Skip to main content

การใช้งาน Chinda LLM 4B กับ n8n - คู่มือการทำงานอัตโนมัติแบบครบวงจร

🎯 บทนำ​

Chinda LLM 4B คือแบบจำลองภาษาไทยแบบโอเพนซอร์สที่พัฒนาโดยทีมงาน ไอแอพพ์เทคโนโลยี สามารถคิดและตอบสนองเป็นภาษาไทยได้อย่างแม่นยำสูง โดยใช้สถาปัตยกรรม Qwen3-4B ล่าสุด

n8n คือเครื่องมือการทำงานอัตโนมัติที่ทรงพลัง ช่วยให้คุณเชื่อมต่อบริการต่างๆ และทำงานอัตโนมัติได้โดยไม่ต้องเขียนโค้ด ด้วยการผสาน Chinda LLM 4B เข้ากับ n8n คุณสามารถสร้างเวิร์กโฟลว์ที่ใช้พลังของ AI ที่ซับซ้อน ซึ่งประมวลผลข้อมูลภาษาไทยได้โดยอัตโนมัติ

🚀 ขั้นตอนที่ 1: การติดตั้ง n8n​

วิธีที่ 1: การใช้ npm (แนะนำสำหรับการพัฒนา)​

ติดตั้ง Node.js (หากยังไม่ได้ติดตั้ง)​

ดาวน์โหลดและติดตั้ง Node.js จาก https://nodejs.org/

ติดตั้ง n8n แบบทั่วโลก:​

npm install n8n -g

เริ่มต้น n8n:​

n8n start

วิธีที่ 2: การใช้ Docker (แนะนำสำหรับการใช้งานจริง)​

ดึงและเรียกใช้คอนเทนเนอร์ Docker ของ n8n:​

docker run -it --rm \
  --name n8n \
  -p 5678:5678 \
  -v ~/.n8n:/home/node/.n8n \
  n8nio/n8n

วิธีที่ 3: การใช้ npx (ไม่ต้องติดตั้ง)​

npx n8n

ตรวจสอบการติดตั้ง​

หลังจากเริ่มต้น n8n แล้ว ให้เปิดเบราว์เซอร์ของคุณและไปที่:

http://localhost:5678

คุณควรจะเห็นอินเทอร์เฟซ n8n พร้อมหน้าจอต้อนรับ

🔍 ขั้นตอนที่ 2: การตั้งค่า Chinda LLM 4B​

ตัวเลือก A: การใช้ Ollama Backend (แนะนำ)​

ติดตั้ง Ollama:​

curl -fsSL https://ollama.com/install.sh | sh

ดาวน์โหลด Chinda LLM 4B:​

ollama pull iapp/chinda-qwen3-4b

เริ่มต้นเซิร์ฟเวอร์ API ของ Ollama:​

ollama serve

API จะพร้อมใช้งานที่ http://localhost:11434

ตัวเลือก B: การใช้จุดสิ้นสุด API โดยตรง​

image.png

  1. เปิดแพลตฟอร์ม ChindaX ในเบราว์เซอร์ของคุณ (https://chindax.iapp.co.th)
  2. ลงทะเบียน / เข้าสู่ระบบ เว็บไซต์ ChindaX
  3. ไปที่เมนู การผสานรวม ทางด้านซ้าย
  4. คลิกที่ปุ่ม การตั้งค่า ที่ด้านบนขวาของการผสานรวม API
  5. คัดลอก URL และ Bearer Token จากบล็อกโค้ด

⚙️ ขั้นตอนที่ 3: การสร้างเวิร์กโฟลว์แรกของคุณ​

การตั้งค่าเวิร์กโฟลว์พื้นฐาน​

  1. เปิด n8n ในเบราว์เซอร์ของคุณ (http://localhost:5678)
  2. คลิก "เวิร์กโฟลว์ใหม่" เพื่อสร้างระบบอัตโนมัติใหม่
  3. เพิ่มโหนด เพื่อสร้างเวิร์กโฟลว์ AI ของคุณ

