เคยสงสัยไหมครับว่า ถ้าเราอยากรัน AI บนบอร์ดฮาร์ดแวร์แบบที่ไม่ต้องต่ออินเทอร์เน็ต ไม่ต้องง้อ Cloud และไม่ต้องใช้ API Keys เลย มันจะทำได้จริงเหรอ? วันนี้เราจะพาไปทำความรู้จักกับโปรเจกต์เจ๋งๆ ที่กำลังอยู่ในช่วงพัฒนา (Work in progress) อย่าง QClaw ที่จะเปลี่ยนบอร์ด Arduino UNO Q ของคุณให้กลายเป็นผู้ช่วย AI สุดฉลาดแบบจบในตัว!
จุดเริ่มต้นของไอเดีย (Story)
ปกติแล้วเวลาที่เราเห็นเดโม่ "AI บนฮาร์ดแวร์" ส่วนใหญ่มักจะมี LLM (Large Language Model) รันอยู่เบื้องหลังบน Cloud เวลาเราสั่งงานบอร์ดผ่าน Terminal หรือ Telegram ตัวบอร์ดก็จะส่ง API ไปเรียกให้โมเดลบน Cloud ทำงานแทน
แต่ QClaw คิดต่างออกไปครับ! โปรเจกต์นี้ย้ายเอาโมเดลภาษามาโฮสต์ไว้บนบอร์ด Arduino Uno Q โดยตรง มันสามารถจัดการ Loop การทำงาน, สั่ง Compile โค้ด และ Flash โปรแกรมลงชิปไมโครคอนโทรลเลอร์ (MCU) ได้ด้วยตัวเองทั้งหมด สรุปง่ายๆ คือ ทำงานแบบ Local และ Offline 100% สมมติคุณสั่งให้มันแสดงข้อความ "QClaw" เลื่อนไปมาบนจอ LED Matrix มันก็สามารถเขียนโค้ดและจัดการให้เสร็จสรรพได้เลยบนบอร์ด!
💡 Globalbyte Trick: โปรเจกต์แนว Edge AI หรือการรันระบบฉลาดๆ บนฮาร์ดแวร์ มักจะต้องใช้เซนเซอร์เพื่อรับข้อมูลจากภายนอกเข้าไปประมวลผล ถ้าเพื่อนๆ กำลังมองหาบอร์ดไมโครคอนโทรลเลอร์ หรือเซนเซอร์ต่างๆ สำหรับเอาไปทดลองทำโปรเจกต์แนวนี้ แวะมาเลือกดูอุปกรณ์อิเล็กทรอนิกส์คุณภาพเยี่ยมได้ที่ร้าน Globalbyte ของเราได้เลยครับ รับรองว่ามีของให้เล่นเพียบ!
ทำไมต้องเป็นบอร์ด Arduino Uno Q?
ถ้ามองจากภายนอก Arduino UNO Q หน้าตาเหมือนบอร์ด Arduino คลาสสิกทั่วไป แต่ความเจ็บปวด (ในทางที่ดี) คือมันเหมือน "เอาบอร์ด 2 ตัวมาซ่อนไว้ในร่างเดียว" (Split-silicon device) ครับ
ตัวบอร์ดมีทั้งชิป MPU (Microprocessor) และ MCU (Microcontroller) อยู่บนแผ่น PCB เดียวกัน
MPU สามารถสั่ง Reset และเขียนโปรแกรม (Reprogram) ลง Flash ของ MCU ได้โดยตรงผ่านขา GPIO (ใช้ไดรเวอร์ linuxgpiod เชื่อมผ่าน SWD)
ข้อดีสุดๆ: ไม่ต้องใช้สาย USB โยงไปมา ไม่ต้องใช้เครื่องโปรแกรมเมอร์ (Probe) หรือคอมพิวเตอร์เครื่องที่สองเลย นี่แหละคือความอัจฉริยะของสถาปัตยกรรม QClaw!
📸 ดูภาพ Architecture สถาปัตยกรรมการทำงานเพิ่มเติม (View More)
ภาพสถาปัตยกรรม QClaw Architecture
ภาพจำลองวงจร QClaw Loop
เรื่องสเปคก็หายห่วง ด้วย RAM ขนาด 4GB ที่มีมาให้ ถือว่าเหลือเฟือสำหรับการรันโมเดลภาษาอย่าง Qwen3.5 0.8B Q4_0 (มี Context window ถึง 8K) ตัว QClaw จะกินพื้นที่บนบอร์ดไปประมาณ 1.3 GB และมีความเร็วในการสร้างข้อความ (Decode) อยู่ที่ประมาณ 8 Tokens ต่อวินาที อาจจะไม่เร็วปรื๊ดเท่าการ์ดจอคอมพิวเตอร์แรงๆ แต่ก็เร็วพอที่จะ Compile และ Flash โค้ดเสร็จก่อนที่คุณจะจิบกาแฟหมดแก้วแน่นอนครับ
⚠️
คำเตือนเรื่องความซับซ้อน: เนื้อหาในส่วนของการทำงานเบื้องลึกระหว่างชิป (MPU vs MCU) และกระบวนการของ OpenOCD อาจจะมีคำศัพท์เทคนิคเยอะนิดนึงนะครับ ถ้าเพื่อนๆ รู้สึกว่ามันเริ่มลึกเกินไป สามารถแวะไปอ่านและทำความเข้าใจจาก
Github ของ Uno-QClaw ต้นฉบับเพิ่มเติมได้ครับ
วิธีใช้งาน QClaw เบื้องต้น
QClaw มีระบบการรัน 2 รูปแบบหลักๆ (บน Backend เดียวกัน) คุณสามารถเลือกใช้งานได้ตามความเหมาะสม:
Agentic path (สั่งงานผ่าน make qclaw-agentic): อันนี้คือแบบจัดเต็ม มีตัว Gateway ที่คอยรับคำสั่ง (ผ่าน Terminal, SSH หรือ Telegram) มันสามารถคิดเป็นลูป และเรียกใช้เครื่องมือ (Tools) ต่างๆ ได้ เหมาะมากเวลาที่คุณต้องการให้มันเขียนโค้ดและ Flash ลงบอร์ดให้เลย
Direct path (สั่งงานผ่าน make qclaw-direct): อันนี้จะเป็นทางด่วนครับ ส่งคำถามไปหา LLM ตรงๆ (ไม่มีลูป ไม่มี Tools แบบข้อแรก) ข้อดีคือประหยัดเวลาไปได้ถึง 33% เหมาะสำหรับเอาไว้ถาม-ตอบข้อมูลไวๆ เช่น "ขาไหนบนบอร์ด Uno Q ทำ PWM ได้บ้าง?"
