Improved AI Memory?

1
00:00:00,000 --> 00:00:03,152
สำหรับผมแล้วนี่มันน่าทึ่งมากที่ไม่ใช่แค่เราทำให้

2
00:00:03,152 --> 00:00:06,436
agent จดจำสิ่งต่างๆ ได้ แต่มันยังสร้างกราฟ (graph)

3
00:00:06,436 --> 00:00:11,953
จากความทรงจำของเราในแบบที่ช่วยปรับปรุง agent ให้แก้ปัญหาที่เราพยายามแก้ได้ดีขึ้นด้วย

4
00:00:11,953 --> 00:00:17,338
คุณเคยหงุดหงิดไหมที่ AI ของคุณชอบลืมสิ่งต่างๆ คุณต้องอธิบายบริบทเดิมซ้ำแล้วซ้ำเล่า

5
00:00:17,338 --> 00:00:20,622
เปลืองทั้งโทเค็นและเวลา และถ้าคุณรัน agent หลายตัว

6
00:00:20,622 --> 00:00:24,693
มันยิ่งแย่เข้าไปใหญ่เพราะคุณต้องแชร์บริบทให้พวกมันเข้าใจตรงกัน

7
00:00:24,693 --> 00:00:29,947
นั่นเป็นเพราะคุณไม่ได้ใช้ระบบความจำจริงๆ หรืออย่างน้อยก็ไม่ใช่ระบบที่ดีสักเท่าไร

8
00:00:29,947 --> 00:00:33,100
เรามาแก้ปัญหานี้กันเถอะ สวัสดีครับ ผมชื่อ Callum

9
00:00:33,100 --> 00:00:37,828
หรือที่รู้จักในชื่อ Wanderloots ยินดีต้อนรับสู่วิดีโอวันนี้ว่าด้วยการให้

10
00:00:37,828 --> 00:00:41,177
agent ของคุณมีความจำอย่างแท้จริง วันนี้ผมใช้ Hermes

11
00:00:41,177 --> 00:00:45,249
Agent เป็นตัวอย่าง แต่เครื่องมือด้านความจำที่ผมพูดถึงใช้ได้กับ

12
00:00:45,249 --> 00:00:49,584
AI แบบ agentic ทุกตัว และที่สำคัญกว่านั้นคือมันทำงานร่วมกันระหว่าง

13
00:00:49,584 --> 00:00:53,918
AI agent หลายตัวได้ คุณสามารถตั้งระบบนี้ครั้งเดียวแล้วเชื่อมต่อกับ

14
00:00:53,918 --> 00:00:57,136
agent ตัวไหนก็ได้โดยใช้หน่วยความจำกลาง (universal

15
00:00:57,136 --> 00:01:01,471
memory) ร่วมกัน ถ้าคุณยังใหม่กับ Hermes และอยากติดตั้งอย่างปลอดภัย

16
00:01:01,471 --> 00:01:04,886
ผมมีเพลย์ลิสต์เกี่ยวกับ agentic AI แบบเต็มอยู่ตรงนี้

17
00:01:04,886 --> 00:01:08,038
เมื่อดูวิดีโอนี้จบ คุณจะเข้าใจลำดับชั้นต่างๆ ของ

18
00:01:08,038 --> 00:01:11,387
memory stack และเข้าใจว่า agentic memory แตกต่างจาก

19
00:01:11,387 --> 00:01:14,802
knowledge layer อย่าง Obsidian หรือ LLM Wiki อย่างไร

20
00:01:14,802 --> 00:01:18,612
ทำไมคุณถึงอาจอยากใช้ dedicated memory provider แทนที่จะใช้

21
00:01:18,612 --> 00:01:24,391
built-in memory ตัวเลือก memory แบบต่างๆ และทำไมผมถึงเลือกสองตัวที่เราจะติดตั้งกันวันนี้

22
00:01:24,391 --> 00:01:27,478
วิธีติดตั้ง memory layer แบบเบาที่ไม่เป็นทางการ

23
00:01:27,478 --> 00:01:31,221
และวิธีติดตั้ง memory engine แบบเต็มรูปแบบอย่างเป็นทางการ

24
00:01:31,221 --> 00:01:34,439
ผมตื่นเต้นมากเพราะ memory เป็นสิ่งที่ผมศึกษามานาน

25
00:01:34,439 --> 00:01:38,117
และผมแทบรอไม่ไหวที่จะช่วยคุณติดตั้งมันในวันนี้ ทีนี้มาดู

26
00:01:38,117 --> 00:01:43,830
agentic memory กันครับ ก่อนที่เราจะติดตั้งอะไร ผมอยากเคลียร์ความสับสนที่พบบ่อยเกี่ยวกับ

27
00:01:43,830 --> 00:01:47,508
agentic memory ก่อน — มันไม่ใช่แค่ layer เดียว แต่มันคือ

28
00:01:47,508 --> 00:01:50,792
stack (ระบบซ้อนชั้น) เมื่อผู้คนพูดถึง second brain

29
00:01:50,792 --> 00:01:54,535
หรือ agentic memory จริงๆ แล้วพวกเขากำลังหมายถึงสามอย่าง:

30
00:01:54,535 --> 00:01:57,950
world knowledge, built-in memory และ external memory

31
00:01:57,950 --> 00:02:01,300
knowledge layer อย่าง Obsidian vaults หรือ LLM Wiki

32
00:02:01,300 --> 00:02:04,649
เป็นส่วนหนึ่งของ memory stack แต่ไม่ใช่ operational

33
00:02:04,649 --> 00:02:08,918
memory (ความจำเชิงปฏิบัติการ) จริงๆ ในแบบที่เราหมายถึงเมื่อพูดว่า

34
00:02:08,918 --> 00:02:14,237
agent memory มันคือ world knowledge ข้อมูลพื้นฐานที่ใช้ร่วมกันในทุกโปรเจกต์และทุก

35
00:02:14,237 --> 00:02:17,718
agent คุณสามารถจำกัดการเข้าถึง knowledge layer นี้ของ

36
00:02:17,718 --> 00:02:21,461
agent ได้ ซึ่งผมพูดถึงเพิ่มเติมในวิดีโอเรื่องการเชื่อมต่อ

37
00:02:21,461 --> 00:02:24,614
agentic AI กับ Obsidian จากนั้นเรามี operational

38
00:02:24,614 --> 00:02:27,766
memory ซึ่งแบ่งเป็นสองระดับ: built-in memory และ

39
00:02:27,766 --> 00:02:31,838
dedicated memory providers operational memory เน้นไปที่สิ่งที่

40
00:02:31,838 --> 00:02:35,647
agent ควรจดจำเกี่ยวกับการทำงานกับเราโดยเฉพาะ การทดสอบง่ายๆ

41
00:02:35,647 --> 00:02:40,638
คือ ถ้าเป็นความรู้ที่คุณอยากให้เก็บรักษาและจัดระเบียบไว้ใช้ในทุกสิ่งที่คุณทำ

42
00:02:40,638 --> 00:02:47,140
— นั่นคือ Obsidian แต่ถ้าเป็นข้อเท็จจริงเกี่ยวกับสไตล์การทำงานของคุณหรือสิ่งที่คุณกำลังทำอยู่ตอนนี้

43
00:02:47,140 --> 00:02:50,489
— นั่นคือ agentic memory สรุปภาพรวม: เรามี built-in

44
00:02:50,489 --> 00:02:53,904
memory ซึ่งดีสำหรับการสนทนาแบบ single session ง่ายๆ,

45
00:02:53,904 --> 00:02:58,173
memory provider สำหรับเมื่อคุณทำโปรเจกต์ซับซ้อนที่ดำเนินต่อเนื่อง

46
00:02:58,173 --> 00:03:01,325
หรือแค่อยากได้ประสิทธิภาพและการเรียกคืนของ agent

47
00:03:01,325 --> 00:03:04,675
ที่ดีขึ้นอย่างเห็นได้ชัด, และ knowledge layer อย่าง

48
00:03:04,675 --> 00:03:08,944
Obsidian สำหรับสร้าง world knowledge ที่ครอบคลุมทุกโปรเจกต์และทุก

49
00:03:08,944 --> 00:03:12,162
agent ที่คุณรัน ผมพูดถึงการเชื่อมต่อ Obsidian กับ

50
00:03:12,162 --> 00:03:16,430
agentic AI เพิ่มเติมในวิดีโอนี้ วันนี้ผมอยากโฟกัสเฉพาะสองระดับแรก

51
00:03:16,430 --> 00:03:19,583
คือ built-in memory และ external memory provider

