Skip to content
🚀 EDDI 6.6.0

ผู้ให้บริการ LLM 19 ราย ฐานความรู้ที่ครอลเว็บไซต์และอ่านไฟล์ของคุณ และบทสนทนาที่ย้ายตามเวอร์ชันเอเจนต์ที่เข้ากันได้มีอะไรใหม่

แมนเนจด์คลาวด์ เริ่มต้น

ทุกอย่างที่ต้องการ สำหรับ AI Orchestration

EDDI ให้แพลตฟอร์ม production-ready สมบูรณ์สำหรับสร้าง deploy และจัดการ AI agents ไม่ต้องเขียน boilerplate

EDDI Features

หนึ่งเทิร์นของบทสนทนาทำงานอย่างไร

InputChat · Slack · API · MCPParserNormalize, dictionariesBehavior RulesDecide, emit actionsTasksLLM · HTTP · MCP · RAGOutputTemplates, quick repliesTool boundaryApprovals · allow-lists · vaultConversation memoryProperties that outlive the context window · history · rolling summaries · user memory

เลือกขั้นตอนเพื่อดูว่าทำอะไร ตั้งค่าอย่างไร และเขียนอะไรลงไป

Behavior Rules

สิ่งที่เกิดขึ้นที่นี่

Behavior Rules คือเงื่อนไข IF-THEN บนนิพจน์และ Conversation memory กฎที่ตรงเงื่อนไขทุกข้อจะส่งแอ็กชันออกมา การกำหนดเส้นทางเป็นการตั้งค่า ไม่ใช่โค้ด อินพุตเดิมจึงไปตามเส้นทางเดิมทุกครั้ง

แต่ละ task ในไปป์ไลน์เขียนหนึ่งรายการ: ลงนามด้วย HMAC เพิ่มได้อย่างเดียว และตรวจลำดับได้

ค่าตัวอย่างเพื่อประกอบคำอธิบาย

การตั้งค่า
{
  "behaviorGroups": [
    {
      "name": "",
      "behaviorRules": [
        {
          "name": "Ask for City",
          "actions": [
            "ask_for_city"
          ],
          "conditions": [
            {
              "type": "inputmatcher",
              "configs": {
                "expressions": "trigger(current_weather)"
              },
              "conditions": []
            }
          ]
        }
      ]
    }
  ]
}
ตัวอย่างรายการ audit
{
  "id": "0b5e9a0c-6f3d-4b1e-9d57-2c1f8a7e4d10",
  "conversationId": "6650f1c2a7b94e0012ab34cd",
  "agentId": "support-agent",
  "agentVersion": 1,
  "userId": "user-4711",
  "environment": "production",
  "stepIndex": 0,
  "taskId": "ai.labs.behavior",
  "taskType": "behavior_rules",
  "taskIndex": 1,
  "durationMs": 1,
  "input": {
    "expressions": [
      "trigger(current_weather)"
    ]
  },
  "output": {
    "behavior_rules:success": [
      "Ask for City"
    ]
  },
  "actions": [
    "ask_for_city"
  ],
  "cost": 0,
  "timestamp": "2026-10-14T09:12:41.208Z",
  "hmac": "v4:a3f1c09e5b7d2468a3f1c09e5b7d2468a3f1c09e5b7d2468a3f1c09e5b7d2468",
  "agentSignature": "MEUCIQDk3x…9fQ==",
  "sequence": 1
}
ทุกเทิร์นวิ่งผ่านไปป์ไลน์เดียวกัน Behavior rules ตัดสินว่าจะเกิดอะไรขึ้นด้วยการปล่อยแอ็กชัน และ task ต่างๆ รอฟังแอ็กชันเหล่านั้น: การเรียก LLM, การเรียก HTTP, เครื่องมือ MCP หรือการค้นหาในฐานความรู้ การเรียกเครื่องมือทุกครั้งต้องผ่านขอบเขตที่มีการกำกับดูแลเดียวกัน และหน่วยความจำจะส่งต่อสิ่งที่สำคัญจากเทิร์นหนึ่งไปยังเทิร์นถัดไป และจากบทสนทนาหนึ่งไปยังบทสนทนาถัดไป

แพลตฟอร์มหลัก

ความสามารถหลักที่ทำให้ EDDI เป็น AI Orchestration Platform สมบูรณ์

🖥️ EDDI Manager

Production-Ready React UI สำหรับสร้าง deploy และ monitor เอเจนต์ 11 ภาษา, live chat debugging, audit dashboards

