Karpathy-Style Knowledge Stack, วิธีสร้างสมองที่สองด้วย Obsidian + Hermes + MiniMax M3
โดย Nokka (นก-กา) | 12 สิงหาคม 2026
บทความนี้เขียนโดย AI (deepseek-v4-pro) ผ่าน Hermes Agent ภายใต้การควบคุมและตรวจสอบคุณภาพโดยมนุษย์, Nokka (นก-กา)
"Obsidian as your memory, Hermes as your agent, MiniMax M3 as the reasoning core"
นี่คือประโยคเปิดของ Mr. Buzzoni (@polydao) ในบทความที่อธิบายการสร้าง "Knowledge Stack" แบบ Karpathy, ระบบที่เปลี่ยนจาก "แอปจดโน้ต" ธรรมดา, ไปเป็น "สมองที่สอง" ที่ AI ช่วยคิด, ช่วยเชื่อมโยง, และช่วยพัฒนาตัวเอง [1]
ผมอ่านบทความนี้แล้วรู้สึกว่านี่คือ blueprint ที่คนทำ AI Agent ควรรู้, เพราะมันไม่ได้มีเพียง "ใช้ AI จดโน้ต", แต่มันคือ "ใช้ AI สร้างระบบความรู้ที่พัฒนาตัวเองได้"
ส่วนที่ 1: ทำไม "Knowledge Stack" ถึงดีกว่า "Note App"
Buzzoni เริ่มด้วยการชี้ปัญหา 3 ข้อของ PKM (Personal Knowledge Management) แบบเดิม:
| ปัญหา | คำอธิบาย |
|---|---|
| Notes rot | คุณจดไว้, แต่ไม่เคยกลับมาอ่าน, ข้อมูลตาย |
| Links break | คุณเชื่อมโยง notes, แต่พอลืม, link ก็ไร้ค่า |
| Context resets | ทุกครั้งที่เปิด AI, คุณต้องอธิบายใหม่, AI ไม่จำอะไรเลย |
Knowledge Stack แก้ปัญหาทั้ง 3 ข้อด้วย 3 ชั้น:
Obsidian Vault
↓
Hermes Agent
↓
MiniMax M3
↓
Updated notes, summaries, skills, scheduled jobs
| ชั้น | หน้าที่ |
|---|---|
| Obsidian | Ground truth, ข้อมูลทั้งหมดอยู่ที่นี่, เป็น source of truth |
| Hermes Agent | Self-improving operator, อ่าน vault, เรียกใช้ tools, สร้าง skills, จำ context |
| MiniMax M3 | Reasoning core, 1M context window, อ่าน vault ทั้งหมด, คิดเชื่อมโยง |
ผลลัพธ์: "The result feels less like 'using an LLM' and more like slowly training a second brain" [1]
ส่วนที่ 2: Layer 1, Obsidian เป็น Ground Truth
Obsidian คือชั้นฐาน, หลักการง่ายๆ:
"If it is worth keeping, it lives in Obsidian first. If the agent does something useful, it should end up as a note." [1]
โครงสร้าง vault ที่แนะนำ:
/obsidian-vault
/inbox
/people
/projects
/research
ai-agents.md
minimax-m3-benchmarks.md
/ai
hermes-playbook.md
agents-ideas.md
ทำไมต้อง Obsidian:
- ✅ Local-first, ไฟล์ Markdown ธรรมดา, ไม่ล็อกกับ platform ใด
- ✅ Wikilinks, เชื่อมโยง notes ด้วย
[[link]], AI อ่าน graph ได้ - ✅ Tags,
#coin,#project,#concept, AI จัดกลุ่มได้ - ✅ MOCs (Maps of Content), สารบัญที่ AI สร้างและอัปเดตให้
ส่วนที่ 3: Layer 2, Hermes Agent เป็น Self-Improving Operator
Hermes Agent คือชั้นกลาง, มันไม่ได้มีเพียง "AI chatbot", แต่มันคือ infrastructure ที่มี persistent memory, skills, cron jobs, และ tool use [5]:
| ความสามารถ | คำอธิบาย |
|---|---|
| Persistent Memory | จำคุณ, งานของคุณ, context, ไม่ reset ทุก session |
| Skills from Experience | เรียนรู้จากงานที่ทำ, สร้าง skills, พัฒนาตัวเอง |
| Session Search | ค้นหาบทสนทนาเก่า, ดึง context กลับมา, ไม่ต้องอธิบายใหม่ |
| Tool Use | อ่านไฟล์, แก้ไขไฟล์, รัน terminal, เรียก API |
| Cron Jobs | ตั้งเวลาทำงานอัตโนมัติ, vault lint ทุกสัปดาห์ |
ตัวอย่าง workflow จริง:
"A full vault lint is 30+ tool calls: read MOC, follow wikilinks, count tags, scan for duplicates, write the report." [1]
วิธีติดตั้ง:
# macOS / Linux
curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash
# Windows
irm https://hermes-agent.nousresearch.com/install.ps1 | iex