52
00:03:19,583 --> 00:03:22,735
วิดีโอถัดไปของผมจะลงลึกในการตั้งค่า Obsidian LLM

53
00:03:22,735 --> 00:03:26,281
Wiki ที่เสริม agent memory ที่เรากำลังติดตั้งกันวันนี้

54
00:03:26,281 --> 00:03:29,434
เรามาเริ่มด้วยการเปรียบเทียบ built-in memory กับ

55
00:03:29,434 --> 00:03:33,374
memory provider จริงๆ กันครับ ถ้าคุณพบว่าวิดีโอนี้มีประโยชน์

56
00:03:33,374 --> 00:03:38,037
ช่วยกดไลก์ กดไฮป์ และกดติดตามด้วยนะครับ ผมซาบซึ้งในการสนับสนุนของคุณมาก

57
00:03:38,037 --> 00:03:41,912
ถ้าคุณมองหาวิธีสนับสนุนผมเพิ่มเติม ลองพิจารณาเข้าร่วมสมาชิก

58
00:03:41,912 --> 00:03:45,458
YouTube หรือ Patreon ของผม ซึ่งผมให้สมาชิกเข้าถึงทิปส์

59
00:03:45,458 --> 00:03:48,939
ข้อมูลเชิงลึก และมุมมองของผมเกี่ยวกับอนาคตของ agentic

60
00:03:48,939 --> 00:03:52,026
AI และการจัดการความรู้ แล้ว built-in memory ของ

61
00:03:52,026 --> 00:03:55,309
Hermes หน้าตาเป็นยังไงล่ะ? มันมีสามไฟล์: memory.md

62
00:03:55,309 --> 00:03:59,578
ซึ่งเป็น operational memory ของคุณ, user.md ซึ่งบอกว่าคุณเป็นใคร,

63
00:03:59,578 --> 00:04:03,650
และ soul.md ซึ่งทางเทคนิคแล้วไม่ใช่ memory แต่เป็นบุคลิกภาพของ

64
00:04:03,650 --> 00:04:07,196
agent เอง นอกจากนั้น built-in memory ยังรวมถึง session

65
00:04:07,196 --> 00:04:10,283
search ที่เก็บในฐานข้อมูลภายใน (local database)

66
00:04:10,283 --> 00:04:13,698
คุณจึงถาม Hermes ให้ค้นหาจาก session ที่ผ่านมาได้เลย

67
00:04:13,698 --> 00:04:16,982
ทิปสั้นๆ: วิธีที่ดีที่สุดในการเริ่มใช้ agent อย่าง

68
00:04:16,982 --> 00:04:20,331
Hermes คือการบอก Hermes เกี่ยวกับตัวคุณตั้งแต่เริ่ม

69
00:04:20,331 --> 00:04:23,549
ถ้ามันเข้าใจมากขึ้นว่าคุณเป็นใครและชอบทำงานแบบไหน

70
00:04:23,549 --> 00:04:28,146
ทั้งระบบจะฉลาดขึ้นแทบจะทันที คำถามหนึ่งที่มีคนถามผมบ่อยเกี่ยวกับการรัน

71
00:04:28,146 --> 00:04:31,693
built-in memory คือถ้าคุณใช้ Hermes terminal execution

72
00:04:31,693 --> 00:04:34,779
backend ที่รันโค้ดใน Docker Hermes จะยังเข้าถึง

73
00:04:34,779 --> 00:04:39,245
memory ได้ไหม? คำตอบคือได้ครับ การรันใน Docker ไม่กระทบความสามารถของ

74
00:04:39,245 --> 00:04:42,463
Hermes ในการเข้าถึงไฟล์ memory และ user ของตัวเอง

75
00:04:42,463 --> 00:04:45,681
มันใช้ memory tool ซึ่งเป็นสิ่งเดียวกับที่ memory

76
00:04:45,681 --> 00:04:48,768
providers ใช้ แทนที่จะรันผ่านโค้ดที่ถูก sandbox

77
00:04:48,768 --> 00:04:52,117
ใน Docker ผมพูดถึงเรื่องนี้เพิ่มเติมในวิดีโอวิธีแยก

78
00:04:52,117 --> 00:04:56,123
agent ให้ทำงานอย่างปลอดภัยบนคอมพิวเตอร์ของคุณ ประเด็นสำคัญคือ

79
00:04:56,123 --> 00:04:59,604
built-in user และ memory files ถูก inject เข้าไปในทุก

80
00:04:59,604 --> 00:05:03,873
session ใหม่ มันกลายเป็นส่วนหนึ่งของบริบทในทุกการสนทนาที่คุณมีกับ

81
00:05:03,873 --> 00:05:07,156
Hermes ทีนี้ นี่เป็นเรื่องดีเพราะหมายความว่า agent

82
00:05:07,156 --> 00:05:13,330
ของคุณจะไม่มีวันลืมว่าคุณเป็นใคร แต่มันก็หมายความว่ามันใช้บริบทและโทเค็นไปบางส่วนในทุกการสนทนา

83
00:05:13,330 --> 00:05:16,613
คุณต้องทำให้มันกระชับที่สุดเพื่อไม่ให้เปลืองโทเค็น

84
00:05:16,613 --> 00:05:20,028
และนั่นคือจุดที่ memory provider จริงๆ เข้ามามีบทบาท

85
00:05:20,028 --> 00:05:23,903
memory provider คือ external layer ที่เก็บและเรียกคืนข้อมูล

86
00:05:23,903 --> 00:05:27,450
ณ เวลาที่รัน (runtime) หรือเมื่อ agent ต้องการใช้จริงๆ

87
00:05:27,450 --> 00:05:34,345
แทนที่จะ insert เข้าไปในทุกการสนทนา นี่ช่วยให้บริบทของคุณกระชับและข้อมูลตรงประเด็นเมื่อคุณต้องการใช้จริงๆ

88
00:05:34,345 --> 00:05:37,563
มาดู memory providers ให้ลึกขึ้นครับ หลายคนรู้สึก

89
00:05:37,563 --> 00:05:41,635
overwhelmed เวลาพยายามเลือก memory provider และนั่นก็เข้าใจได้

90
00:05:41,635 --> 00:05:45,904
มีตัวเลือกและปัจจัยให้พิจารณาเยอะมาก มันขึ้นอยู่กับเป้าหมายของคุณ

91
00:05:45,904 --> 00:05:50,370
จำนวน agent หรือผู้ใช้ที่แชร์ memory นั้น ฮาร์ดแวร์ที่คุณมีสำหรับรัน

92
00:05:50,370 --> 00:05:54,244
และว่าคุณอยากใช้เครื่องมือฟรีหรือเสียเงิน ข่าวดีคือส่วนใหญ่

93
00:05:54,244 --> 00:05:58,513
— ถ้าไม่ใช่ทั้งหมด — ของพวกมันอนุญาตให้คุณย้ายข้อมูลระหว่างกันได้

94
00:05:58,513 --> 00:06:03,110
คุณจึงไม่ได้ถูกล็อกกับตัวเลือกแรกที่คุณเลือก คุณสามารถทดสอบและทดลองได้

95
00:06:03,110 --> 00:06:06,591
และถ้าคุณไม่ชอบเครื่องมือหนึ่ง คุณก็สามารถย้าย memory

96
00:06:06,591 --> 00:06:10,269
ไปอีกตัวได้เสมอ แต่แทนที่จะเปรียบเทียบทั้งหมดในวิดีโอนี้

97
00:06:10,269 --> 00:06:13,815
ซึ่งคงใช้เวลานาน ผมได้รวบรวมบทวิเคราะห์ของผมไว้ในโพสต์

98
00:06:13,815 --> 00:06:17,099
Patreon ฟรีที่ผมจะแปะลิงก์ในคอมเมนต์บนสุดของวิดีโอ

99
00:06:17,099 --> 00:06:21,368
คุณจะได้ดูตัวเลือกต่างๆ และดูว่าอะไรเหมาะกับสถานการณ์ของคุณที่สุด

100
00:06:21,368 --> 00:06:24,717
แต่วันนี้ แทนที่จะดูจาก benchmark หรือรายการฟีเจอร์

101
00:06:24,717 --> 00:06:28,986
ผมคิดว่าจะดูสิ่งที่คอมมูนิตี้ให้คะแนนสูงสุดและที่หลายคนแนะนำให้ผม

102
00:06:28,986 --> 00:06:32,598
และพวกมันคือ Mnemosyne กับ Hindsight Mnemosyne เป็นระบบ

