Pi: Open-Source AI Agent Terminal Set-Up

1
00:00:00,000 --> 00:00:06,448
นี่คือ Pi ซึ่งเป็น AI agent

2
00:00:06,448 --> 00:00:14,568
ที่เปิดโค้ดเต็มรูปแบบและมีขนาดเล็ก

3
00:00:14,568 --> 00:00:22,210
ที่ทำงานโดยตรงใน terminal ของคุณ

4
00:00:22,210 --> 00:00:32,240
และฉับายว่าหลายๆ คนกำลังคิดอยู่ในตอนนี้ว่า

5
00:00:32,240 --> 00:00:41,554
โอ้โห Christian ทำไมต้อง AI tool อีกตัว

6
00:00:41,554 --> 00:00:48,240
และทำไมเราควรสนใจใน home lab

7
00:00:48,240 --> 00:00:59,226
และใช่คุณก็ฉลาดที่จะสงสัย เพราะว่าในปัจจุบันมี

8
00:00:59,226 --> 00:01:10,211
AI tool เยอะมากจนเกินไป และทุกวันก็มีสิ่งใหม่ๆ

9
00:01:10,211 --> 00:01:26,212
ที่ทุกคนนิยมกันอยู่บน social media แต่ Pi แตกต่างจากเครื่องมืออื่นๆ

10
00:01:26,212 --> 00:01:38,630
มันได้กลายเป็นเครื่องมือเดียวที่ฉันใช้สำหรับทุกอย่าง

