รัน LLM บนเครื่องตัวเองผ่าน Ollama แล้วใช้ใน VS Code ได้ทันที จุดเด่นคือ ตัวโปรเจกต์ตรวจสเปคเครื่อง (GPU/VRAM/RAM) เองแล้วเลือก model ที่เหมาะสมให้ — clone ไปเปิดเครื่องไหนก็ได้ ระบบจะแนะนำ model ใหม่ให้ตรงกับเครื่องนั้น
# Windows (PowerShell)
.\setup.ps1# macOS / Linux
./setup.shสคริปต์จะ: ตรวจฮาร์ดแวร์ → ติดตั้ง Ollama (ถ้ายังไม่มี) → เปิด server →
ดึง model ที่เหมาะกับเครื่อง → เขียน .continue/config.yaml ให้ VS Code
จากนั้นเปิดโฟลเดอร์นี้ใน VS Code → ติดตั้ง extension Continue (VS Code จะแนะนำให้เอง) → ใช้งานได้เลย (Ctrl+L = chat, Tab = autocomplete)
| คำสั่ง | ทำอะไร |
|---|---|
node scripts/doctor.mjs detect |
ตรวจสเปคเครื่อง + บันทึก profile |
node scripts/doctor.mjs recommend |
แสดง model ที่แนะนำสำหรับเครื่องนี้ (ยังไม่ดาวน์โหลด) |
node scripts/doctor.mjs config |
สร้าง .continue/config.yaml อย่างเดียว (--global = เขียน ~/.continue ด้วย) |
node scripts/doctor.mjs setup |
ดึง model + สร้าง config (--core-only = เอาเฉพาะตัวเล็ก, --global = เขียน ~/.continue ด้วย) |
node scripts/doctor.mjs bench |
วัดความเร็ว tokens/s ของ model ที่ติดตั้งแล้ว |
node scripts/doctor.mjs all |
setup + bench |
แค่ clone แล้วรัน setup.ps1 / setup.sh ใหม่ — ระบบจะตรวจ GPU ของเครื่องนั้น
จัด tier ใหม่ และแนะนำ/ดึง model ชุดใหม่ให้เอง (ดู tier ทั้งหมดใน
docs/MODEL-GUIDE.md)
ถ้าตรวจ VRAM ไม่ได้ (เช่น Linux ไม่มี driver) ระบบจะเตือน — แก้ค่า gpu.vramGB
ในไฟล์ profiles/<hostname>.hardware.json เองแล้วรัน recommend ใหม่ได้
catalog/models.json รายการ model + ขนาด + VRAM ที่ต้องใช้ (แก้ไข/เพิ่มได้)
scripts/doctor.mjs CLI หลัก (detect / recommend / setup / bench)
scripts/lib/ detect, recommend, ollama, configgen (Node ล้วน ไม่มี dependency)
profiles/ ผลตรวจต่อเครื่อง (gitignore - สร้างใหม่ทุกเครื่อง)
.continue/config.yaml config ของ Continue (สร้างอัตโนมัติต่อเครื่อง)
.vscode/ แนะนำ extension + tasks
docs/ DESIGN.md (สถาปัตยกรรม), MODEL-GUIDE.md (ตาราง tier)
- Node.js 18+ (ใช้เฉพาะ built-in modules ไม่ต้อง
npm install) - พื้นที่ดิสก์ ~4–10 GB สำหรับ model (ขึ้นกับ tier ของเครื่อง)