103
00:06:32,598 --> 00:06:36,407
lightweight แบบ zero-dependency (ไม่ต้องพึ่งไลบรารีภายนอก)

104
00:06:36,407 --> 00:06:39,822
และไม่ต้องใช้ LLM ในการทำงาน มันรันบนเครื่องคุณล้วนๆ

105
00:06:39,822 --> 00:06:43,303
เร็วอย่างเหลือเชื่อด้วย built-in embeddings Mnemosyne

106
00:06:43,303 --> 00:06:47,309
เหมาะมากถ้าคุณอยากได้ memory provider ที่ไม่ทำให้ระบบคุณช้าลง

107
00:06:47,309 --> 00:06:50,461
Hindsight มีฟีเจอร์มากกว่าและมันอยู่ในอันดับต้นๆ

108
00:06:50,461 --> 00:06:54,467
ของ memory benchmark ส่วนใหญ่ แต่มันต้องเชื่อมต่อคลาวด์หรือมี

109
00:06:54,467 --> 00:06:58,736
server ของคุณเองพร้อม LLM ในการขับเคลื่อน วิธีคิดที่ง่ายที่สุดคือ

110
00:06:58,736 --> 00:07:01,823
Mnemosyne เป็น memory layer ส่วน Hindsight เป็น

111
00:07:01,823 --> 00:07:05,172
memory engine มาเริ่มด้วยตัวเลือก lightweight อย่าง

112
00:07:05,172 --> 00:07:11,148
Mnemosyne ก่อน คุณจะได้เห็น memory provider ทำงานจริงก่อนที่เราจะขยับไปใช้พลังที่มากขึ้นกับ

113
00:07:11,148 --> 00:07:14,235
Hindsight เรามอง Mnemosyne ได้ว่าเป็น universal

114
00:07:14,235 --> 00:07:17,585
memory layer สำหรับ AI agent ทุกชนิดที่รันบน SQLite

115
00:07:17,585 --> 00:07:20,868
backend ด้วยความเร็วระดับ sub-millisecond แบบ zero

116
00:07:20,868 --> 00:07:26,450
dependencies จุดประสงค์ที่ผมแสดงตัวนี้ก่อนคือมันเร็วมากและไม่ต้องติดตั้งอะไรเพิ่มเยอะ

117
00:07:26,450 --> 00:07:30,851
ข้อมูลเพิ่มเติมเกี่ยวกับ Mnemosyne: มันได้แรงบันดาลใจทางชีววิทยาจาก

118
00:07:30,851 --> 00:07:34,069
BEAM architecture ซึ่งนำ memory ระดับต่างๆ เข้ามา

119
00:07:34,069 --> 00:07:37,549
เช่น working memory, episodic memory, semantic memory

120
00:07:37,549 --> 00:07:42,344
และ scratchpad โดยแต่ละระดับถูก optimize สำหรับรูปแบบการเข้าถึงที่ต่างกัน

121
00:07:42,344 --> 00:07:45,562
ทุกอย่างอยู่บนเครื่องคุณ ซึ่งดีต่อความเป็นส่วนตัว

122
00:07:45,562 --> 00:07:48,714
มันมีความเร็วในการ query ต่ำกว่า 100 มิลลิวินาที

123
00:07:48,714 --> 00:07:51,998
และมีการผสานรวมกับ Hermes โดยตรง มาดู architecture

124
00:07:51,998 --> 00:07:55,150
กันสักครู่ครับ ประเด็นสำคัญคือเรากำลังสร้าง auto

125
00:07:55,150 --> 00:07:58,302
context injection ซึ่งหมายความว่าเมื่อคุณมีคำถาม

126
00:07:58,302 --> 00:08:01,389
เมื่อคุณถาม Hermes อะไรสักอย่าง Mnemosyne จะรับ

127
00:08:01,389 --> 00:08:04,541
query นั้น ใช้ recall tool เพื่อดูบริบทที่มีอยู่

128
00:08:04,541 --> 00:08:08,744
และ inject บริบทนั้นเข้าไปใน prompt ของ agent ก่อนที่มันจะตอบคุณ

129
00:08:08,744 --> 00:08:13,210
เมื่อคุณสนทนาต่อไป มันจะจดจำมากขึ้นเรื่อยๆ ซึ่งจะถูกป้อนกลับเข้าไปใน

130
00:08:13,210 --> 00:08:16,363
Mnemosyne เพื่อช่วยมันสร้าง context assembly นี้

131
00:08:16,363 --> 00:08:20,303
นี่เป็นวิธีที่ยอดเยี่ยมในการสร้างระบบความจำที่พัฒนาตัวเองได้

132
00:08:20,303 --> 00:08:23,521
(self-evolving memory system) สำหรับ agent ของคุณ

133
00:08:23,521 --> 00:08:26,870
และอย่างที่เราเห็น มันใช้กับ Claude Code ได้ ใช้กับ

134
00:08:26,870 --> 00:08:31,008
Codex ได้ ใช้กับ Cursor ได้ ใช้กับ agent อะไรก็ได้ที่คุณต้องการ

135
00:08:31,008 --> 00:08:35,671
และเราสามารถให้ทั้งหมดเชื่อมต่อกับ memory bank เดียวกันได้ถ้าเราต้องการ

136
00:08:35,671 --> 00:08:39,480
เอาล่ะ มาติดตั้ง Mnemosyne กันครับ ถ้าเราไปที่เอกสารของเขา

137
00:08:39,480 --> 00:08:43,946
เราจะเห็นว่ามันมีการผสานรวมกับ Hermes Agent และมีรายการคำสั่งด่วนให้

138
00:08:43,946 --> 00:08:47,558
ง่ายต่อการติดตั้งมาก และมีสิ่งหนึ่งที่ผมอยากพูดถึงสั้นๆ

139
00:08:47,558 --> 00:08:50,973
คือถ้าคุณรัน Hermes และมี terminal execution backend

140
00:08:50,973 --> 00:08:54,519
รันอยู่ใน Docker เราสามารถให้ Hermes ติดตั้ง Mnemosyne

141
00:08:54,519 --> 00:08:58,459
ให้เราไม่ได้ เพราะ Hermes จะพยายามรัน terminal และมันจะรันใน

142
00:08:58,459 --> 00:09:01,546
Docker container และนั่นไม่ใช่สิ่งที่เราต้องการ

143
00:09:01,546 --> 00:09:05,027
เพราะเราต้องการให้ระบบ memory ของเราอยู่รอดนอก Docker

144
00:09:05,027 --> 00:09:08,836
container ของ terminal execution backend ถ้าคุณไม่ได้รันใน

145
00:09:08,836 --> 00:09:14,615
Docker คุณก็แค่บอกให้ Hermes ทำให้ได้เลย แต่โดยพื้นฐานแล้วนี่หมายความว่าเราต้องรันมันจาก

146
00:09:14,615 --> 00:09:18,227
host device บนคอมพิวเตอร์ของเรา ผมจะติดตั้งมันโดยตรงจาก

147
00:09:18,227 --> 00:09:21,774
terminal ด้วยตัวเอง Mnemosyne ไม่ใช่ built-in provider

148
00:09:21,774 --> 00:09:25,320
เราจึงต้องติดตั้ง Mnemosyne แบบ manual มากกว่าเล็กน้อย

149
00:09:25,320 --> 00:09:28,866
แต่ประเด็นสำคัญคือเราไม่ได้ติดตั้งมันใน Hermes managed

150
00:09:28,866 --> 00:09:32,084
virtual environment เพราะทุกครั้งที่คุณรัน Hermes

151
00:09:32,084 --> 00:09:36,944
update มันจะ rebuild virtual environment นั้นแล้วลบแพ็กเกจเสริมทั้งหมดทิ้ง

152
00:09:36,944 --> 00:09:40,491
เรามีสองตัวเลือกที่ระบุไว้: ใช้ pipx ซึ่งสร้าง virtual

153
00:09:40,491 --> 00:09:43,906
environment แยกต่างหาก หรือสร้าง virtual environment

154
00:09:43,906 --> 00:09:49,816
ด้วยตัวเองโดยใช้ fallback option อย่างไรก็ตาม ทั้งสองตัวเลือกนี้ใช้ไม่ได้ผลสมบูรณ์สำหรับผม

155
00:09:49,816 --> 00:09:53,231
ถ้าคุณติดตั้ง Mnemosyne แล้วรัน Hermes memory status

156
00:09:53,231 --> 00:09:57,041
แล้วได้ error plugin missing หรือตอนติดตั้งครั้งแรกแล้วเจอ

