Project Nexus คือ "สหายทางปัญญา" ที่ผสานเทคโนโลยี AI ขั้นสูงกับการออกแบบสถาปัตยกรรมเชิงระบบ เทรนด้วยความรู้จากหนังสือทั้ง 118 เล่มเนื้อหาครอบครุมและข้อมูลจริง เพื่อสร้างผู้ช่วยที่ไม่เพียงตอบสนอง แต่สามารถคิด วางแผน ประสานงาน และโต้ตอบกับผู้ใช้ในระดับส่วนตัวได้อย่างแท้จริง

• Dispatcher-Centric MoE: Dispatcher กลางเป็น "ผู้ควบคุมวงออร์เคสตรา" จัดสรรงานให้ทีมผู้เชี่ยวชาญ (Agents) ที่เหมาะสม และรองรับการขยายตัวแบบ Plug-in
• Persona Core & Factions: ระบบมีแกนบุคลิก (Persona Core) ร่วมทุก Agent และแบ่งออกเป็นฝ่าย (Factions) เพื่อปรับน้ำเสียงและทักษะตามประเภทงาน
• Hybrid Model Strategy: เลือกใช้ Google Gemini (ความลึกซึ้ง) และ Groq Llama 3 (ความเร็ว) แบบไดนามิกตามงาน
• Advanced & KG-RAG: ใช้ RAG แบบ Plan → Retrieve → Synthesize และ Knowledge Graph (Neo4j) เพื่อให้เหตุผลเชิงลึก
• Unified RAG Engine: สถาปัตยกรรม "คลังแสงกลาง" ที่มี RAG Engine เพียงหนึ่งเดียว จัดการคลังข้อมูลหลายประเภท (Book, KG, News) อย่างมีประสิทธิภาพ
• Autonomous Reasoning Loop: Agent คิด-ตรวจสอบ-ปรับปรุงคำตอบด้วยตัวเอง
• Interactive Web Interface: รองรับการสั่งงานด้วยเสียงและอ่านออกเสียงคำตอบ พร้อม UI แสดงการทำงานแบบเรียลไทม์
• Data Orchestration Layer: ประสานข้อมูลจากฐานข้อมูล, แหล่งเรียลไทม์ และ API ภายนอก
• Production-Ready ETL Pipelines: มี "โรงงานข้อมูล" แยกต่างหาก (manage_*.py) สำหรับบำรุงรักษาคลังความรู้
• Personal Assistant Skills: แจ้งเวลา/วันที่ปัจจุบัน, ควบคุมแอปพลิเคชัน, ค้นหาภาพ, และคำสั่งควบคุมทั่วไปผ่านเสียงหรือข้อความ
• Memory System: รองรับทั้งความจำระยะสั้น (SQLite) และความจำระยะยาว (FAISS Index) เพื่อจดจำข้อมูลผู้ใช้, บทสนทนา, และบริบทที่ผ่านมา
• Modular & DI Architecture: ออกแบบบนสถาปัตยกรรมแบบโมดูล (core, agents) และใช้หลักการ Dependency Injection ทำให้ทดสอบและต่อยอดได้ง่าย

Personal Consultant AI คือโปรเจคต้นแบบที่ใช้ทดสอบและพิสูจน์แนวคิดสถาปัตยกรรม AI ก่อนจะพัฒนาสู่ Project Nexus โดยมีจุดเด่นคือโครงสร้างแบบ "Dispatcher" ที่วางรากฐานสำคัญด้านการประมวลผลลำดับชั้น, RAG, และระบบความทรงจำ