ตัวอย่างที่ 1: เวิร์กโฟลว์การประมวลผลข้อความอย่างง่าย​

ขั้นตอนที่ 1: เพิ่มตัวกระตุ้นด้วยตนเอง​

  1. คลิกปุ่ม "+" เพื่อเพิ่มโหนด
  2. ค้นหา "ตัวกระตุ้นด้วยตนเอง" และเลือก
  3. คลิก "เรียกใช้โหนด" เพื่อทดสอบ

ขั้นตอนที่ 2: เพิ่มโหนด HTTP Request​

http_request_1.png

http_request_2.png

  1. เพิ่มโหนดอื่นและค้นหา "HTTP Request"
  2. กำหนดค่าโหนด HTTP Request:
    • วิธีการ: POST
    • URL: http://localhost:11434/api/generate หรือ https://chindax.iapp.co.th/api/chat/completions (จาก ChindaX)
    • ส่วนหัว: ถ้าคุณได้รับ API จาก ChindaX อย่าลืมเพิ่มคีย์ "Authorization" 
      {
        "Content-Type": "application/json",
        "Authorization": "Bearer sk-********************",  
      }
    • เนื้อหา: (สำหรับ Ollama) 
      {
        "model": "iapp/chinda-qwen3-4b",
        "prompt": "สวัสดีครับ ช่วยอธิบายเกี่ยวกับปัญญาประดิษฐ์ให้ฟังหน่อย",
        "stream": false
      }
    • เนื้อหา: (สำหรับ ChindaX) 
      {
         "model": "chinda-qwen3-4b",
         "messages": [
           {
             "role": "user",
             "content": "สวัสดีครับ! ช่วยเขียนจดหมายให้ผมหน่อย"
           }
         ]
      }

ขั้นตอนที่ 3: เพิ่มโหนด Set (ไม่บังคับ)​

  1. เพิ่มโหนด "Set" เพื่อจัดรูปแบบการตอบสนอง
  2. กำหนดค่าเพื่อดึงการตอบสนองของ AI:
    • เก็บเฉพาะชุด: เปิดใช้งาน
    • ค่าที่จะตั้งค่า:
      • ชื่อ: ai_response
      • ค่า: {{ $json.response }}

ตัวอย่างที่ 2: เวิร์กโฟลว์การประมวลผลอีเมล​

เวิร์กโฟลว์นี้จะประมวลผลอีเมลภาษาไทยโดยอัตโนมัติและสร้างการตอบสนอง

layout.png

โครงสร้างเวิร์กโฟลว์:​

ตัวกระตุ้นอีเมล → สกัดเนื้อหาอีเมล → การประมวลผล Chinda LLM → ส่งการตอบสนอง

ขั้นตอนที่ 1: เพิ่มตัวกระตุ้นอีเมล​

  1. เพิ่มโหนด "ตัวกระตุ้นอีเมล (IMAP)"
  2. กำหนดค่าการตั้งค่าอีเมลของคุณ:
    • โฮสต์: เซิร์ฟเวอร์ IMAP ของผู้ให้บริการอีเมลของคุณ
    • พอร์ต: โดยปกติ 993 สำหรับ SSL
    • ชื่อผู้ใช้: ที่อยู่อีเมลของคุณ
    • รหัสผ่าน: รหัสผ่านอีเมลของคุณ
    • SSL/TLS: เปิดใช้งาน

ขั้นตอนที่ 2: ประมวลผลด้วย Chinda LLM​

  1. เพิ่มโหนด "HTTP Request"
  2. กำหนดค่าสำหรับ Chinda LLM: 
    {
      "model": "iapp/chinda-qwen3-4b",
      "prompt": "ช่วยตอบอีเมลนี้อย่างสุภาพและเป็นมิตร: {{ $json.text }}",
      "stream": false
    }