ตัวอย่างคำสั่งการติดตั้ง (Code Snippet)
แค่รันคำสั่งชุดนี้ลงไป คุณก็สามารถเริ่มใช้งานได้เลยครับ:
Copy Code
git clone https://github.com/laurenvil/Uno-QClaw.git ~/ArduinoApps/QClaw
cd ~/ArduinoApps/QClaw
git submodule update --init --recursive
# ดาวน์โหลด Inference engine
cd yzma && make download-llama.cpp && cd ..
# ดาวน์โหลดโมเดล (ขนาดประมาณ 490 MB สำหรับ Q4_0)
mkdir -p ~/models
wget -O ~/models/Qwen_Qwen3.5-0.8B-Q4_0.gguf \
'https://huggingface.co/Qwen/Qwen3.5-0.8B-GGUF/resolve/main/Qwen3.5-0.8B-Q4_0.gguf'
# Build ตัวโปรแกรม, ติดตั้ง arduino-cli และตั้งค่าระบบ (ทำแค่ครั้งแรกครั้งเดียว)
make qclaw-install
# เลือกเริ่ม Session ตามรูปแบบที่ต้องการ
make qclaw-agentic # ใช้งานแบบเต็มรูปแบบ (Compile/Upload/กล้อง/Network)
make qclaw-direct # ใช้งานแบบถามตอบรวดเร็ว (ไม่มี Tools)
ทูลส์ (Tools) ที่มากับระบบ
เมื่อระบบเริ่มทำงาน ตัว AI Agent จะมี Tools พื้นฐาน 8 ตัวให้ใช้งานแบบเฉพาะเจาะจง (เพื่อความปลอดภัย ไม่มีคำสั่ง Exec ทั่วไป):
read_file, write_file, list_dir สำหรับจัดการไฟล์ใน Workspace
arduino สำหรับสั่ง Compile และ Flash โค้ดผ่าน OpenOCD
camera สำหรับถ่ายภาพเฟรมเดี่ยว (V4L2) ผ่าน GStreamer
sysfs_led ไว้คุมไฟ RGB บนบอร์ดฝั่ง MPU
network เอาไว้อ่านค่า Network ต่างๆ (Read-only)
i2cdetect เอาไว้แสกนหาอุปกรณ์บนบัส I²C ของ Linux
ระบบ Pre-Router (Skills, ไม่ใช่ RAG)
ไฮไลท์สำคัญที่ทำให้โมเดลขนาดเล็ก 0.8B ทำงานได้ฉลาดคือ Pre-Router ครับ ระบบนี้ไม่ใช่ RAG (Retrieval-Augmented Generation) แต่ทำงานคล้ายๆ กับมีตารางกฎ (Regex) 23 กฎ ครอบคลุม 15 ทักษะ (Skills)
เมื่อเราพิมพ์คำสั่งไป ระบบจะแสกนคีย์เวิร์ด ถ้าตรงกับกฎไหน มันจะดึงข้อมูลทักษะนั้นๆ แทรกเข้าไปใน System Prompt ให้ AI ทันที AI เลยไม่ต้องเสียเวลาไปควานหาไฟล์อ่านเอง ซึ่งช่วยประหยัดเวลาประมวลผลไปได้ถึง 10-20 นาทีเลยทีเดียว! ทักษะที่มันทำได้ก็มีตั้งแต่การเขียนโค้ดไฟกระพริบ (Blink), คุมมอเตอร์ Servo, ต่อ CAN bus, แสดงผลบนจอ LED Matrix ไปจนถึงการใช้เซนเซอร์แบบ Plug-and-play อย่าง Modulino ครับ
ลองเล่นกันเลย!
สำหรับใครที่มีบอร์ด Arduino Uno Q วางอยู่บนโต๊ะ ลองถอดสายเน็ตออก แล้วโหลดโปรเจกต์นี้มาเล่นดูครับ คุณจะได้ผู้ช่วย AI ส่วนตัวที่ Flash โค้ดให้ตัวเองได้แบบออฟไลน์ 100% เลยทีเดียว สามารถเข้าไปดู Source code และรายละเอียดเชิงลึกต่อได้ที่ Github ของ Uno-QClaw หากมีปัญหาหรืออยากพัฒนาต่อ ก็สามารถไปเปิด Issues หรือส่ง Pull requests ให้ผู้พัฒนาต้นทางได้เลยครับ!
VIDEO
🚀 ลุยโปรเจกต์ต่อไปด้วยอุปกรณ์คุณภาพจาก Globalbyte!
หาบอร์ด เซนเซอร์ หรือชิ้นส่วนอิเล็กทรอนิกส์สำหรับโปรเจกต์ DIY ถัดไปอยู่ใช่ไหม? ปรึกษาเราหรือสั่งซื้อได้เลย!