157
00:09:57,041 --> 00:10:01,638
error Python environments ไม่ตรงกัน คุณอาจต้องเพิ่มขั้นตอนอีกขั้นหนึ่ง

158
00:10:01,638 --> 00:10:05,381
ขั้นตอนแรกคือติดตั้ง Mnemosyne Hermes ใน pipx environment

159
00:10:05,381 --> 00:10:08,796
ของมันเอง แล้วตั้งค่า config สองขั้นตอนนี้เหมือนเดิม

160
00:10:08,796 --> 00:10:12,474
แต่ก่อนที่เราจะรีสตาร์ท gateway เราต้องลิงก์ environment

161
00:10:12,474 --> 00:10:15,692
ใหม่ที่เราสร้างเข้ากับโฟลเดอร์ plugins ของ Hermes

162
00:10:15,692 --> 00:10:21,077
แล้วรันสิ่งที่เรียกว่า Hermes memory setup นั่นเป็นวิธีที่ง่ายมากที่คุณสามารถรันใน

163
00:10:21,077 --> 00:10:24,558
terminal และมันจะดำเนินการ configure Mnemosyne ให้คุณ

164
00:10:24,558 --> 00:10:28,236
เพื่อให้มันถูกรับรู้เป็น memory provider แทนที่จะเป็นแค่

165
00:10:28,236 --> 00:10:32,176
plugin มาเริ่มกันเลยครับ ผมจะไปที่เอกสาร คัดลอกคำสั่งติดตั้ง

166
00:10:32,176 --> 00:10:35,985
ไปที่ terminal แล้ววางลงไป เสร็จแล้วครับ ใช้เวลาไม่ถึงนาที

167
00:10:35,985 --> 00:10:39,400
ตอนนี้เรามี Mnemosyne Hermes ติดตั้งแล้ว ถ้าเราไปที่

168
00:10:39,400 --> 00:10:42,684
Memory and Context เราจะเห็นว่าตอนนี้เรามี default

169
00:10:42,684 --> 00:10:45,770
memory system เปิดใช้งานอยู่ และนี่คือ built-in

170
00:10:45,770 --> 00:10:49,054
memory provider แต่เราจะเห็นว่าถ้าเราคลิก dropdown

171
00:10:49,054 --> 00:10:52,338
เรายังไม่เห็น Mnemosyne เพราะมันเป็น plugin ไม่ใช่

172
00:10:52,338 --> 00:10:55,884
built-in memory provider เราจึงต้องเปิดใช้งานมันสำหรับ

173
00:10:55,884 --> 00:10:58,971
default profile นอกเหนือจากการตั้งค่าใน desktop

174
00:10:58,971 --> 00:11:02,189
app ผมจะกลับไปที่เอกสาร คัดลอก string นี้ วางลงไป

175
00:11:02,189 --> 00:11:06,589
เสร็จแล้วครับ ใช้เวลาแค่ 2 วินาที และสิ่งที่เกิดขึ้นคือมันแก้ไขไฟล์

176
00:11:06,589 --> 00:11:09,807
config.yaml ให้ใช้ Mnemosyne เป็น memory provider

177
00:11:09,807 --> 00:11:13,813
ตอนนี้เราเพิ่งติดตั้ง Mnemosyne ใน One Bin และเราต้องการสร้าง

178
00:11:13,813 --> 00:11:16,900
symlink หรือ link ระหว่างที่เราติดตั้งมันโดยใช้

179
00:11:16,900 --> 00:11:20,052
environment แยกนั้นกับโฟลเดอร์ plugins จริงๆ ของ

180
00:11:20,052 --> 00:11:23,664
Hermes นั่นคือสิ่งที่เราเห็นตรงนี้ — มันเพิ่งตรวจสอบว่า

181
00:11:23,664 --> 00:11:26,817
provider อย่าง Mnemosyne พร้อมใช้งานและเชื่อมต่อ

182
00:11:26,817 --> 00:11:30,100
Mnemosyne กับ Hermes ได้ ขั้นตอนต่อไปคือรัน Hermes

183
00:11:30,100 --> 00:11:33,253
memory setup และตรงนี้เราจะเลือก Mnemosyne local

184
00:11:33,253 --> 00:11:39,098
แล้วตอบ yes พอเรารัน Hermes memory setup เราจะดำเนินการทีละขั้นตอนและเลือกการตั้งค่าต่างๆ

185
00:11:39,098 --> 00:11:43,038
สำหรับ Mnemosyne ในฐานะ Hermes memory provider ผมใช้ตัวเลือก

186
00:11:43,038 --> 00:11:46,584
default ทุกอย่างยกเว้นการเข้าถึงแบบ global แทน session

187
00:11:46,584 --> 00:11:50,328
memories แต่ผมแนะนำให้อ่านสิ่งที่มันถาม และถ้าคุณไม่แน่ใจ

188
00:11:50,328 --> 00:11:54,006
ให้ถาม Hermes ช่วยอธิบาย setup ในแบบที่เหมาะกับคุณที่สุด

189
00:11:54,006 --> 00:11:58,012
การตั้งค่าที่สำคัญที่สุด: default scope สำหรับการจดจำคืออะไร?

190
00:11:58,012 --> 00:12:01,624
ผมไม่อยากจำกัดมันแค่ต่อ session ผมอยากให้มันครอบคลุมทุก

191
00:12:01,624 --> 00:12:04,907
session นั่นคือหนึ่งในประโยชน์ของการรันระบบ memory

192
00:12:04,907 --> 00:12:08,848
ดังนั้นการเปลี่ยนตรงนี้เป็น global จึงสำคัญมาก เสร็จแล้วครับ

193
00:12:08,848 --> 00:12:12,066
เราจะเห็นว่ามันดำเนินการและบันทึก memory provider

194
00:12:12,066 --> 00:12:15,612
เป็น Mnemosyne ทีนี้ถ้าเราไปที่ config.yaml ในโฟลเดอร์

195
00:12:15,612 --> 00:12:18,830
.hermes เราจะเห็นว่ามีระบบ memory เต็มรูปแบบพร้อม

196
00:12:18,830 --> 00:12:22,311
skills และ tools ทั้งหมดที่ตั้งค่าไว้สำหรับ Mnemosyne

197
00:12:22,311 --> 00:12:25,398
provider ต่อไปผมจะรีสตาร์ท Hermes Gateway พิมพ์

198
00:12:25,398 --> 00:12:28,681
Hermes memory status แล้วเราจะเห็นว่า memory tools

199
00:12:28,681 --> 00:12:33,344
เปิดใช้งาน provider คือ Mnemosyne เรามีการตั้งค่าทั้งหมดที่เราเพิ่งทำไป

200
00:12:33,344 --> 00:12:36,497
เราสามารถเปลี่ยนทีหลังได้ plugin ติดตั้งแล้ว และ

201
00:12:36,497 --> 00:12:40,043
status เป็น available ซึ่งสำคัญมาก และตอนนี้ถ้าผมพิมพ์

202
00:12:40,043 --> 00:12:44,706
Hermes Mnemosyne stats ทุกอย่างยังเป็นศูนย์เพราะเรายังไม่ได้เก็บอะไรไว้

203
00:12:44,706 --> 00:12:48,712
มาลองใช้งานกันครับ ผมจะเปิด Hermes desktop app และถ้าเราไปที่

204
00:12:48,712 --> 00:12:52,193
Memory and Context เราจะเห็นว่า Mnemosyne ถูกตั้งเป็น

205
00:12:52,193 --> 00:12:56,264
memory provider แล้ว เยี่ยมครับ ตอนนี้เรามีทุกอย่างติดตั้งแล้ว

206
00:12:56,264 --> 00:13:00,270
และถ้าเราอยากอัปเกรด เราก็พิมพ์ pipx upgrade Mnemosyne-Hermes

207
00:13:00,270 --> 00:13:03,882
ได้เลย อีกขั้นตอนหนึ่งที่ผมอยากพูดถึงสั้นๆ คือเอกสารของ

208
00:13:03,882 --> 00:13:07,692
Mnemosyne แนะนำให้ปิด legacy memory และความหมายของมันก็คือ

209
00:13:07,692 --> 00:13:10,844
persistent memory และ user profile ที่เราตั้งไว้

210
00:13:10,844 --> 00:13:14,522
เหตุผลหลักคือเพื่อหลีกเลี่ยงการซ้ำซ้อนและการเปลืองโทเค็น

211
00:13:14,522 --> 00:13:18,199
ผมแนะนำให้ปิดมันก่อนแล้วทดสอบดู และถ้าคุณสังเกตเห็นปัญหา