11
00:01:38,630 --> 00:01:46,989
ตั้งแต่การพัฒนาโค้ด การเขียนสคริปต์

12
00:01:46,989 --> 00:01:57,497
และการทำงานกับ Terraform ไฟล์ infrastructure

13
00:01:57,497 --> 00:02:06,810
as code อื่นๆ แต่ก็ยังรวมถึงการดูแลระบบ

14
00:02:06,810 --> 00:02:13,975
operational work บนเซิร์ฟเวอร์

15
00:02:13,975 --> 00:02:23,527
อินฟราสตรักเจอร์ container orchestration

16
00:02:23,527 --> 00:02:31,886
และส่วนใดๆ ใน home lab stack ของฉัน

17
00:02:31,886 --> 00:02:42,632
และมันทำงานได้น่าทึ่งเลย สิ่งที่น่าสนใจของ Pi

18
00:02:42,632 --> 00:02:51,469
คือ ในขณะที่เครื่องมือและ agent อื่นๆ

19
00:02:51,469 --> 00:03:02,454
ที่สร้างโดยแพลตฟอร์มใหญ่ๆ เช่น Cloud Code หรือ

20
00:03:02,454 --> 00:03:05,797
OpenAI's Codex

21
00:03:05,797 --> 00:03:15,350
พวกเขามักพยายามเพิ่มฟีเจอร์มากมาย แต่ Pi

22
00:03:15,350 --> 00:03:26,335
มันตรงไปตรงมามากกว่า ไม่มี MCP setup ไม่มี sub

23
00:03:26,335 --> 00:03:37,082
agents ไม่มี permission pop-ups มันใช้แค่ CLI

24
00:03:37,082 --> 00:03:44,008
tools และ commands ที่ธรรมดาๆ

25
00:03:44,008 --> 00:03:53,083
อย่างแท้จริงและมันน่าทึ่งเป็นอย่างยิ่ง

26
00:03:53,083 --> 00:04:02,158
มันยังเปิดเผยข้อมูลได้อย่างสมบูรณ์ด้วย

27
00:04:02,158 --> 00:04:13,143
ดังนั้นรองรับมากกว่า 15 ผู้ให้บริการที่ต่างกัน

28
00:04:13,143 --> 00:04:23,651
คุณสามารถใช้ API keys ได้ คุณสามารถใช้ OAuth

29
00:04:23,651 --> 00:04:33,681
กับ subscription ที่มีอยู่ และคุณสามารถใช้

30
00:04:33,681 --> 00:04:37,980
local LLMs ได้ด้วย

31
00:04:37,980 --> 00:04:47,293
ดังนั้นให้ฉันแสดงให้คุณเห็นว่า Pi agent

32
00:04:47,293 --> 00:04:53,503
คืออะไร และ terminal setup

33
00:04:53,503 --> 00:05:03,533
สำหรับใช้งานนี้เป็นอย่างไร รวมถึงว่าฉันใช้

34
00:05:03,533 --> 00:05:10,697
agentic AI ใน home lab อย่างไร

35
00:05:10,697 --> 00:05:15,473
แต่ก่อนที่เราจะเริ่ม

36
00:05:15,473 --> 00:05:25,981
ฉันอยากจะแสดงให้คุณเห็นเล็กน้อยว่าฉันเข้าถึง

37
00:05:25,981 --> 00:05:31,474
home lab infrastructure

38
00:05:31,474 --> 00:05:38,877
อย่างปลอดภัยจากภายนอกได้อย่างไร

39
00:05:38,877 --> 00:05:51,773
เมื่อใดก็ตามที่ฉันเดินทางไปยังที่อื่นหรือฉันต้องการใช้

40
00:05:51,773 --> 00:06:00,371
local LLMs ที่ฉัน host ไว้จากที่อื่น

41
00:06:00,371 --> 00:06:10,162
ข้อเสนอแนะของฉันเสมอคือ TwinGate ซึ่งเป็น

42
00:06:10,162 --> 00:06:20,670
sponsor ของวิดีโว้ตุดปัจจุบัน เพราะ TwinGate

43
00:06:20,670 --> 00:06:31,178
เป็นเครื่องมือ remote access ที่ปลอดภัย เร็ว

44
00:06:31,178 --> 00:06:42,163
และง่าย เป็นสิ่งที่เราเรียกว่า ZTNA zero trust

45
00:06:42,163 --> 00:06:47,656
network access platform

46
00:06:47,656 --> 00:07:05,089
และมันทำให้เชื่อมต่อระหว่างอุปกรณ์ทั้งหมดของคุณที่ต้องการตรวจสอบและอนุญาต

47
00:07:05,089 --> 00:07:11,537
เพื่อให้มั่นใจว่ามันปลอดภัย

48
00:07:11,537 --> 00:07:22,523
แต่เทคโนโลยีนี้ทำงานได้ผ่านอุปกรณ์และ firewall

49
00:07:22,523 --> 00:07:33,030
โดยไม่ต้องใช้ port forwarding หรือ exception

50
00:07:33,030 --> 00:07:34,130
ใดๆ

51
00:07:34,130 --> 00:07:52,041
คุณสามารถเข้าสู่ระบบปลอดภัยได้ไม่ว่าคุณจะอยู่ที่ไหนหรือเชื่อมต่อจากไหนก็ตาม

52
00:07:52,041 --> 00:07:57,056
สิ่งที่ดีคือ Twingate

53
00:07:57,056 --> 00:08:03,982
มันใช้งานได้ฟรีสำหรับผู้ใช้ 5

54
00:08:03,982 --> 00:08:13,773
คนและเชื่อมต่อกับเครือข่าย remote 10 แห่ง

55
00:08:13,773 --> 00:08:27,863
คุณสามารถทำให้เครือข่ายของคุณปลอดภัยและสามารถเข้าถึงได้ด้วย

56
00:08:27,863 --> 00:08:38,132
TwinGate และเนื่องจาก Twingate เป็น sponsor

57
00:08:38,132 --> 00:08:40,998
ของวิดีโอนี้

58
00:08:40,998 --> 00:08:52,461
ฉันจะให้ลิงก์ไปยังเว็บไซต์ในช่องคำบรรยายด้านล่าง