ขั้นตอนที่ 3: ส่งอีเมลตอบกลับ​

  1. เพิ่มโหนด "ส่งอีเมล"
  2. กำหนดค่าการตั้งค่าการตอบสนอง:
    • ถึง: {{ $json.from.value[0].address }}
    • หัวเรื่อง: Re: {{ $json.subject }}
    • ข้อความ: {{ $json.response }}

🌐 ขั้นตอนที่ 4: เวิร์กโฟลว์ขั้นสูง​

เวิร์กโฟลว์ที่ 1: บริการแปลเอกสาร​

ส่วนประกอบ:​

  • ตัวกระตุ้น Webhook: รับเอกสารผ่าน HTTP
  • สกัดข้อความ: ประมวลผลรูปแบบไฟล์ต่างๆ
  • Chinda LLM: แปล ไทย ↔ อังกฤษ
  • ส่งคืนการตอบสนอง: ส่งเนื้อหาที่แปลแล้ว

การตั้งค่า:​

  1. เพิ่มโหนด Webhook:

    • ตั้งค่าพาธ webhook: /translate
    • วิธีการ: POST

  2. เพิ่มโหนด Switch (สำหรับการตรวจสอบประเภทไฟล์):

    • เงื่อนไขที่ 1: ไฟล์ PDF
    • เงื่อนไขที่ 2: ไฟล์ข้อความ
    • เงื่อนไขที่ 3: เอกสาร Word

  3. เพิ่ม HTTP Request สำหรับ Chinda LLM:

    {
      "model": "iapp/chinda-qwen3-4b",
      "prompt": "กรุณาแปลข้อความนี้จากภาษาไทยเป็นภาษาอังกฤษ: {{ $json.text }}",
      "stream": false
    }

เวิร์กโฟลว์ที่ 2: แชทบอทฝ่ายสนับสนุนลูกค้า​

ส่วนประกอบ:​

  • ตัวกระตุ้นแชท: เชื่อมต่อกับแพลตฟอร์มการส่งข้อความ
  • การจัดการบริบท: รักษาประวัติการสนทนา
  • Chinda LLM: สร้างการตอบสนอง
  • การจัดรูปแบบการตอบสนอง: จัดรูปแบบสำหรับแพลตฟอร์มต่างๆ

การตั้งค่า:​

  1. เพิ่มตัวกระตุ้น Telegram (หรือแพลตฟอร์มที่คุณต้องการ)

  2. เพิ่มโหนด Function สำหรับการจัดการบริบท:

    // เก็บบริบทการสนทนา
    const userId = $input.first().json.message.from.id;
    const message = $input.first().json.message.text;

    // ดึงบริบทก่อนหน้า (ใช้ตรรกะการจัดเก็บของคุณ)
    const context = await getContext(userId);

    return {
      userId,
      message,
      context: context || [],
      fullPrompt: `บริบทการสนทนา: ${context.join('\n')}\nคำถามใหม่: ${message}\nตอบ:`
    };

  3. เพิ่มการประมวลผล Chinda LLM

  4. เพิ่มโหนดการตอบสนอง กลับไปยังแพลตฟอร์มแชท

เวิร์กโฟลว์ที่ 3: ท่อส่งข้อมูลการสร้างเนื้อหา​

สำหรับบทความและรายการบล็อก:​

  1. ตัวกระตุ้นกำหนดการ: เรียกใช้รายวัน/รายสัปดาห์
  2. ตัวอ่านฟีด RSS: รับแนวคิดหัวข้อ
  3. Chinda LLM: สร้างเนื้อหาภาษาไทย
  4. การจัดรูปแบบเนื้อหา: เพิ่ม HTML/Markdown
  5. การเผยแพร่ CMS: เผยแพร่โดยอัตโนมัติไปยัง WordPress/Ghost