212
00:13:18,199 --> 00:13:21,680
คุณก็เปิดมันใหม่ได้เสมอ แต่อย่าปิดมันด้วยคำสั่งแบบนี้

213
00:13:21,680 --> 00:13:24,767
— ให้คุณอัปเดตมันในไฟล์ config.yaml แทน โดยตั้ง

214
00:13:24,767 --> 00:13:27,919
memory enabled false, user profile enabled false

215
00:13:27,919 --> 00:13:31,334
ซึ่งก็เหมือนกับการ toggle ปุ่มพวกนี้ออก มาทดสอบเร็วๆ

216
00:13:31,334 --> 00:13:34,618
กันครับ ถ้าผมถาม Hermes สักคำถาม มันไม่ควรรู้จักผม

217
00:13:34,618 --> 00:13:38,952
ก่อนหน้านี้ผมเคยบอก Hermes ว่าผมเป็นใคร แต่ตอนนี้ลองใหม่เพราะเรามี

218
00:13:38,952 --> 00:13:42,105
Mnemosyne แล้ว เราจะเห็นว่ามันทำงานและเปิดใช้งาน

219
00:13:42,105 --> 00:13:46,570
Mnemosyne recall skills และ canonical skill แต่มันยังไม่มีข้อมูลอะไร

220
00:13:46,570 --> 00:13:49,920
ผมจะบอกข้อมูลเกี่ยวกับตัวผมเล็กน้อยเพื่อให้มันจำได้

221
00:13:49,920 --> 00:13:53,204
ทิปสั้นๆ: นี่คือสิ่งแรกที่ผมทำเสมอเมื่อตั้งค่าระบบ

222
00:13:53,204 --> 00:13:57,998
memory ใหม่ — บอก Hermes หรือ agent ของคุณเกี่ยวกับตัวคุณและสิ่งที่คุณชอบ

223
00:13:57,998 --> 00:14:05,747
เพื่อให้มันเริ่มสร้างโปรไฟล์เกี่ยวกับคุณ และการสนทนาจะรู้สึกเป็นส่วนตัวและมีประสิทธิภาพมากขึ้นสำหรับสิ่งที่คุณพยายามทำ

224
00:14:05,747 --> 00:14:09,097
ผมชื่อ Callum ใช้ชื่อว่า Wanderloots ทำช่อง YouTube

225
00:14:09,097 --> 00:14:12,183
เป็น patent agent ทนายความด้านทรัพย์สินทางปัญญา

226
00:14:12,183 --> 00:14:15,992
เรียนวิศวกรรมวัสดุศาสตร์ และนี่คือความชอบของผมในการตอบสนอง

227
00:14:15,992 --> 00:14:19,604
เราจะเห็นว่า Hermes กำลังรัน Mnemosyne tool มันกำลังรัน

228
00:14:19,604 --> 00:14:24,990
remember มีพื้นหลังอาชีพ alias และชื่อ และสิ่งเหล่านี้กำลังถูกเก็บลงในฐานข้อมูลที่

229
00:14:24,990 --> 00:14:29,127
Mnemosyne ตั้งไว้ ทีนี้ ตัวอย่างเช่น ถ้าผมเปิดแชทใหม่แล้วถามว่า

230
00:14:29,127 --> 00:14:32,542
"ผมเป็นใคร?" เราควรเห็น Hermes เรียกคืนจาก Mnemosyne

231
00:14:32,542 --> 00:14:37,336
ได้แล้วครับ มันดึงข้อมูลมาได้ เยี่ยมมาก นั่นหมายความว่ามันทำงานได้สมบูรณ์

232
00:14:37,336 --> 00:14:40,489
และตอนนี้ถ้าเรากลับไปที่ terminal แล้วรัน Hermes

233
00:14:40,489 --> 00:14:44,101
Mnemosyne stats เราจะเห็นว่ามี working memory ที่ยังไม่

234
00:14:44,101 --> 00:14:49,814
consolidate ทั้งหมด 4 รายการ นี่คือจุดที่มันจะดำเนินการต่อไปและเมื่อเวลาผ่านไปมันจะย้าย

235
00:14:49,814 --> 00:14:53,164
working memory ไปเป็น episodic memory และลึกลงไปอีก

236
00:14:53,164 --> 00:14:56,250
และนี่คือการนำสิ่งที่เรียกว่า BEAM architecture

237
00:14:56,250 --> 00:14:59,534
เข้ามา มันจะ observe รับการสนทนาและผลลัพธ์ของ tool

238
00:14:59,534 --> 00:15:03,606
และจดจำทั้งหมดนี้ใน working memory จากนั้นเมื่อเวลาผ่านไปมันจะ

239
00:15:03,606 --> 00:15:06,955
consolidate สิ่งนั้นเป็น long-term experiences หรือ

240
00:15:06,955 --> 00:15:10,567
episodic memories ทุกครั้งที่เราถาม agent ทุกครั้งที่มี

241
00:15:10,567 --> 00:15:13,851
input มันจะดึงจากทั้งสองส่วนนั้นแล้ว recall กลับมา

242
00:15:13,851 --> 00:15:18,448
มีรายละเอียดเพิ่มเติมเกี่ยวกับ working memory แต่นี่เป็นระบบที่เจ๋งมาก

243
00:15:18,448 --> 00:15:22,848
โดยเฉพาะเมื่อพิจารณาว่ามันทั้งหมดเกิดขึ้นบนเครื่องคุณภายในฐานข้อมูล

244
00:15:22,848 --> 00:15:25,935
SQLite และที่เจ๋งอีกอย่างคือมันยังนำ structured

245
00:15:25,935 --> 00:15:29,481
knowledge ที่เก็บเป็น subject-predicate-object triples

246
00:15:29,481 --> 00:15:35,523
ซึ่งเป็นพื้นฐานของ knowledge graph เข้ามาด้วย ถ้าคุณอยากเรียนรู้เพิ่มเติมเกี่ยวกับเรื่องนั้น

247
00:15:35,523 --> 00:15:39,923
ผมมีวิดีโอเกี่ยวกับ knowledge graphs และวิธีใช้มันเพื่อปรับปรุงระบบ

248
00:15:39,923 --> 00:15:43,470
agent แต่ผมขอแนะนำอย่างยิ่งให้คุณไปสำรวจ BEAM overview

249
00:15:43,470 --> 00:15:47,279
เพื่อให้เข้าใจมากขึ้นว่าระบบนี้ทำงานอย่างไร มันเจ๋งมากครับ

250
00:15:47,279 --> 00:15:50,628
จำได้ไหมครับว่าตรงนี้เราต้อง manual เพิ่ม Mnemosyne

251
00:15:50,628 --> 00:15:56,933
เข้าไปในรายการ แต่มี built-in providers พวกนี้ทั้งหมดที่อาจทรงพลังกว่าขึ้นอยู่กับสิ่งที่คุณมองหา

252
00:15:56,933 --> 00:16:00,939
และผมจะทำงานติดตั้ง Hindsight ในวันนี้ โดยส่วนตัวแล้วผมชอบที่

253
00:16:00,939 --> 00:16:04,617
Mnemosyne รันบนเครื่องได้ รันได้โดยไม่ต้องสร้างอะไรเพิ่ม

254
00:16:04,617 --> 00:16:07,835
ไม่มี dependencies และเร็วมาก ผมจะปล่อยให้มันเป็น

255
00:16:07,835 --> 00:16:11,381
default ในตอนนี้ แต่ผมจะสร้างโปรไฟล์ใหม่ชื่อ hindsight

256
00:16:11,381 --> 00:16:15,125
และใช้มันตั้งค่าการกำหนดค่าแยกต่างหาก โอเค ตอนนี้ผมอยู่บน

257
00:16:15,125 --> 00:16:18,605
hindsight profile แล้ว ถ้าเราไปที่ Memory and Context

258
00:16:18,605 --> 00:16:21,758
อีกครั้ง เราจะเห็นว่าผมยังเปิด persistent memory

259
00:16:21,758 --> 00:16:25,041
และ user profile อยู่ และ built-in memory provider

260
00:16:25,041 --> 00:16:28,391
ถูกตั้งไว้ ผมยังไม่ได้ตั้งให้เชื่อมต่อกับ Mnemosyne

261
00:16:28,391 --> 00:16:31,871
จะเห็นว่า hindsight profile ไม่เห็น Mnemosyne ด้วยซ้ำ

262
00:16:31,871 --> 00:16:35,221
สิ่งที่เราทำได้คือไปที่ memory provider ใน settings

