Blog Series 2026: 6 บทความเกี่ยวกับ AI Infrastructure ที่ผมเขียน
Index + reading order สำหรับ blog series 2026 - 6 บทความเกี่ยวกับ DGX Spark, LiteLLM, MCP, multi-agent workflow
Latest Posts
Multi-Agent Dev Workflow Diary: เมื่อผมมี AI 2 ตัวช่วยเขียน code (นานาโกะ + Kimi)
บันทึกการทำงานร่วมกับ AI agents 2 ตัว - นานาโกะช่วย verify + เขียน ticket, Kimi ช่วยเขียน code - แล้วเราคุมทั้งหมด
DGX Spark: เมื่อ spec แรงไม่ได้แปลว่า run ได้ทันที
บันทึกการเรียนรู้ LLM serving บน NVIDIA DGX Spark - เครื่อง specialized ไม่ใช่ plug-and-play
DGX Spark: First Impression - เมื่อซื้อเครื่อง AI มา แล้วได้เรียนรู้มากกว่าที่คิด
รีวิว MSI EdgeXpert (DGX Spark) หลังใช้งานจริงหลายวัน — honest take แบบไม่มี hype
MCP Server & Client Design: เมื่อ Developer ต้องออกแบบ AI Agent Infrastructure เอง
เจาะลึก MCP architecture — Server, Client, และ Transport patterns ที่ Developer ต้องรู้เพื่อสร้าง AI agent infra เอง
Honcho Memory Layer: ทำไม AI Agent ต้องมีความจำข้าม Session
Honcho เป็น memory layer ที่ผมใช้กับ AI agent - เก็บ context ข้าม session, เรียนรู้ user preferences, และเหตุผลที่ผมเลือกใช้แทน Mem0/Letta
เมื่อ timeout ไม่ใช่ปัญหา แต่ cache เป็นพระเอก: LiteLLM + DGX Spark Journey
จากปัญหา timeout บน LiteLLM API สู่การค้นพบ architecture pattern ของ middleware multiplexing
LiteLLM Proxy: วาง Gateway ครอบ LLM ให้ทีมใช้งานแบบมีระบบ
วิธีติดตั้ง LiteLLM Proxy ด้วย Docker Compose สำหรับทำ API Gateway ให้ทีมใช้ LLM ที่รันเอง พร้อม Virtual Keys, Budget Control, Redis Cache และ Best Practices จาก Docs จริง
Honcho - ระบบความจำที่ทำให้ AI เข้าใจเราจริงๆ
ทำไม AI ถึงจำเราไม่ได้ แล้ว Honcho เข้ามาแก้ปัญหานี้ยังไง พร้อมติดตั้งจริงบน homelab
Hermes + Honcho หลายเครื่อง สมองเดียว - ออกแบบ Architecture สำหรับ Homelab
ออกแบบระบบ Hermes Agent หลายเครื่องที่แชร์ memory เดียวกันผ่าน Honcho พร้อม naming convention และ file sync strategy