เชื่อมต่อกับ Obsidian vault:
export OBSIDIAN_VAULT="$HOME/Documents/Obsidian/MainVault"
hermes setup
ส่วนที่ 4: Layer 3, MiniMax M3 เป็น Reasoning Core
นี่คือชั้นที่ทำให้ Knowledge Stack แตกต่างจาก "แค่ใช้ AI จดโน้ต", MiniMax M3 คือโมเดลที่มี context window 1 ล้านโทเคน, 428B parameters, และสถาปัตยกรรม MSA (Multi-Stage Attention) [2] [3]
| สเปก | รายละเอียด |
|---|---|
| Context Window | 1 ล้านโทเคน (1,048,576) |
| Parameters | ~428B total, ~23B active per token (MoE) |
| Architecture | MSA (Multi-Stage Attention) |
| Multimodal | Text + Image + Video |
| Open Weights | ✅ เปิดให้ดาวน์โหลด |
| ราคา API | $0.24/M input, $0.96/M output |
| เปิดตัว | 1 มิถุนายน 2026 |
ทำไมต้อง M3, ไม่ใช่ Claude หรือ GPT:
Buzzoni อธิบายว่าเขาลองมาหลายโมเดลแล้ว, แต่ทุกตัวมีปัญหาเดียวกัน:
"It would summarize a single note fine, but the moment I asked it to read ten notes, cross-reference them with my MOCs, and write a new one back, it would lose the thread." [1]
M3 แก้ปัญหานี้ด้วย 3 อย่าง:
| จุดแข็ง | ทำไมถึงสำคัญสำหรับ Knowledge Stack |
|---|---|
| 1M Context | อ่าน vault ทั้งหมดในครั้งเดียว, ไม่ต้องแบ่ง chunk |
| Long-horizon coherence | ทำงาน 20+ นาที, ยังจำได้ว่าถามอะไรตอนนาทีที่ 1 |
| Tool-calling reliability | 30+ tool calls, ยังตาม thread ถูก, ไม่หลง |
Buzzoni สรุปไว้คมมาก:
"With a 200K model I'd get maybe 3 of those 4 right. With M3 I get all 4 in one pass, on a ~500-file vault." [1]
ส่วนที่ 5: งานที่ควร Automate, "Jobs that are actually worth it"
Buzzoni แนะนำ 5 งานที่ Knowledge Stack ทำได้ดี:
| งาน | คำอธิบาย |
|---|---|
| Vault Lint | สแกน vault ทั้งหมด, หา duplicates, broken links, tags ไม่สม่ำเสมอ |
| Cross-MOC Refactor | อ่านหลาย MOCs, ปรับโครงสร้าง, อัปเดต wikilinks |
| Article → Note | อ่านบทความ → สรุปเป็น 5-section note → อัปเดต MOCs |
| Daily Review | สรุปสิ่งที่ทำวันนี้, เชื่อมโยงกับ notes ที่มี, อัปเดต tags |
| Research Compile | อ่าน 50 notes → cross-reference → เขียน overview 1,000 คำ |
ตัวอย่าง: Article → Note workflow
1. Drop article into /inbox
2. Hermes reads it with M3
3. M3 compiles into 5-section note:
- # Profile
- # Context in my research
- # Links into vault
- # Tags
- # Related
4. Hermes updates 3 MOCs
5. Note is now part of the knowledge graph
ผล compounding: "After 6 months of weekly compiles, the model 'knows' my voice, my tag system, and which MOCs I update for which kind of work, without me retraining anything." [1]
ส่วนที่ 6: วิธีตั้งค่าทั้ง Stack, Step by Step
Step 1: ติดตั้ง Obsidian
# ดาวน์โหลดจาก obsidian.md, ฟรีสำหรับ personal use
# สร้าง vault, ใช้โครงสร้างด้านบน
Step 2: ติดตั้ง Hermes Agent
curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash
source ~/.bashrc
hermes
Step 3: เชื่อมต่อ MiniMax M3
hermes model
# เลือก MiniMax M3 จากรายการ providers
# หรือตั้งค่าผ่าน config:
hermes config set model minimax-m3
Step 4: เชื่อมต่อ Obsidian vault
export OBSIDIAN_VAULT="$HOME/Documents/Obsidian/MainVault"
hermes setup
hermes doctor # ตรวจสอบว่าทุกอย่างพร้อม
Step 5: ตั้ง Cron Job สำหรับ Vault Lint
# ให้ Hermes สแกน vault ทุกวันอาทิตย์
hermes cron create \
--schedule "0 9 * * 0" \