59
00:08:52,461 --> 00:09:03,208
โอเค เพื่อนๆ ดังนั้นตอนนี้เรามาเริ่มกันกับ Pi

60
00:09:03,208 --> 00:09:12,521
agent นี้ นี่คือเว็บไซต์อย่างเป็นทางการ

61
00:09:12,521 --> 00:09:22,074
pie.dev ที่คุณสามารถหา documentation และ

62
00:09:22,074 --> 00:09:32,343
one-liner install command ที่คุณสามารถรันบน

63
00:09:32,343 --> 00:09:40,702
operating system และ terminal setup

64
00:09:40,702 --> 00:09:50,254
ที่คุณถูกใจ มันทำงานได้บน Windows, Linux

65
00:09:50,254 --> 00:09:59,329
และรองรับบน terminal emulator หลากหลาย

66
00:09:59,329 --> 00:10:06,016
คุณสามารถใช้ที่คุณถูกใจก็ได้

67
00:10:06,016 --> 00:10:15,091
เหมือนบางคนอาจรู้ว่า terminal emulator

68
00:10:15,091 --> 00:10:19,628
ที่ฉันถูกใจคือ Warp

69
00:10:19,628 --> 00:10:29,420
ซึ่งล่าสุดก็ได้กลายเป็นเปิดโค้ดเต็มรูปแบบ

70
00:10:29,420 --> 00:10:39,450
ฉันรู้ว่าหลายคนได้พูดถึงการใช้ Warp ของฉัน

71
00:10:39,450 --> 00:10:46,375
ซึ่งเป็น terminal application

72
00:10:46,375 --> 00:10:50,435
ที่เป็นกรรมสิทธิ์

73
00:10:50,435 --> 00:11:01,182
แต่ตอนนี้พวกเขาได้เปลี่ยนทุกอย่าง คุณสามารถหา

74
00:11:01,182 --> 00:11:11,451
source code ของ Warp terminal บน GitHub ได้

75
00:11:11,451 --> 00:11:22,436
และสิ่งที่ฉันชอบในการใช้ Warp กับ Pi agent คือ

76
00:11:22,436 --> 00:11:30,795
Warp มี third-party CLI agents ใหม่

77
00:11:30,795 --> 00:11:38,437
คุณสามารถตั้งค่าประเภทของ prompt

78
00:11:38,437 --> 00:11:47,512
ที่คุณต้องการใช้บ่อยๆ ในลักษณะเดียวกัน

79
00:11:47,512 --> 00:11:55,154
ให้กำหนดเป็นไฟล์ markdown ที่นี่

80
00:11:55,154 --> 00:12:03,035
แล้วมันก็จะกลายเป็น slash command

81
00:12:03,035 --> 00:12:09,960
ถ้าเราสร้างไฟล์ใหม่ review.md

82
00:12:09,960 --> 00:12:20,946
และเราเริ่มด้วยส่วน meta เล็กๆ คือ description

83
00:12:20,946 --> 00:12:30,260
แล้วทำ coding review ไฟล์ที่อ้างถึงหรือ

84
00:12:30,260 --> 00:12:41,006
project ปัจจุบัน โดยเน้น bug ปัญหาความปลอดภัย

85
00:12:41,006 --> 00:12:46,738
การจัดการ error และอื่นๆ

86
00:12:46,738 --> 00:12:55,574
คุณบันทึกแล้วกลับไปยัง project รัน Pi

87
00:12:55,574 --> 00:13:06,321
แล้วคุณสามารถใช้ slash review ซึ่งจะทำ coding

88
00:13:06,321 --> 00:13:17,067
review ที่คุณได้กำหนดในไฟล์ markdown ถ้าคุณทำ

89
00:13:17,067 --> 00:13:22,082
process เดียวกันบ่อยๆ

90
00:13:22,082 --> 00:13:39,755
คุณสามารถประหยัดเวลาได้มาก และเช่นเดียวกับ review command คุณสามารถทำอื่นๆ