💬 ขั้นตอนที่ 5: การใช้โหนด Chinda LLM (การผสานรวมแบบกำหนดเอง)​

การสร้างโหนด Chinda LLM แบบกำหนดเอง​

หากคุณใช้ Chinda LLM บ่อยๆ ให้สร้างโหนดแบบกำหนดเองที่สามารถนำกลับมาใช้ใหม่ได้:

ขั้นตอนที่ 1: สร้างเทมเพลตโหนด​

{
  "name": "Chinda LLM",
  "icon": "🤖", 
  "group": ["AI"],
  "description": "ประมวลผลข้อความด้วย Chinda LLM 4B",
  "properties": [
    {
      "displayName": "คำถาม",
      "name": "prompt",
      "type": "string",
      "required": true,
      "default": "",
      "description": "คำถามข้อความเป็นภาษาไทย"
    },
    {
      "displayName": "อุณหภูมิ",
      "name": "temperature",
      "type": "number",
      "default": 0.7,
      "description": "ควบคุมความไม่แน่นอน (0-1)"
    }
  ]
}

การใช้โหนด Code สำหรับการประมวลผลขั้นสูง​

เพิ่มโหนด "Code" สำหรับการประมวลผลข้อความภาษาไทยที่ซับซ้อน:

// ประมวลผลข้อความภาษาไทยด้วย Chinda LLM
const axios = require('axios');

const prompt = $input.first().json.text;

const response = await axios.post('http://localhost:11434/api/generate', {
  model: 'iapp/chinda-qwen3-4b',
  prompt: `ประมวลผลข้อความนี้: ${prompt}`,
  stream: false,
  options: {
    temperature: 0.7,
    top_p: 0.9
  }
});

return {
  original: prompt,
  processed: response.data.response,
  timestamp: new Date().toISOString()
};

🔧 การแก้ไขปัญหา​

ปัญหาและวิธีแก้ไขทั่วไป​

ปัญหา: การเชื่อมต่อถูกปฏิเสธไปยัง Ollama​

Error: connect ECONNREFUSED 127.0.0.1:11434

วิธีแก้ไข: ตรวจสอบให้แน่ใจว่า Ollama กำลังทำงานอยู่:

ollama serve

ปัญหา: เวิร์กโฟลว์ n8n หมดเวลา​

วิธีแก้ไข: เพิ่มเวลาหมดเวลาในโหนด HTTP Request:

  • ตั้งค่า เวลาหมดเวลา: 30000 (30 วินาที)
  • สำหรับการตอบสนองที่ยาวนานขึ้น ให้เพิ่มขึ้นอีก

ปัญหา: ปัญหาหน่วยความจำกับคำถามขนาดใหญ่​

วิธีแก้ไข:

  1. แบ่งข้อความขนาดใหญ่เป็นส่วนย่อยๆ
  2. ใช้การแบ่งหน้าในเวิร์กโฟลว์
  3. ใช้การสรุปข้อความก่อน

ปัญหา: ปัญหาการเข้ารหัสข้อความภาษาไทย​

วิธีแก้ไข: ตรวจสอบให้แน่ใจว่าใช้การเข้ารหัส UTF-8 อย่างถูกต้อง:

// ในโหนด Code
const text = Buffer.from(inputText, 'utf8').toString('utf8');

เคล็ดลับการเพิ่มประสิทธิภาพ​

  1. ใช้การประมวลผลแบบกลุ่ม สำหรับคำขอหลายรายการ
  2. ใช้การแคช สำหรับคำถามที่ใช้บ่อย
  3. ตั้งค่าเวลาหมดเวลาที่เหมาะสม ตามความซับซ้อนของคำถาม
  4. ตรวจสอบการใช้ทรัพยากร ของกระบวนการ Ollama

🎯 เทมเพลตเวิร์กโฟลว์และกรณีการใช้งาน​

✅ เทมเพลตเวิร์กโฟลว์ที่พร้อมใช้งาน​

1. บริการสรุปเอกสาร​

  • อินพุต: เอกสารภาษาไทยยาวๆ
  • กระบวนการ: แบ่งเป็นส่วนย่อย → สรุปแต่ละส่วน → รวมกัน
  • เอาต์พุต: สรุปภาษาไทยที่กระชับ