• Dispatcher-Driven Architecture: ใช้ `main.py` เป็น "Central Dispatcher" คอยคัดกรองและส่งต่องาน โดยจัดการคำสั่งง่ายๆ ผ่าน Tool-Based Functions ก่อนจะส่งคำถามซับซ้อนไปยัง "สมองกลหลัก"
• Dedicated 'Super-Advisor' Brain: คำถามเชิงลึกทั้งหมดจะถูกส่งไปยัง `super_advisor.py` ซึ่งเป็นโมดูลผู้เชี่ยวชาญที่ใช้ RAG ค้นหาคำตอบจากคลังความรู้ (หนังสือ 118 เล่ม) โดยเฉพาะ
• Comprehensive Memory System: ผสานความจำระยะสั้น (SQLite) สำหรับบทสนทนาปัจจุบัน และความจำระยะยาว (FAISS) สำหรับบริบทและความรู้เชิงลึกของผู้ใช้
• Modular Tool System: ฟังก์ชันผู้ช่วยส่วนตัว (เช่น บอกเวลา, ควบคุม OS, ค้นหาภาพ) ถูกออกแบบเป็นโมดูลแยกส่วน (`modules/*.py`) ทำให้ง่ายต่อการเพิ่มและจัดการเครื่องมือใหม่ๆ
• Data Management Pipeline: มีชุดเครื่องมือ (`เตรียมไฟล์.py`, `เพิ่มข้อมูลหนังสือ.py`) แยกต่างหากสำหรับสร้างและจัดการฐานข้อมูลความรู้ (FAISS Index) แสดงถึงกระบวนการ ETL ที่สมบูรณ์

Power Strategist AI คือโปรเจค Full-Stack AI Chatbot ที่ทำหน้าที่เป็น "ผู้เชี่ยวชาญ" ด้านหนังสือ The 48 Laws of Power เพื่อสาธิตสถาปัตยกรรม RAG สมัยใหม่ สามารถตอบคำถามซับซ้อนโดยอ้างอิงเนื้อหาจริง พร้อมบุคลิกของผู้เชี่ยวชาญและ UI ที่ออกแบบมาโดยเฉพาะ

• Reranker-Enhanced RAG: ใช้ Multilingual Embedding Model เพื่อเข้าใจภาษาไทย และ Reranker เพื่อคัดกรองข้อมูล ทำให้คำตอบที่อ้างอิงจากหนังสือมีความแม่นยำสูงสุด
• Resilient API Key Manager: ออกแบบระบบจัดการ API Key ที่ทนทานต่อข้อผิดพลาด พร้อมกลไก Smart Throttling เพื่อสลับคีย์อัตโนมัติเมื่อเกิดปัญหาหรือใช้งานเกินโควต้า
• Real-Time Streaming API: Backend (FastAPI) รองรับการสตรีมคำตอบแบบ Real-time ให้ผู้ใช้เห็นผลลัพธ์ทันทีเหมือน ChatGPT สร้างประสบการณ์ที่ลื่นไหล
• Seamless Full-Stack Integration: ให้บริการทั้ง Backend และ Frontend จากที่เดียวกัน สร้างประสบการณ์แบบ Single-Page Application (SPA) ที่สมบูรณ์ด้วย Vanilla JS

AI News Reporter คือเว็บแอปพลิเคชัน Full-Stack ที่ทำหน้าที่เป็น "นักข่าว AI" สามารถค้นหา, รวบรวม, และสรุปข่าวสารล่าสุดจากหลากหลายแหล่งข้อมูลแบบเรียลไทม์ โดยผสานระบบท่อข้อมูล (ETL), การค้นหาเชิงความหมาย (Vector Search), และการสังเคราะห์เนื้อหาด้วย LLM เข้าไว้ด้วยกันอย่างสมบูรณ์

• Autonomous ETL Pipeline: มี "โรงงานข้อมูล" (manage_news.py) แยกต่างหากสำหรับดึงข่าว (Extract), ขูดเนื้อหา (Transform), และสร้าง Vector Index (Load) จัดเก็บลงคลังข้อมูล FAISS
• RAG Core Engine: หัวใจของระบบ (news_rag_engine.py) ทำหน้าที่แปลงคำถามเป็น Vector เพื่อค้นหาข่าวที่เกี่ยวข้องที่สุด (Retrieve) จากคลังข้อมูล ก่อนส่งต่อไปให้ AI สังเคราะห์คำตอบ
• AI-Powered Summarizer: ใช้ Gemini API (news_generation.py) ในการสังเคราะห์ (Generate) คำตอบสรุปข่าวที่เป็นภาษาไทยอย่างสละสลวย โดยอ้างอิงจากข้อมูลที่ RAG Engine ค้นเจอ และมีบุคลิกที่กำหนดไว้ใน (prompts.py)
• Full-Stack Architecture: ระบบ Backend สร้างด้วย FastAPI ทำหน้าที่เป็น API Server และจัดการ Logic ทั้งหมด ส่วน Frontend สร้างด้วย Vanilla JS, HTML, CSS เพื่อสร้างหน้าแชทที่โต้ตอบกับผู้ใช้
• Modular & Structured Codebase: ออกแบบสถาปัตยกรรมไฟล์อย่างเป็นระบบ (core, data, frontend) แยกส่วนการทำงานชัดเจน ทำให้ง่ายต่อการบำรุงรักษาและต่อยอด