263
00:16:35,221 --> 00:16:38,307
เลื่อนลงมาที่ Hindsight แล้วเปิดมัน แต่ก่อนอื่น

264
00:16:38,307 --> 00:16:41,722
มาดูเว็บไซต์ Hindsight กันครับ Hindsight เป็น native

265
00:16:41,722 --> 00:16:45,203
memory provider ใน Hermes Agent ซึ่งหมายความว่ามันถูก

266
00:16:45,203 --> 00:16:49,669
built-in มาเลย และ Hindsight แตกต่างออกไปเล็กน้อยเพราะมันทำงานโดยให้

267
00:16:49,669 --> 00:16:53,675
agent เชื่อมต่อกับเซิร์ฟเวอร์แยกต่างหาก มันไม่ใช่สิ่งที่รันใน

268
00:16:53,675 --> 00:16:56,893
Hermes เอง แต่ที่เจ๋งคือมันมีวิธีการทำงานหลากหลาย

269
00:16:56,893 --> 00:17:00,111
มันสร้าง mental models ของตัวเอง ดึง observations

270
00:17:00,111 --> 00:17:03,920
เข้ามา มี standard memories มีอะไรให้ทำมากมาย และมันสามารถ

271
00:17:03,920 --> 00:17:08,320
reflect (ทบทวน) แล้วดึงคำตอบที่ตระหนักรู้มากขึ้นโดยใช้เหตุผลเชิงลึก

272
00:17:08,320 --> 00:17:11,604
เมื่อคุณรัน reflect มันจะรัน agentic loop ที่ค้นหา

273
00:17:11,604 --> 00:17:16,004
memory โดยอัตโนมัติ แล้วใช้สิ่งนั้นกำหนดรูปแบบการใช้เหตุผลของตัวเอง

274
00:17:16,004 --> 00:17:21,192
จากนั้นสร้างคำตอบสุดท้ายที่อิงกับสิ่งที่พบ ดังนั้นแทนที่จะแค่คืนข้อเท็จจริงดิบๆ

275
00:17:21,192 --> 00:17:26,446
reflect ให้การตอบสนองที่สังเคราะห์ขึ้นมากกว่า ซึ่งเป็นเหตุผลว่าทำไมมันถึงต้องใช้

276
00:17:26,446 --> 00:17:30,649
LLM ด้วย มีความซับซ้อนมากกว่าเล็กน้อย ผมขอแนะนำให้สำรวจเอกสารของ

277
00:17:30,649 --> 00:17:37,874
Hindsight ถ้าคุณอยากเรียนรู้เพิ่มเติม แต่ประเด็นสำคัญคือมันต้องรันเซิร์ฟเวอร์แยกหรือเชื่อมต่อกับเซิร์ฟเวอร์แยก

278
00:17:37,874 --> 00:17:41,157
ถ้าเรากลับไปที่ memory provider และเลือก Hindsight

279
00:17:41,157 --> 00:17:44,375
เราจะเห็นว่ามี mode ปรากฏขึ้น เรามีตัวเลือก cloud

280
00:17:44,375 --> 00:17:48,184
และ local external เพื่อทำความเข้าใจมากขึ้น เราไปที่เอกสาร

281
00:17:48,184 --> 00:17:51,796
Hindsight สำหรับการตั้งค่าบน Hermes desktop โดยเฉพาะได้

282
00:17:51,796 --> 00:17:55,408
และถ้าคุณอยากทำผ่าน command line ก็มีวิธีแยกในการใช้งาน

283
00:17:55,408 --> 00:17:58,626
Hermes memory setup เหมือนที่เราเห็นกับ Mnemosyne

284
00:17:58,626 --> 00:18:02,042
โดยพื้นฐานเราแค่เลือก Hindsight ตั้ง mode ที่ต้องการ

285
00:18:02,042 --> 00:18:05,654
เรามี cloud ซึ่งต้องใช้ API key — ตรงนี้เราเชื่อมต่อกับ

286
00:18:05,654 --> 00:18:09,266
Hindsight cloud แต่มันมีค่าบริการ คุณเริ่มใช้ฟรีก่อนได้

287
00:18:09,266 --> 00:18:12,549
แล้วขึ้นอยู่กับความถี่ในการใช้งานและขนาดระบบของคุณ

288
00:18:12,549 --> 00:18:18,788
คุณจะต้องเริ่มจ่ายเงิน คุณสามารถรันระบบด้วยตัวเองฟรีบนคอมพิวเตอร์ของคุณได้ถ้ามีฮาร์ดแวร์เพียงพอ

289
00:18:18,788 --> 00:18:23,057
แต่ถ้าไม่มี การดู Hindsight cloud ว่าค่าใช้จ่ายเท่าไรก็อาจคุ้มค่า

290
00:18:23,057 --> 00:18:27,063
ผมยังไม่ได้ลองใช้ cloud เป็นการส่วนตัว วันนี้เราจะตั้งค่าระบบ

291
00:18:27,063 --> 00:18:30,150
local ครับ ลองดูการเปรียบเทียบระหว่าง cloud กับ

292
00:18:30,150 --> 00:18:33,368
local LLMs สำหรับการรัน agent memory — นี่คือ LLM

293
00:18:33,368 --> 00:18:36,652
ที่จะขับเคลื่อนระบบจริงๆ ตรงข้ามกับการเชื่อมต่อกับ

294
00:18:36,652 --> 00:18:40,658
Hindsight cloud ซึ่งจัดการ storage ด้วย คุณสามารถเชื่อมต่อกับ

295
00:18:40,658 --> 00:18:45,255
OpenAI, Anthropic หรือ Gemini API ได้ แต่คุณจะจ่ายต่อโทเค็นทุกครั้งที่

296
00:18:45,255 --> 00:18:48,539
retain คุณสามารถรันฟรีบนเครื่องตัวเองโดยใช้ Ollama

297
00:18:48,539 --> 00:18:51,888
ซึ่งผมมีวิดีโอเกี่ยวกับการรัน Ollama สำหรับ agentic

298
00:18:51,888 --> 00:18:55,040
AI ถ้าคุณสนใจ สิ่งหนึ่งที่ต้องจำคือไม่ใช่ทุกรุ่น

299
00:18:55,040 --> 00:18:59,178
local ที่รองรับ tool calling คุณต้องแน่ใจว่ารุ่นที่คุณใช้รองรับ

300
00:18:59,178 --> 00:19:02,396
ผมจะใช้ GPT-OSS 20 billion parameters ซึ่งขนาด 13

301
00:19:02,396 --> 00:19:05,876
กิกะไบต์ ดังนั้นต้องแน่ใจว่าคุณติดตั้งรุ่นนั้นไว้แล้ว

302
00:19:05,876 --> 00:19:09,094
และต้องแน่ใจว่ามีแอป Ollama รันอยู่เบื้องหลังหรือ

303
00:19:09,094 --> 00:19:12,772
serve มันจาก terminal ด้วยตัวเอง ขั้นตอนต่อไป เมื่อเรามี

304
00:19:12,772 --> 00:19:16,122
local model ดาวน์โหลดแล้ว คือเราเชื่อมต่อ Hindsight

305
00:19:16,122 --> 00:19:19,668
กับ local model นั้นและให้เซิร์ฟเวอร์รันอยู่เบื้องหลัง

306
00:19:19,668 --> 00:19:23,017
ผมจะทำใน Docker container เพราะช่วยเพิ่มความปลอดภัย

307
00:19:23,017 --> 00:19:26,170
ตอนนี้ Hermes terminal backend ของผมเชื่อมต่อกับ

308
00:19:26,170 --> 00:19:29,388
Docker container แล้ว เราจะเพิ่ม Docker container

309
00:19:29,388 --> 00:19:32,671
อีกตัวที่รันระบบ memory ใน Hindsight โดยตรง เราวาง

310
00:19:32,671 --> 00:19:36,546
string นี้ ซึ่งผมจะรวมไว้ในบทความฟรีที่ลิงก์ในคอมเมนต์บนสุด

311
00:19:36,546 --> 00:19:40,224
โดยพื้นฐานแล้วเราอยากรัน Docker container ชื่อ hindsight

312
00:19:40,224 --> 00:19:44,033
และเราอยากให้มันรีสตาร์ทเองแม้คอมพิวเตอร์จะปิดแล้วเปิดใหม่

313
00:19:44,033 --> 00:19:47,842
เรากำหนดพอร์ตสองพอร์ต — พอร์ตหนึ่งสำหรับรันเซิร์ฟเวอร์จริง

