สร้าง Coding AI Agent ออฟไลน์ 100% ด้วย Ollama + Qwen3-Coder + Goose

คุณเคยกังวลเรื่องค่าใช้จ่าย API ของ LLM ที่พุ่งไปเป็นพันบาทต่อเดือนไหม? หรือเคยลังเลที่จะวางโค้ดลับของบริษัทลงใน ChatGPT เพราะกลัวข้อมูลรั่วไหลไปยังคลาวด์? วันนี้เรามีทางออกที่จะเปลี่ยนเครื่องคอมพิวเตอร์ของคุณให้กลายเป็นฐานทัพ AI ส่วนตัวที่ไม่ต้องเสียเงินซื้อ API และทำงานแบบออฟไลน์ได้ 100%

บทความนี้จะพาคุณสร้าง Coding AI Agent ที่ไม่ได้แค่แนะนำโค้ด แต่สามารถเขียนไฟล์ รันเทส และสั่ง Deploy บนเครื่องของคุณได้ด้วยตัวเอง ด้วยสามเครื่องมือหลักคือ Ollama, Qwen3-Coder และ Goose

ทำไมเราถึงต้องมี AI Agent แบบออฟไลน์?

การใช้ AI ในการเขียนโค้ดผ่านคลาวด์นั้นสะดวกมาก แต่มาพร้อมกับข้อจำกัดเรื่องความเป็นส่วนตัวและค่าใช้จ่าย การมี AI Agent อยู่บนเครื่องของเราเอง (Local Agent) ช่วยให้เราได้ประโยชน์หลายอย่าง:

• ความปลอดภัยขั้นสูง: โค้ดและข้อมูลไม่มีทางออกไปสู่ภายนอกเด็ดขาด
• กระเป๋าเบา: ไม่มีค่า API รายเดือน จ่ายครั้งเดียวตอนซื้อฮาร์ดแวร์
• ควบคุมได้ทั้งหมด: Agent สามารถเข้าถึง Terminal, สร้างไฟล์ และรันคำสั่งบนเครื่องคุณได้โดยตรง

เครื่องมือที่ต้องเตรียม

ก่อนเริ่มกัน ขอแนะนำเครื่องมือสามตัวที่เราจะใช้ร่วมกัน:

1. Ollama: เครื่องมือสำหรับรัน Large Language Model (LLM) ในเครื่องของเรา รองรับทั้ง Windows, Mac และ Linux
2. Qwen3-Coder: โมเดลภาษาที่เน้นการเขียนโค้ดโดยเฉพาะ มีขนาดเล็กแต่พลังมหาศาล เหมาะกับการรันบนเครื่องส่วนตัว
3. Goose: AI Agent Framework จาก Block (บริษัทแม่ของ Square) ที่ทำหน้าที่เป็น "มือ" ให้กับ AI สั่งการเครื่องมือพัฒนาต่างๆ เช่น Terminal, File System และ Database

ขั้นตอนที่ 1: ติดตั้งและตั้งค่า Ollama

ขั้นแรกให้ดาวน์โหลดและติดตั้ง Ollama จากเว็บไซต์หลัก ollama.com เมื่อติดตั้งเรียบร้อยให้เปิด Terminal หรือ Command Prompt ขึ้นมา แล้วพิมพ์คำสั่งดึงโมเดล Qwen3-Coder ลงมาในเครื่อง

ollama run qwen3-coder

คำสั่งนี้จะทำการดาวน์โหลดโมเดล (อาจใช้เวลาสักครู่ขึ้นอยู่กับความเร็วเน็ต) เมื่อดาวน์โหลดเสร็จ คุณจะสามารถคุยกับมันผ่าน Terminal ได้ทันที แต่เรายังไม่ต้องคุยตรงนี้ ให้ออกจากหน้าแชท (โดยพิมพ์ /bye) เพราะเราจะให้ Goose เป็นคนสั่งการแทน

ขั้นตอนที่ 2: ติดตั้ง Goose

Goose คือตัวกลางที่จะเชื่อมระหว่างโมเดล AI ของเรากับระบบปฏิบัติการ มันสามารถติดตั้งได้ง่ายๆ ผ่าน npm (ต้องมี Node.js ในเครื่องก่อน)

npm install -g @block/goose

เมื่อติดตั้งเสร็จ ขั้นตอนต่อไปคือการบอก Goose ว่าให้ไปใช้ Ollama และโมเดล Qwen3-Coder ที่เราเตรียมไว้ พิมพ์คำสั่ง:

goose configure

ระบบจะให้เราเลือก Provider ให้เลือก Ollama จากนั้นระบุชื่อโมเดลว่า qwen3-coder และตั้งค่า Host เป็น http://localhost:11434 (ค่าเริ่มต้นของ Ollama) เพียงเท่านี้ Goose ก็พร้อมเรียกใช้สมองของเราแล้ว