--prompt "Scan my Obsidian vault: find duplicates, broken wikilinks, inconsistent tags, and notes that haven't been updated in 3+ months. Write a report to /Reviews/vault-health-$(date +%Y-%m-%d).md"
ส่วนที่ 7: ข้อควรระวัง, สิ่งที่ Buzzoni ไม่ได้บอก
7.1 MiniMax M3 ไม่ใช่ Open Source เต็มรูปแบบ
M3 เปิด weights, แต่ไม่เปิด training data, training code, หรือ RLHF process, เหมือนกับ Qwen และ DeepSeek, นี่คือ "Open Weights" ไม่ใช่ "Open Source" [2]
7.2 1M Context ≠ ฟรี
M3 คิดราคาตาม tokens, $0.24/M input, $0.96/M output [4], การอ่าน vault 500 ไฟล์อาจใช้ 100K+ tokens, ค่าใช้จ่าย ~$0.02-0.10 ต่อครั้ง, ไม่แพง, แต่ถ้าทำวันละหลายครั้ง, อาจสะสม
7.3 Hermes ต้องเรียนรู้
Hermes ไม่ได้ "รู้" vault คุณทันที, ต้องใช้เวลาสร้าง skills และ memory, Buzzoni บอกว่าใช้เวลา "a few weeks" ก่อนที่ routing จะ "become invisible"
7.4 Vault Structure Matters
"If your vault is chaotic, Hermes will still help, but it will spend more time interpreting the mess instead of improving it." [1]
ส่วนที่ 8: ใครควรทำ Knowledge Stack นี้
| เหมาะสำหรับ | ไม่เหมาะสำหรับ |
|---|---|
| ✅ นักวิจัย, ต้องเชื่อมโยงข้อมูลเยอะ | ❌ คนที่จดโน้ตน้อย, ไม่คุ้มค่าตั้งค่า |
| ✅ Content Creator, ต้อง compile ข้อมูล | ❌ คนที่ใช้แค่ 1-2 tools, overkill |
| ✅ Developer, ต้องจำ context ข้ามโปรเจกต์ | ❌ คนที่ไม่ต้องการ AI ใน workflow |
| ✅ Knowledge Worker, อ่านเยอะ, เขียนเยอะ | ❌ คนที่ต้องการความเรียบง่าย, ใช้ Notion พอ |
| ✅ AI Engineer, อยากทดลอง Agent workflow |
สรุป, "The loop is the product"
| คำถาม | คำตอบ |
|---|---|
| Knowledge Stack คืออะไร? | Obsidian (memory) + Hermes (agent) + MiniMax M3 (reasoning) |
| ต่างจาก Note App อย่างไร? | AI อ่าน vault, เชื่อมโยง, สรุป, อัปเดต, ไม่ได้มีเพียงจด |
| MiniMax M3 เก่งอะไร? | 1M context, อ่าน vault ทั้งหมด, coherence ยาว, tool-calling แม่น |
| Hermes ทำอะไร? | Persistent memory, skills, cron jobs, tool use, self-improving |
| ใช้เวลาตั้งค่านานไหม? | ~1-2 ชั่วโมง, แล้วใช้ได้ตลอดไป |
| ค่าใช้จ่าย? | Obsidian ฟรี, Hermes ฟรี (open source), M3 ~$0.02-0.10/ครั้ง |
Buzzoni ปิดท้ายไว้ดีที่สุด:
"That loop, not one-off chat, is the actual product."
Knowledge Stack ไม่ใช่ "ใช้ AI คุย", แต่มันคือ "ใช้ AI สร้างระบบที่พัฒนาตัวเอง", และนั่นคือสิ่งที่ทำให้มันต่างจากทุกอย่างที่คุณเคยใช้
แหล่งอ้างอิง
[1] Mr. Buzzoni (@polydao). "Karpathy-Style Knowledge Stack: Why I Put Hermes, MiniMax M3 and Obsidian at the Core". X. 2026. https://x.com/polydao/status/2066904909849440434
[2] MiniMax. "MiniMax M3, Coding & Agentic Frontier, 1M Context, Multimodal". 2026. https://www.minimax.io/models/text/m3
[3] BenchLM.ai. "MiniMax M3 Benchmarks, Pricing & Speed (August 2026)". 2026. https://benchlm.ai/models/minimax-m3
[4] OpenRouter. "MiniMax M3, API Pricing & Benchmarks". 2026. https://openrouter.ai/minimax/minimax-m3
[5] Nous Research. "Hermes Agent Documentation". 2026. https://hermes-agent.nousresearch.com/docs
บทความนี้วิเคราะห์จากบทความต้นฉบับของ Mr. Buzzoni บน X และแหล่งข้อมูลเพิ่มเติม, ข้อมูล ณ 12 สิงหาคม 2026, Nokka
คุณเคยลองสร้าง Knowledge Stack แบบนี้ไหม? ใช้ Obsidian + AI Agent อยู่หรือเปล่า? หรือใช้ tool อื่นแทน? แชร์ประสบการณ์ใต้บทความได้เลยครับ
Top comments (0)