2. ตัวตอบสนองอัตโนมัติในโซเชียลมีเดีย​

  • ตัวกระตุ้น: การกล่าวถึง/ความคิดเห็นใหม่ๆ
  • กระบวนการ: วิเคราะห์ความรู้สึก → สร้างการตอบสนองที่เหมาะสม
  • การกระทำ: โพสต์การตอบสนองโดยอัตโนมัติ

3. ตัวสร้างจดหมายข่าวทางอีเมล​

  • กำหนดการ: ตัวกระตุ้นรายสัปดาห์
  • กระบวนการ: รวบรวมข่าว → สร้างเนื้อหาภาษาไทย → จัดรูปแบบ
  • การกระทำ: ส่งไปยังรายชื่อผู้สมัครรับข้อมูล

4. ตัววิเคราะห์ความคิดเห็นของลูกค้า​

  • อินพุต: ความคิดเห็น/ข้อเสนอแนะของลูกค้า
  • กระบวนการ: การวิเคราะห์ความรู้สึก → การจัดประเภท → การตอบสนอง
  • เอาต์พุต: แดชบอร์ดข้อมูลเชิงลึก

5. ผู้ช่วยการเรียนรู้ภาษา​

  • อินพุต: ข้อความภาษาอังกฤษจากนักเรียน
  • กระบวนการ: แปล → อธิบายไวยากรณ์ → ให้ตัวอย่าง
  • เอาต์พุต: สื่อการเรียนรู้ที่ครอบคลุม

🔄 ตัวอย่างการผสานรวม​

ผสานรวมกับบริการยอดนิยม:​

Google Sheets:

  • อ่านข้อมูล → ประมวลผลด้วย Chinda LLM → เขียนผลลัพธ์

Slack/Discord:

  • ตรวจสอบช่อง → ตอบคำถาม → ให้สรุป

WordPress:

  • สร้างเนื้อหา → เผยแพร่โดยอัตโนมัติ → การเพิ่มประสิทธิภาพ SEO

Shopify:

  • คำอธิบายผลิตภัณฑ์ → การสนับสนุนลูกค้า → การประมวลผลคำสั่งซื้อ

🚀 การกำหนดค่าขั้นสูง​

การตั้งค่าตัวแปรสภาพแวดล้อม​

สร้างไฟล์ .env สำหรับ n8n:

# การกำหนดค่า n8n
N8N_BASIC_AUTH_ACTIVE=true
N8N_BASIC_AUTH_USER=admin
N8N_BASIC_AUTH_PASSWORD=yourpassword

# การกำหนดค่า Ollama
OLLAMA_HOST=http://localhost:11434
CHINDA_MODEL=iapp/chinda-qwen3-4b

# การกำหนดค่า Webhook
WEBHOOK_URL=http://localhost:5678/webhook

การตั้งค่า Docker Compose​

version: '3.8'
services:
  n8n:
    image: n8nio/n8n
    ports:
      - "5678:5678"
    environment:
      - N8N_BASIC_AUTH_ACTIVE=true
      - N8N_BASIC_AUTH_USER=admin
      - N8N_BASIC_AUTH_PASSWORD=yourpassword
    volumes:
      - ~/.n8n:/home/node/.n8n
    depends_on:
      - ollama

  ollama:
    image: ollama/ollama
    ports:
      - "11434:11434"
    volumes:
      - ollama:/root/.ollama
    command: serve

volumes:
  ollama:

เรียกใช้ด้วย:

docker-compose up -d

📊 การตรวจสอบและการวิเคราะห์​

การติดตามประสิทธิภาพเวิร์กโฟลว์​

เพิ่มโหนดการตรวจสอบเพื่อติดตาม:

  • เวลาตอบสนอง จาก Chinda LLM
  • อัตราความสำเร็จ/ความล้มเหลว ของเวิร์กโฟลว์
  • สถิติการใช้งาน ต่อเวิร์กโฟลว์
  • การติดตามต้นทุน (หากใช้ API ที่เสียค่าใช้จ่าย)

ตัวอย่างเวิร์กโฟลว์การตรวจสอบ:​

การดำเนินการเวิร์กโฟลว์ → บันทึกประสิทธิภาพ → อัปเดตแดชบอร์ด → ส่งการแจ้งเตือน

🔮 แนวทางปฏิบัติที่ดีที่สุด​

1. การออกแบบคำถามสำหรับภาษาไทย​

  • ใช้คำถามภาษาไทยที่ชัดเจนและมีความหมาย
  • ให้ตัวอย่างเมื่อจำเป็น
  • ระบุข้อกำหนดรูปแบบเอาต์พุต

2. การจัดการข้อผิดพลาด​

  • เพิ่มโหนดการจัดการข้อผิดพลาดเสมอ
  • ใช้กลไกการลองใหม่
  • บันทึกข้อผิดพลาดสำหรับการแก้จุดบกพร่อง

3. ข้อควรพิจารณาเกี่ยวกับความปลอดภัย​

  • ใช้ตัวแปรสภาพแวดล้อมสำหรับข้อมูลที่ละเอียดอ่อน
  • ใช้การตรวจสอบสิทธิ์อย่างถูกต้อง
  • ตรวจสอบอินพุตก่อนการประมวลผล

4. ความสามารถในการปรับขนาด​

  • ออกแบบเวิร์กโฟลว์เพื่อจัดการกับภาระงานที่แตกต่างกัน
  • ใช้คิวสำหรับการประมวลผลปริมาณมาก
  • ตรวจสอบการใช้ทรัพยากร

📚 แหล่งข้อมูลและลิงก์​

คำสั่งอ้างอิงด่วน​

# เริ่มต้น n8n
npm start n8n
# หรือ
npx n8n
# หรือ
docker run -p 5678:5678 n8nio/n8n

# เริ่มต้น Ollama
ollama serve

# ดาวน์โหลด Chinda LLM
ollama pull iapp/chinda-qwen3-4b

ลิงก์ที่เป็นประโยชน์​

ชุมชนและการสนับสนุน​

🎉 สรุป​

การรวม Chinda LLM 4B กับ n8n สร้างเวิร์กโฟลว์การทำงานอัตโนมัติที่ทรงพลัง ซึ่งสามารถประมวลผลเนื้อหาภาษาไทยได้ในระดับใหญ่ ไม่ว่าคุณจะสร้างระบบสนับสนุนลูกค้า ท่อส่งข้อมูลการสร้างเนื้อหา หรือเวิร์กโฟลว์การประมวลผลข้อมูล การผสมผสานนี้จะมอบ:

  • การสร้างเวิร์กโฟลว์แบบภาพที่ง่ายดาย - ไม่ต้องเขียนโค้ด
  • การประมวลผลภาษาไทยที่ทรงพลัง - ความสามารถของ AI ภาษาไทยพื้นเมือง
  • การผสานรวมที่ยืดหยุ่น - เชื่อมต่อกับบริการหลายร้อยรายการ
  • สถาปัตยกรรมที่ปรับขนาดได้ - จัดการเวิร์กโฟลว์ตั้งแต่แบบง่ายไปจนถึงแบบซับซ้อน
  • คุ้มค่า - เรียกใช้ในเครื่องท้องถิ่นโดยไม่มีค่าใช้จ่าย API

เริ่มสร้างเวิร์กโฟลว์การทำงานอัตโนมัติ AI ภาษาไทยของคุณวันนี้ด้วย n8n และ Chinda LLM 4B!

สร้างด้วย ❤️ โดยทีมงาน ไอแอพพ์เทคโนโลยี - เสริมพลังการทำงานอัตโนมัติด้วย AI ภาษาไทย