91
00:13:39,755 --> 00:13:45,247
ได้ เช่นการกำหนด skills

92
00:13:45,247 --> 00:13:54,800
ฉันไม่ได้ใช้มันมากเพราะฉันกำหนดมักจะเป็น

93
00:13:54,800 --> 00:14:03,158
prompt แต่ต่อไปฉันจะเริ่มใช้ skills

94
00:14:03,158 --> 00:14:13,427
อย่างไรก็ตาม บน internet ก็มีคนแบ่งปัน best

95
00:14:13,427 --> 00:14:22,263
practices, skills, prompts อื่นๆ อยู่

96
00:14:22,263 --> 00:14:33,249
และบนเว็บไซต์นี้คุณจะพบ community plugins หรือ

97
00:14:33,249 --> 00:14:43,757
extensions ที่ดีมาก เช่น LM Studio extension

98
00:14:43,757 --> 00:14:53,309
ฉันใช้มันเพื่อ experiment กับ local LLMs

99
00:14:53,309 --> 00:15:00,235
แต่สิ่งสำคัญที่ฉันควรบอกก็คือ

100
00:15:00,235 --> 00:15:10,265
มันมีความเสี่ยงบ้างเพราะถ้าคุณบอก Pi agent

101
00:15:10,265 --> 00:15:17,430
ให้ทำ deployment บน server XYZ

102
00:15:17,430 --> 00:15:27,937
มันจะทำโดยไม่ถามอีกที ไม่มี guardrails ใน Pi

103
00:15:27,937 --> 00:15:38,923
agent แต่ก็ขึ้นอยู่กับคุณที่จะเพิ่ม guardrails

104
00:15:38,923 --> 00:15:48,714
ในไฟล์ agent.d หรือเป็น very specific กับ

105
00:15:48,714 --> 00:15:56,117
prompts และ expectations ของคุณ

106
00:15:56,117 --> 00:16:09,013
ในที่สุดนี่ก็ได้กลายเป็นเครื่องมือเดียวที่ฉันใช้สำหรับ

107
00:16:09,013 --> 00:16:18,088
agentic AI coding และการทำงานบน DevOps

108
00:16:18,088 --> 00:16:25,253
projects และ home lab projects

109
00:16:25,253 --> 00:16:35,999
มันน่าทึ่งและในความคิดของฉันมันเกินกว่า large

110
00:16:35,999 --> 00:16:46,030
proprietary solutions หรือ open source CLI

111
00:16:46,030 --> 00:16:55,821
tools เช่น Cloud Code, Code X ทุกอย่าง Pi

112
00:16:55,821 --> 00:17:06,090
ในความคิดของฉันดีกว่ามันเล็กกว่า ตรงไปตรงมา

113
00:17:06,090 --> 00:17:14,687
และคุณสามารถปรับให้เข้ากับ workflows

114
00:17:14,687 --> 00:17:25,434
ส่วนตัวได้ดีกว่า แต่ตอนนี้ถึงตานักเรียนของคุณ

115
00:17:25,434 --> 00:17:33,554
บอกฉันว่าคุณคิดอย่างไรกับ Pi Agent

116
00:17:33,554 --> 00:17:38,569
ว่ามันเป็นประโยชน์ไหม

117
00:17:38,569 --> 00:17:49,076
คุณต้องการเรียนรู้เพิ่มเติมเกี่ยวกับ agentic

118
00:17:49,076 --> 00:17:59,345
AI coding ใน home lab หรือการพัฒนา home lab

119
00:17:59,345 --> 00:18:08,659
stack ของคุณหรือไม่ กรุณาปล่อย comments

120
00:18:08,659 --> 00:18:17,734
ให้ฉันและเหมือนเดิมอย่าลืมให้ like และ

121
00:18:17,734 --> 00:18:26,570
subscribe ถ้าคุณต้องการเห็น tutorials

122
00:18:26,570 --> 00:18:37,078
เพิ่มเติมสำหรับ home lab หรือ open-source AI

123
00:18:37,078 --> 00:18:46,392
tools อื่นๆ ก็เข้าร่วม community ของเรา

124
00:18:46,392 --> 00:18:57,139
ขอบคุณมากสำหรับการดูวิดีโอนี้ ขอบคุณสำหรับทุก

125
00:18:57,139 --> 00:19:06,930
supporter และ member ของ community ของเรา

126
00:19:06,930 --> 00:19:17,199
คุณคือคนที่น่าทึ่งเลย และเนื่องจาก Twingate

127
00:19:17,199 --> 00:19:23,169
เป็น sponsor ของวิดีโอนี้

128
00:19:23,169 --> 00:19:34,632
ฉันจะให้ลิงก์ไปยังเว็บไซต์ในช่องคำบรรยายด้านล่าง

129
00:19:34,632 --> 00:19:45,618
ขอบคุณมากสำหรับการดู และฉันจะพบคุณในวิดีโอหน้า

130
00:19:45,618 --> 00:19:49,200
ดูแลตัวเอง บายๆ