ขั้นตอนที่ 3: ให้ Agent เขียนโค้ดและรันเทส

ตอนนี้เครื่องมือพร้อมหมดแล้ว มาลองสั่งงานจริงกันดีกว่า สมมติเราต้องการสร้าง API ง่ายๆ ด้วย Python และต้องการให้ Agent ทำให้เองตั้งแต่ต้นจนจบ

เปิด Terminal ในโฟลเดอร์โปรเจกต์ของคุณแล้วพิมพ์:

goose run "สร้างไฟล์ app.py โดยใช้ FastAPI ที่มี endpoint /hello ให้คืนค่า JSON ว่า {message: 'Hello from offline agent'} แล้วสร้างไฟล์ test_app.py สำหรับทดสอบด้วย pytest จากนั้นรัน pytest ให้หน่อย ถ้าเทสผ่านให้รันเซิร์ฟเวอร์ที่พอร์ต 8000"

สิ่งที่จะเกิดขึ้นคือ Goose จะส่งคำสั่งนี้ไปยัง Qwen3-Coder ผ่าน Ollama เมื่อ AI คิดได้ มันจะวางแผนขั้นตอนการทำงานและสั่ง Goose ให้ลงมือทำดังนี้:

1. สร้างไฟล์: Goose จะเขียนไฟล์ app.py และ test_app.py ลงในโฟลเดอร์ของคุณจริงๆ
2. รันเทส: Goose จะเรียกใช้คำสั่ง pytest ใน Terminal และอ่านผลลัพธ์กลับไปบอก AI
3. แก้บั๊ก (ถ้ามี): หากเทสตก AI จะอ่าน Error log แล้วสั่ง Goose แก้โค้ดและรันเทสใหม่จนกว่าจะผ่าน
4. รันเซิร์ฟเวอร์: เมื่อทุกอย่างผ่าน มันจะสั่ง uvicorn app:app --port 8000

คุณแค่นั่งจิปาเลย เพราะทุกอย่างเกิดขึ้นบนเครื่องของคุณเอง ไม่มีข้อมูลส่งไปคลาวด์ และไม่มีค่าใช้จ่ายเพิ่มเติม

ขั้นตอนที่ 4: สั่ง Deploy บนเครื่องด้วย Docker

เมื่อโค้ดพร้อม เราสามารถสั่งให้ Agent ทำการ Deploy แบบ Containerization ได้เช่นกัน ลองสั่งต่อจากเซสชันเดิม:

goose run "สร้าง Dockerfile สำหรับแอปนี้ แล้วสั่ง build image ชื่อ my-offline-app จากนั้นรัน container บนพอร์ต 8000 ให้หน่อย"

Goose จะทำการสร้าง Dockerfile, รัน docker build และ docker run ให้คุณโดยอัตโนมัติ หากมีข้อผิดพลาดเรื่องพอร์ตหรือ Dependency มันก็จะวนลูปแก้ไขจนกว่า Container จะรันได้ปกติ

ข้อควรระวังและเทคนิคเพิ่มเติม

การรัน AI Agent แบบออฟไลน์นั้นมีข้อจำกัดที่ต้องเข้าใจ:

• สเปคเครื่อง: การรันโมเดลอย่าง Qwen3-Coder ต้องการ RAM อย่างน้อย 8GB-16GB หากมี GPU จะช่วยเร่งความเร็วการตอบสนองได้มาก
• การให้สิทธิ์ระบบ: Goose มีสิทธิ์สูงในการรันคำสั่ง Terminal ควรระมัดระวังในการสั่งงานที่อันตราย เช่น การลบไฟล์ระบบ แนะนำให้รันในโฟลเดอร์โปรเจกต์ที่แยกออกมา
• การเขียน Prompt: โมเดลในเครื่องอาจไม่ฉลาดเท่า GPT-4 ให้เขียน Prompt ที่ชัดเจน แบ่งเป็นขั้นตอน และระบุเงื่อนไขการตรวจสอบให้ละเอียด

สรุป

การสร้าง Coding AI Agent แบบออฟไลน์ไม่ใช่เรื่องเพ้อฝันอีกต่อไป ด้วย Ollama, Qwen3-Coder และ Goose คุณสามารถมีผู้ช่วยเขียนโค้ดที่ทำงานหนักให้คุณได้ฟรีๆ ตลอด 24 ชั่วโมง โดยไม่ต้องกลัวข้อมูลรั่วไหล

พร้อมจะลองสร้างฐานทัพ AI ของตัวเองแล้วหรือยัง? เปิดเครื่องขึ้นมา ติดตั้งเครื่องมือที่แนะนำไป แล้วลองสั่งงาน Agent ของคุณดูสิ! หากคุณมีเทคนิคหรือโมเดลที่น่าสนใจมากกว่านี้ อย่าลืมมาแชร์กันในคอมเมนต์ หรือติดตามบทความเกี่ยวกับ AI และการโปรแกรมเพิ่มเติมได้ที่เว็บไซต์ของเรา