลือกเชื่อมกับเจ้าอื่นแทนที่จะบังคับให้คนใช้ระบบตัวเอง [17]

ยังไม่มีมาตรฐานเดียวที่ชนะขาด แต่ทิศทางของปลั๊กอินที่เขียนครั้งเดียวแล้วย้ายข้ามเจ้าได้ กำลังกลายเป็นเรื่องที่คนคาดหวัง ไม่ใช่ของแถม

อ่านสามเทรนด์รวมกันจะเห็นเส้นเดียว ทุกโปรเจกต์ในลิสต์นี้ไม่ได้ทำให้โมเดลฉลาดขึ้นแม้แต่นิด

ชั้นที่คนแย่งกันทำคือชั้นที่ทำให้ agent อยู่ได้นานขึ้น จำได้แม่นขึ้น และรู้ขอบเขตของตัวเอง งานพวกนี้ไม่หวือหวา แต่เป็นชั้นที่ตัดสินว่า agent จะทำงานได้จริงในชีวิตประจำวันหรือไม่

แล้วคุณล่ะ สัปดาห์นี้มีโปรเจกต์ไหนที่อยากลอง หรือมี repo น่าสนใจที่ผมพลาดไป พิมพ์บอกกันได้เลยครับ

ใครอยากตามบทความชุดนี้ทุกสัปดาห์ กด Follow ที่โปรไฟล์ของผมได้ที่ dev.to/sarantoon และถ้าเห็นว่าเป็นประโยชน์ก็แชร์ต่อให้เพื่อนนักพัฒนาได้เลย

บทความนี้เขียนโดย AI (deepseek-v4.1-flash) ผ่าน Hermes Agent ภายใต้การควบคุมและสอบทานคุณภาพโดยมนุษย์, 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] volcengine/OpenViking, README, 2026, https://github.com/volcengine/OpenViking

[4] OpenViking documentation, 2026, https://docs.openviking.ai/

[5] OpenViking, benchmark results, blog, 2026, https://blog.openviking.ai/post/openviking-benchmark-results/

[6] Gao, P. et al., "VikingRAG: Accurate and Token-efficient Retrieval-augmented Generation over Structured Documents", arXiv 2609.11390, 2026, https://arxiv.org/abs/2609.11390

[7] thedotmack/claude-mem, README, 2026, https://github.com/thedotmack/claude-mem

[8] claude-mem documentation, 2026, https://docs.claude-mem.ai/

[9] herdrdev/herdr, README, 2026, https://github.com/herdrdev/herdr

[10] herdr documentation, session state, 2026, https://herdr.dev/docs/

[11] Twigpine/openclaude, README, 2026, https://github.com/Twigpine/openclaude

[12] K-Dense-AI/scientific-agent-skills, README, 2026, https://github.com/K-Dense-AI/scientific-agent-skills

[13] K-Dense AI, "Scientific Agent Skills: A Library of Procedural Knowledge for Research Agents", arXiv 2609.00065, 2026, https://arxiv.org/abs/2609.00065

[14] Agent Skills standard, 2026, https://agentskills.io/

[15] JetBrains/go-modern-guidelines, README, 2026, https://github.com/JetBrains/go-modern-guidelines

[16] every-app/open-seo, README, 2026, https://github.com/every-app/open-seo

[17] THU-MAIC/OpenMAIC, README, 2026, https://github.com/THU-MAIC/OpenMAIC

[18] THU-MAIC/OpenMAIC, CHANGELOG, v1.2.0-rc.1, 2026, https://github.com/THU-MAIC/OpenMAIC/blob/main/CHANGELOG.md