OpenThaiGPT-RAG Chat คือเว็บแอปพลิเคชัน AI ที่ทำหน้าที่เป็น "ภัณฑารักษ์ความรู้" ส่วนตัว สามารถตอบคำถามจากคลังข้อมูล (หนังสือ) ที่กำหนดเองได้อย่างชาญฉลาด โดยเป็นโปรเจคที่สาธิตการสร้างระบบ RAG แบบ Full-Stack ด้วยโมเดลภาษาไทย

• Thai LLM Integration: ขับเคลื่อนด้วย `openthaigpt-1.5-7b-instruct` พร้อมเทคนิค 4-bit Quantization เพื่อให้รันบน GPU ระดับ Consumer ได้อย่างมีประสิทธิภาพ
• CPU-Based RAG Engine: ออกแบบ RAG Engine (`rag_engine.py`) ให้ทำงานบน CPU ทั้งหมด (Embedding, Reranking) เพื่อสงวน VRAM ไว้สำหรับ LLM โดยเฉพาะ
• Intelligent Triage System: AI Core (`ai_core.py`) มีระบบคัดกรองอัจฉริยะ สามารถเลือกระหว่าง "โหมดภัณฑารักษ์ความรู้" เมื่อเจอข้อมูลที่เกี่ยวข้อง และ "โหมดสนทนาทั่วไป" เมื่อไม่เจอ
• Advanced Prompt Engineering: ออกแบบ Prompt ที่ซับซ้อนเพื่อกำหนด "บุคลิกภาพ" (Persona), โครงสร้างคำตอบ, และน้ำเสียงของ AI ได้อย่างสมบูรณ์แบบ
• Short-Term Memory: มีระบบความจำระยะสั้นเพื่อจดจำบริบทของบทสนทนา ทำให้การพูดคุยต่อเนื่องและเป็นธรรมชาติ
• Asynchronous FastAPI Backend: สร้าง API Server ที่เสถียรและสามารถรองรับงานที่ใช้เวลานาน (AI Inference) ได้โดยไม่เกิด Timeout
• Modern Frontend with Tailwind CSS: ออกแบบและสร้าง UI ที่สวยงามและทันสมัยด้วย HTML และ Tailwind CSS (ผ่าน CDN) โดยไม่ต้องใช้ JavaScript Framework ที่ซับซ้อน

เว็บแอปพลิเคชันเรซูเม่ออนไลน์แบบ Interactive ที่สร้างขึ้นเพื่อนำเสนอประวัติ, ทักษะ, และผลงานในรูปแบบที่น่าสนใจและทันสมัย โดยเป็นโปรเจคที่แสดงให้เห็นถึงทักษะการพัฒนา Frontend อย่างครบวงจร

• Modern UI with Glassmorphism: ออกแบบและเขียน CSS ด้วยตัวเองทั้งหมดเพื่อสร้างเอฟเฟกต์ "กระจกฝ้า" ที่ดูทันสมัยและมีมิติ
• Fully Responsive Design: ออกแบบโดยคำนึงถึง Mobile-First เพื่อให้มั่นใจว่าประสบการณ์การใช้งานจะยอดเยี่ยมในทุกขนาดหน้าจอ
• Interactive JavaScript Elements: ใช้ Vanilla JS ในการสร้าง Animation และการโต้ตอบกับผู้ใช้ เช่น หุ่นยนต์นำทาง (Robot Guide) ที่ขยับตาและพูดได้
• Third-Party API Integration: เชื่อมต่อฟอร์มติดต่อกับบริการภายนอก (Formspree) เพื่อรับข้อความจากผู้เยี่ยมชมได้จริงโดยไม่ต้องมี Backend ของตัวเอง