314
00:19:47,842 --> 00:19:51,257
และอีกพอร์ตสำหรับดู dashboard แล้วนี่คือ environment

315
00:19:51,257 --> 00:19:55,723
variables ทั้งหมดที่เรากำหนดค่าเพื่อให้มันเชื่อมต่อกับรุ่นที่ผมเลือก

316
00:19:55,723 --> 00:19:58,810
— GPT-OSS 20 billion เสร็จแล้วครับ มันดาวน์โหลด

317
00:19:58,810 --> 00:20:02,290
hindsight ให้เราเรียบร้อย และตอนนี้ถ้าเราไปที่ Docker

318
00:20:02,290 --> 00:20:06,362
Desktop — ซึ่งต้องรันอยู่นะครับ ผมมีวิดีโอลงลึกเกี่ยวกับวิธีทำ

319
00:20:06,362 --> 00:20:09,449
Hermes Agent และ hindsight แบบ containerized ใน

320
00:20:09,449 --> 00:20:12,732
Docker — เราจะเห็นว่าเซิร์ฟเวอร์ของเรากำลังรันอยู่

321
00:20:12,732 --> 00:20:15,885
ถ้าเราไปที่ dashboard เราสามารถเลือก memory bank

322
00:20:15,885 --> 00:20:22,255
สร้างใหม่ และเริ่มต้นทุกอย่างได้ แต่นี่แค่แสดงให้เห็นว่าเซิร์ฟเวอร์รันอยู่และพร้อมให้เราเชื่อมต่อ

323
00:20:22,255 --> 00:20:25,604
ขั้นตอนต่อไปคือเชื่อมต่อเซิร์ฟเวอร์ที่รันอยู่นี้กับ

324
00:20:25,604 --> 00:20:28,757
Hermes จำได้ไหมครับว่าผมอยู่ใน hindsight profile

325
00:20:28,757 --> 00:20:32,106
ผมไปที่ Memory and Context เรามี hindsight settings

326
00:20:32,106 --> 00:20:35,521
เพราะเราเลือกจาก dropdown แล้ว ผมจะเปลี่ยนเป็น local

327
00:20:35,521 --> 00:20:38,936
external เพราะอย่างนั้นเราจึงเว้น API key ว่างไว้ได้

328
00:20:38,936 --> 00:20:42,483
แทนที่จะเชื่อมต่อกับ Hindsight cloud ผมจะใส่ localhost

329
00:20:42,483 --> 00:20:46,029
server ที่เราเพิ่งตั้งค่า ผมตั้งชื่อว่า Hermes และเก็บ

330
00:20:46,029 --> 00:20:49,378
recall budget ไว้ที่ mid — นี่ไม่ได้ควบคุม AI model

331
00:20:49,378 --> 00:20:53,910
แต่แค่บอก Hermes ว่าจะหาโปรแกรม hindsight ที่เราเพิ่งเปิดตัวได้ที่ไหน

332
00:20:53,910 --> 00:20:59,098
เพื่อทดสอบ ผมจะกลับไปและปิด persistent memory นี่เป็นสิ่งที่คุณรันเบื้องหลังกับ

333
00:20:59,098 --> 00:21:02,250
hindsight ได้ ผมจะปิดสักครู่เพื่อทดสอบ hindsight

334
00:21:02,250 --> 00:21:05,534
และนี่แตกต่างจาก Mnemosyne ที่แนะนำให้ปิด ผมถามว่า

335
00:21:05,534 --> 00:21:09,081
"ผมเป็นใคร?" เราจะเห็นว่า hindsight recall ถูกเรียกใช้

336
00:21:09,081 --> 00:21:14,072
แต่มันไม่รู้ว่าผมเป็นใคร ผมจะป้อน prompt เดิมเหมือนเดิมเพื่อดูว่ามันจำได้ไหม

337
00:21:14,072 --> 00:21:17,618
เราจะเห็นมันกำลังวางแผน durable memory มันพยายามอัปเดต

338
00:21:17,618 --> 00:21:20,770
แต่ใน memories ผมปิดตรงนั้นไว้ ตอนนี้มันกำลังรัน

339
00:21:20,770 --> 00:21:24,120
hindsight retain และนี่อาจใช้เวลาสักหน่อยเพราะผมใช้

340
00:21:24,120 --> 00:21:27,601
local model ถ้าเราไปดู Docker สักครู่ ไปที่ hindsight

341
00:21:27,601 --> 00:21:31,081
container เราจะเห็นว่ามันกำลังทริกเกอร์ memory engine

342
00:21:31,081 --> 00:21:34,825
ถ้ารุ่นที่ผมเลือกเข้าสู่ sleep mode มันอาจใช้เวลาสักหน่อย

343
00:21:34,825 --> 00:21:37,911
แต่เราเห็นว่ามันกำลังทำงานเก็บข้อมูลเป็น chunks

344
00:21:37,911 --> 00:21:40,998
เสร็จแล้วครับ มันใช้ hindsight retain เพื่อเก็บ

345
00:21:40,998 --> 00:21:44,741
user profile และ preferences เจ๋งครับ ทีนี้มันกำลังบอกว่า

346
00:21:44,741 --> 00:21:48,945
optional context ที่มีประโยชน์ที่สุดคืออะไรคือคำตอบของทั้งหมดนี้

347
00:21:48,945 --> 00:21:52,097
แต่ผมจะเริ่ม session ใหม่แล้วถามว่า "ผมเป็นใคร?"

348
00:21:52,097 --> 00:21:55,775
และดูว่ามันดึงข้อมูลนั้นจาก hindsight ได้ไหม ได้แล้วครับ

349
00:21:55,775 --> 00:21:58,993
แทนที่จะเป็น retain ตอนนี้มันรัน hindsight recall

350
00:21:58,993 --> 00:22:02,539
และดึงรายละเอียดทั้งหมดที่เราเคยมีขึ้นมา ซึ่งเยี่ยมมาก

351
00:22:02,539 --> 00:22:05,626
นั่นหมายความว่า memory provider นี้ทำงานได้แล้ว

352
00:22:05,626 --> 00:22:09,435
ทีนี้ถ้าเรากลับไปที่ dashboard localhost:99 เราสามารถเลือก

353
00:22:09,435 --> 00:22:12,653
Hermes memory bank ที่ตอนนี้มีอยู่แล้ว คลิกเข้าไป

354
00:22:12,653 --> 00:22:17,053
และที่เจ๋งสุดๆ คือเราสามารถดูข้อมูลทั้งหมดที่ถูกสร้างขึ้นแล้วในระบบ

355
00:22:17,053 --> 00:22:21,125
hindsight ได้ สำหรับผมแล้วนี่มันน่าทึ่งมากที่ไม่ใช่แค่เราทำให้

356
00:22:21,125 --> 00:22:24,408
agent จดจำสิ่งต่างๆ ได้ แต่มันยังสร้างกราฟ (graph)

357
00:22:24,408 --> 00:22:27,955
จากความทรงจำของเรา และมีรายละเอียดมากมายที่เราลงลึกได้

358
00:22:27,955 --> 00:22:31,304
นี่เรียกว่า constellation view เราสามารถเปลี่ยนเป็น

359
00:22:31,304 --> 00:22:35,179
table view ดู timeline ซึ่งจะมีมากขึ้นเมื่อเรามีข้อมูลเพิ่ม

360
00:22:35,179 --> 00:22:40,367
มี experiences, observations, mental models — มีสิ่งมากมายที่เราจัดโครงสร้างได้

361
00:22:40,367 --> 00:22:44,045
ซึ่งผมตื่นเต้นมากที่จะลงลึก ตัวอย่างเช่น ผมจะตอบคำถามที่

362
00:22:44,045 --> 00:22:48,379
Hermes ถามผม โดยให้บริบทเพิ่มเติมเกี่ยวกับสิ่งที่ผมหวังจะทำกับช่อง

363
00:22:48,379 --> 00:22:51,991
YouTube คนที่ผมอยากช่วย และทำไมผมถึงทำสิ่งนี้ตั้งแต่แรก

364
00:22:51,991 --> 00:22:55,603
ผมจะให้ hindsight retain ข้อมูลนี้ โอเค มันทำงานได้แล้ว

365
00:22:55,603 --> 00:23:00,201
และถ้าผมคลิกรีเฟรชบนกราฟนี้ เราจะเห็นว่ามีข้อมูลเพิ่มขึ้นอีกสองสามชิ้น

366
00:23:00,201 --> 00:23:04,141
ผมสามารถบอก Hermes ว่า "please reflect on this conversation"

