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"
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]
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:
[[link]]
, AI อ่าน graph ได้#coin
, #project
, #concept
, AI จัดกลุ่มได้Hermes 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:
curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash
irm https://hermes-agent.nousresearch.com/install.ps1 | iex
เชื่อมต่อกับ Obsidian vault:
export OBSIDIAN_VAULT="$HOME/Documents/Obsidian/MainVault"
hermes setup
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, $0.96/M output | |
| เปิดตัว | |
| 1 มิถุนายน 2026 |
ทำไมต้อง M3, ไม่ใช่ Claude หรือ GPT:
Buzzoni อธิบายว่าเขาลองมาหลายโมเดลแล้ว, แต่ทุกตัวมีปัญหาเดียวกัน:
"It would summarize a single note fine, but the moment I asked it to read ten notes, cross-reference them with my MOCs, and write a new one back, it would lose the thread." [1]
M3 แก้ปัญหานี้ด้วย 3 อย่าง:
| จุดแข็ง | ทำไมถึงสำคัญสำหรับ Knowledge Stack |
|---|---|
| 1M Context | |
| อ่าน vault ทั้งหมดในครั้งเดียว, ไม่ต้องแบ่ง chunk | |
| Long-horizon coherence | |
| ทำงาน 20+ นาที, ยังจำได้ว่าถามอะไรตอนนาทีที่ 1 | |
| Tool-calling reliability | |
| 30+ tool calls, ยังตาม thread ถูก, ไม่หลง |
Buzzoni สรุปไว้คมมาก:
"With a 200K model I'd get maybe 3 of those 4 right. With M3 I get all 4 in one pass, on a ~500-file vault." [1]
Buzzoni แนะนำ 5 งานที่ Knowledge Stack ทำได้ดี:
| งาน | คำอธิบาย |
|---|---|
| Vault Lint | |
| สแกน vault ทั้งหมด, หา duplicates, broken links, tags ไม่สม่ำเสมอ | |
| Cross-MOC Refactor | |
| อ่านหลาย MOCs, ปรับโครงสร้าง, อัปเดต wikilinks | |
| Article → Note | |
| อ่านบทความ → สรุปเป็น 5-section note → อัปเดต MOCs | |
| Daily Review | |
| สรุปสิ่งที่ทำวันนี้, เชื่อมโยงกับ notes ที่มี, อัปเดต tags | |
| Research Compile | |
| อ่าน 50 notes → cross-reference → เขียน overview 1,000 คำ |
ตัวอย่าง: Article → Note workflow
1. Drop article into /inbox
2. Hermes reads it with M3
3. M3 compiles into 5-section note:
- # Profile
- # Context in my research
- # Links into vault
- # Tags
- # Related
4. Hermes updates 3 MOCs
5. Note is now part of the knowledge graph
ผล compounding: "After 6 months of weekly compiles, the model 'knows' my voice, my tag system, and which MOCs I update for which kind of work, without me retraining anything." [1]
curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash
source ~/.bashrc
hermes
hermes model
hermes config set model minimax-m3
export OBSIDIAN_VAULT="$HOME/Documents/Obsidian/MainVault"
hermes setup
hermes doctor # ตรวจสอบว่าทุกอย่างพร้อม
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"
M3 เปิด weights, แต่ไม่เปิด training data, training code, หรือ RLHF process, เหมือนกับ Qwen และ DeepSeek, นี่คือ "Open Weights" ไม่ใช่ "Open Source" [2]
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
Hermes ไม่ได้ "รู้" vault คุณทันที, ต้องใช้เวลาสร้าง skills และ memory, Buzzoni บอกว่าใช้เวลา "a few weeks" ก่อนที่ routing จะ "become invisible"
"If your vault is chaotic, Hermes will still help, but it will spend more time interpreting the mess instead of improving it." [1]
| 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 |
| 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
[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