Andrew Ng ปล่อย OpenWorker — AI coworker บนเดสก์ท็อปแบบ local-first ที่ส่ง 'งานเสร็จ' กลับมา ไม่ใช่แค่แชต

เมื่อวันที่ 23 กรกฎาคม 2026 Andrew Ng (ผู้ก่อตั้ง DeepLearning.AI, Coursera และอดีตหัวหน้า Google Brain) ปล่อย OpenWorker — เอเจนต์ AI บนเดสก์ท็อปแบบโอเพนซอร์สใต้ไลเซนส์ MIT ที่มีปรัชญาต่างจากแชตบอตทั่วไปชัดเจน: แทนที่จะตอบเป็นข้อความในหน้าต่างแชต OpenWorker ส่ง “งานที่เสร็จแล้ว” กลับมาให้ — เอกสารที่ขัดเงาแล้ว, ข้อความ Slack ที่แนบข้อมูล, ปฏิทินที่อัปเดตแล้ว, หรืออินบ็อกซ์ที่จัดหมวดเรียบร้อย

แนวคิดหลักคือผู้ใช้บอก ผลลัพธ์ที่ต้องการ (outcome) ไม่ใช่พรอมป์ต์ แล้วเอเจนต์จะแตกงานเป็นขั้นตอน ทำงานข้ามไฟล์ในเครื่องและแอปที่เชื่อมต่อ และ ขออนุมัติก่อนลงมือทำสิ่งที่มีผลกระทบ ณ วันเปิดตัว repo ขึ้นไปแตะ 1.8k ดาวอย่างรวดเร็ว

สถาปัตยกรรม — local-first ตั้งแต่ราก

จุดขายที่นักพัฒนาควรสนใจคือ OpenWorker ออกแบบให้ ประมวลผลบนเครื่องเป็นหลัก:

• Desktop shell: Tauri 2 + React 18
• เซิร์ฟเวอร์โลคัล: Python 3.10+ บน FastAPI/uvicorn รันที่ 127.0.0.1:8765
• สร้างบน aisuite — ไลบรารี LLM แบบ provider-agnostic ของ Ng เอง
• Speech-to-text ผ่าน Rust sidecar
• คอนเนกเตอร์ 25+ ตัว เช่น GitHub, Slack, Jira, Notion, Linear, Outlook, Gmail รวมถึงรองรับ MCP client เพื่อเสียบเครื่องมือเพิ่ม

เรื่องความเป็นส่วนตัว OpenWorker ระบุว่า การเรียกโมเดลวิ่งจากเครื่องไปหาผู้ให้บริการที่ตั้งค่าไว้โดยตรง บทสนทนา โทเคนคอนเนกเตอร์ และคีย์โมเดล อยู่ในเครื่อง ส่วนคอมโพเนนต์คลาวด์ (ถ้าใช้) ทำแค่ OAuth เท่านั้น โทเคนไม่ถูกเก็บบนรีโมต

Model router ~30 ตัว และระบบสิทธิ์ตามระดับความเสี่ยง

OpenWorker มาพร้อม model router ที่คัดโมเดลไว้ราว 30 ตัว ครอบคลุมทั้งผู้ให้บริการเนทีฟ (OpenAI, Anthropic, Google), เวนเดอร์ที่เข้ากันได้กับ OpenAI API (DeepSeek, Kimi, Qwen, Grok, Mistral), รีเซลเลอร์ (Together AI, Fireworks) และ รันโลคัลเต็มตัวผ่าน Ollama โดยไม่ต้องมี API key — ทั้งหมดเป็นแบบ bring-your-own-key

สิ่งที่ทำให้ OpenWorker เหมาะกับงานจริงคือ ระบบสิทธิ์แบบแบ่งระดับความเสี่ยง การเรียกเครื่องมือถูกจัดเป็นสี่ชั้น: read, write_local, write_exec และ external และควบคุมด้วยโหมดการทำงานห้าแบบ — discuss/plan (อ่านอย่างเดียว), interactive (ค่าเริ่มต้น ถามก่อนเขียนเสมอ), auto (ทำได้อิสระแต่จำกัดขอบเขต path) และ custom (ไวต์ลิสต์เครื่องมือเอง) โครงสร้างนี้ทำให้ทีมกำหนดได้ว่าจะให้เอเจนต์แตะอะไรได้แค่ไหน ก่อนปล่อยให้มันรันงานจริง

มุมมอง AI Curator

OpenWorker น่าสนใจไม่ใช่เพราะเป็นของใหม่ทางเทคนิค แต่เพราะ จุดยืนทางสถาปัตยกรรม ที่ Andrew Ng เลือก ในขณะที่คลื่นเอเจนต์ส่วนใหญ่วิ่งเข้าคลาวด์ (รันบนเซิร์ฟเวอร์ของเวนเดอร์ เก็บคีย์และข้อมูลไว้ให้) OpenWorker ยืนสวนทางด้วยคำว่า local-first + bring-your-own-key + MIT — โมเดลเรียกจากเครื่องคุณ คีย์อยู่กับคุณ โค้ดฟอร์กได้ นี่คือ scaffold ที่นักพัฒนาเอาไปดัดแปลงเป็นเอเจนต์ภายในองค์กรได้โดยไม่ต้องกลัวว่าข้อมูลลูกค้าจะรั่วออกไปหาบุคคลที่สาม

จุดที่ผมมองว่าเป็นหัวใจจริง ๆ คือ ระบบสิทธิ์สี่ชั้นห้าโหมด — นี่คือส่วนที่เอเจนต์ส่วนใหญ่ทำได้ห่วยที่สุด หลายเครื่องมือให้เลือกแค่ “ถามทุกครั้ง” หรือ “ปล่อยอิสระ” ซึ่งใช้จริงไม่ได้ การแยก write_local ออกจาก write_exec และ external อย่างชัดเจน คือความแตกต่างระหว่างเอเจนต์ที่กล้าเอามาใช้กับงานจริง กับเอเจนต์ที่ต้องนั่งเฝ้าทุกคลิก อย่างไรก็ตาม repo ยังอยู่ระยะแรก (46 คอมมิต) — ควรมองเป็นฐานให้ต่อยอด ไม่ใช่ผลิตภัณฑ์พร้อมฝากงานสำคัญ

สำหรับทีมไทยและ SEA ที่ต้องทำงานภายใต้ข้อกำหนด PDPA และนโยบายข้อมูลที่ห้ามส่งข้อมูลอ่อนไหวออกนอกองค์กร OpenWorker เป็นตัวอย่างที่ดีของสถาปัตยกรรมที่ถูกต้องตั้งแต่ต้น: ประมวลผลในเครื่อง เลือกโมเดลโลคัลผ่าน Ollama ได้ และควบคุมได้ว่าเอเจนต์จะออกอินเทอร์เน็ต (external) ตอนไหน แม้จะยังไม่พร้อมใช้งาน production วันนี้ แต่มันชี้ทิศทางที่องค์กรไทยควรเดินตาม — ผู้ช่วย AI ที่ทรงพลังไม่จำเป็นต้องแลกด้วยการยกข้อมูลทั้งหมดขึ้นคลาวด์ของคนอื่น

แหล่งข่าว

• andrewyng/openworker — GitHub repository (MIT)
• Andrew Ng Just Released ‘OpenWorker’, an Open-Source Local-First Desktop AI Coworker — MarkTechPost (23 ก.ค. 2026)