367
00:23:04,141 --> 00:23:07,490
(กรุณาทบทวนการสนทนานี้) นี่คือผลลัพธ์ของการ reflect

368
00:23:07,490 --> 00:23:16,159
ที่ดึง recall เข้ามาด้วย มีปัญหานิดหน่อยแต่มันดูเหมือนจะทำงานได้ค่อนข้างดีในการดึงความเข้าใจที่ลึกซึ้งขึ้นเกี่ยวกับสิ่งที่ผมพยายามทำ

369
00:23:16,159 --> 00:23:21,545
— จากแค่การสนทนาสั้นๆ ที่ผมมี ผมค่อนข้างประทับใจที่มันดึงข้อมูลนี้มาได้เร็วขนาดนี้

370
00:23:21,545 --> 00:23:26,404
— คนที่ผมแชทด้วยและสอนอยู่เป็นคนช่างสร้างที่มีความสามารถแต่มีภาระมากเกินไป

371
00:23:26,404 --> 00:23:33,103
พวกเขาอยากรู้และอยากเข้าใจมากกว่าแค่ได้คำตอบ แต่ผมหวังว่าคุณจะเห็นว่าไม่ใช่แค่ความทรงจำเหล่านี้ถูกเก็บ

372
00:23:33,103 --> 00:23:36,255
— มันถูกใช้ในแบบที่ปรับปรุงการ reflect ของ agent

373
00:23:36,255 --> 00:23:39,342
ต่อปัญหาที่ผมกำลังพยายามแก้และสิ่งที่ผมสนใจจะทำ

374
00:23:39,342 --> 00:23:42,823
และนั่นมาจากข้อมูลพื้นฐานแค่นิดเดียวเอง — เจ๋งมากครับ

375
00:23:42,823 --> 00:23:46,107
อีกอย่าง การ reflect นี้เป็นสิ่งที่เท่าที่ผมเข้าใจ

376
00:23:46,107 --> 00:23:50,178
— อย่างน้อยในตอนนี้ — Mnemosyne ยังไม่มี นั่นนำผมมาสู่คำถามว่า

377
00:23:50,178 --> 00:23:54,053
— คุณควรเลือกตัวไหน? เราควรสนใจอะไรตรงนี้และควรไปต่อที่ไหน?

378
00:23:54,053 --> 00:23:58,256
ผู้สร้าง Mnemosyne บอกว่าเครื่องมือทั้งสองนี้ไม่ใช่คู่แข่งโดยตรง

379
00:23:58,256 --> 00:24:03,773
Hindsight เป็น memory engine ที่มีการประมวลผลภาษาธรรมชาติที่ซับซ้อนและการเรียกคืนแบบ

380
00:24:03,773 --> 00:24:07,188
multi-signal ส่วน Mnemosyne เป็น memory layer ที่ถูก

381
00:24:07,188 --> 00:24:10,472
optimize เพื่อความเรียบง่าย ความเร็ว และการ deploy

382
00:24:10,472 --> 00:24:13,690
บนเครื่องเดียว นี่คือบทสรุปจริงๆ — Hindsight เป็น

383
00:24:13,690 --> 00:24:19,272
engine ในขณะที่ Mnemosyne เป็น layer ขึ้นอยู่กับคุณว่าจะเลือกอะไรที่ดีที่สุดสำหรับคุณ

384
00:24:19,272 --> 00:24:23,541
ผมจะใส่ข้อมูลเพิ่มเติมและทรัพยากรทั้งหมดที่พูดถึงวันนี้ลงในบทความ

385
00:24:23,541 --> 00:24:26,956
Patreon ฟรีที่จะลงลึกเกี่ยวกับวิธีตัดสินใจด้วยตัวเอง

386
00:24:26,956 --> 00:24:32,735
ผมคิดว่าประเด็นสำคัญคือการทดสอบ provider หนึ่งตัวเป็นเวลาหนึ่งสัปดาห์และดูว่ามันปรับปรุง

387
00:24:32,735 --> 00:24:35,887
workflow ของคุณไหม ถ้าไม่ ก็ลองตัวอื่น คุณสามารถ

388
00:24:35,887 --> 00:24:39,237
export จากตัวหนึ่งไปอีกตัวได้เสมอ — ไม่มีการล็อกอิน

389
00:24:39,237 --> 00:24:43,046
และอีกอย่าง เรื่องหนึ่งที่ผมตื่นเต้นที่จะสำรวจเพิ่มเติมคือ

390
00:24:43,046 --> 00:24:48,891
dashboard ตรงนี้ — ผมคิดว่ามันเจ๋งมากที่สามารถเข้าไปดูองค์ประกอบทั้งหมดที่ประกอบกันขึ้นมา

391
00:24:48,891 --> 00:24:52,306
dashboard เต็มรูปแบบของความทรงจำที่ถูกสร้างจาก agent

392
00:24:52,306 --> 00:24:56,640
ของผมเพียงแค่ผมสนทนากับมัน และสำหรับผม นี่คือประโยชน์หลักของการรัน

393
00:24:56,640 --> 00:24:59,990
Hindsight เหนือ Mnemosyne — เพราะถึง Mnemosyne จะมี

394
00:24:59,990 --> 00:25:04,127
dashboard แต่มันเป็น community dashboard ไม่ได้สร้างโดยผู้สร้าง

395
00:25:04,127 --> 00:25:07,805
Mnemosyne Mnemosyne เป็นเครื่องมือเล็กที่สร้างโดยทีมเล็ก

396
00:25:07,805 --> 00:25:11,154
ส่วน Hindsight เป็นระบบเต็มรูปแบบที่มีอะไรให้อีกมาก

397
00:25:11,154 --> 00:25:16,539
และนั่นนำผมไปสู่ขั้นตอนต่อไปที่ผมตื่นเต้นมาก — ไม่ใช่แค่สร้างความทรงจำจากการแชทกับ

398
00:25:16,539 --> 00:25:19,692
agent แต่ยังเชื่อมต่อสิ่งนี้กับ world knowledge,

399
00:25:19,692 --> 00:25:23,041
library หรือ second brain ของผมใน Obsidian LLM Wiki

400
00:25:23,041 --> 00:25:26,193
ตอนนี้ agent ของคุณมี agentic memory แท้จริงแล้ว

401
00:25:26,193 --> 00:25:30,922
Mnemosyne ให้ memory layer ที่เร็วและเบา และถ้าคุณมองหาพลังที่มากกว่านี้

402
00:25:30,922 --> 00:25:38,474
คุณสามารถใช้ memory engine อย่าง Hindsight ถ้าคุณมีคำถามเกี่ยวกับสิ่งที่เราคุยกันวันนี้หรือทิปส์สำหรับวิธีที่คุณใช้

403
00:25:38,474 --> 00:25:45,567
workflow ของตัวเอง บอกผมในคอมเมนต์ได้นะครับ ผมยินดีตอบคำถามและชอบเรียนรู้ว่าคุณใช้ระบบเหล่านี้อย่างไรเช่นกัน

404
00:25:45,567 --> 00:25:48,785
แต่ยังมีอีกชิ้นหนึ่งที่ขาดหายไป — world knowledge

405
00:25:48,785 --> 00:25:52,200
operational memory หรือ agentic memory ที่เราตั้งไว้

406
00:25:52,200 --> 00:25:55,878
ตอนนี้รู้ว่าคุณทำงานอย่างไรแล้ว ถัดไปผมจะเชื่อมต่อมันกับ

407
00:25:55,878 --> 00:26:00,804
Obsidian LLM Wiki เพื่อให้ agent ของคุณไม่ใช่แค่จดจำข้อเท็จจริงเกี่ยวกับคุณ

408
00:26:00,804 --> 00:26:04,153
— แต่มันยังใช้เหตุผลกับทุกสิ่งที่คุณรู้อยู่แล้วด้วย

409
00:26:04,153 --> 00:26:08,225
ถ้าคุณพบว่าวิดีโอนี้มีประโยชน์ ช่วยกดไลก์และกดติดตามด้วยนะครับ

410
00:26:08,225 --> 00:26:12,362
ผมซาบซึ้งมาก และอย่าลืมดูโพสต์ Patreon ฟรีที่ผมลิงก์ไว้ด้านล่าง

411
00:26:12,362 --> 00:26:16,040
พร้อมข้อมูลเพิ่มเติมเกี่ยวกับการตั้งค่า โค้ด และตัวเลือก

412
00:26:16,040 --> 00:26:20,440
memory providers ขอบคุณอีกครั้งที่รับชม แล้วเจอกันในวิดีโอถัดไปครับ