⚙️ Config-as-Code

Agent logic เป็น JSON configuration ไม่ใช่โค้ดที่คอมไพล์ ไม่ต้อง recompile

🔌 MCP Server (89 เครื่องมือ)

การควบคุม AI-native สมบูรณ์ผ่าน Model Context Protocol

🔐 ความปลอดภัยก่อน

ไม่มี eval(), การผสานรวม Vault, การป้องกัน path traversal, OIDC/Keycloak, พื้นที่ทำงานรายผู้ใช้, cryptographic audit trails

✋ มนุษย์ร่วมตัดสินใจ

หยุดเทิร์นชั่วคราว กำกับการเรียกใช้เครื่องมือ หรือกำหนดให้ต้องอนุมัติแต่ละเฟส เวิร์กโฟลว์การอนุมัติ พร้อมนโยบายหมดเวลา การ์ด Slack และสถานะที่ทนต่อระบบล่ม

🚀 ประสิทธิภาพ

Java 25 Virtual Threads บน Quarkus ล้านๆ lightweight threads สำหรับ I/O-bound LLM workloads

🤖 มัลติเอเจนต์

Intent-based discovery, managed conversations และการทำงานร่วมกันแบบกลุ่ม พร้อมการลงคะแนน, artifacts ที่ใช้ร่วมกัน และมนุษย์ในฐานะสมาชิก

ความสามารถ AI

ฟีเจอร์ AI ขั้นสูงที่ทำให้เอเจนต์ EDDI ฉลาดขึ้น เร็วขึ้น และประหยัดต้นทุนมากขึ้น

🧠 หน่วยความจำและบริบท

หน่วยความจำถาวร, การรวม Dream, สรุปแบบต่อเนื่อง และการจัดหน้าต่างที่รับรู้โทเค็น เอเจนต์ที่จำได้

📚 ความรู้และ RAG

ครอลเว็บไซต์หรืออัปโหลดไฟล์ PDF, Word, Excel และ PowerPoint เข้าสู่ฐานความรู้ที่รีเฟรชตามกำหนดเวลา 8 ผู้ให้บริการ embedding, 6 vector stores การดึงข้อมูลความรู้ระดับองค์กรพร้อมใช้งาน

📈 การเรียงซ้อนโมเดล

การกำหนดเส้นทางหลายโมเดลที่ปรับต้นทุนด้วยกลยุทธ์ความเชื่อมั่น การใช้งานจริงของรูปแบบนี้ที่เผยแพร่แล้วรายงานต้นทุน inference ลดลง 31 ถึง 58% โดยคุณภาพคงเดิม (หลักฐาน)

🧭 ผู้ให้บริการ LLM 19 ราย

Claude, GPT, Gemini, Grok, DeepSeek, Kimi, Qwen, GLM, Mistral, Llama และอื่นๆ ทั้งแบบโฮสต์และแบบรันในเครื่อง แคตตาล็อกโมเดลแสดงว่าแต่ละโมเดลเก่งด้านใดและรันอย่างไร

⏰ การจัดตารางและ Heartbeats

ทริกเกอร์ Cron, การปลุก Heartbeat, วงจร Dream เอเจนต์เชิงรุกที่ดำเนินการด้วยตนเอง

เครื่องมือ Agent ในตัว

EDDI มาพร้อมเครื่องมือพร้อมใช้งาน 12 รายการที่ Agent สามารถเรียกใช้ระหว่างสนทนา ไม่ต้องตั้งค่าภายนอก

🔍ค้นหาเว็บDuckDuckGo หรือ Google Custom Search
🧮เครื่องคิดเลขMath parser แบบ sandbox (ไม่มี eval())
🌐Web Scraperการดึงเนื้อหาที่ป้องกัน SSRF
📄PDF Readerการดึงเอกสารที่ป้องกัน SSRF
☁️สภาพอากาศข้อมูลสภาพอากาศแบบเรียลไทม์
🕐วันที่/เวลาวันที่และเวลาปัจจุบัน
📊จัดรูปแบบข้อมูลการแปลงข้อมูลแบบมีโครงสร้าง
📝สรุปข้อความสรุปด้วย LLM
🔌HTTP Callsเปิดเผย REST API เป็นเครื่องมือ LLM
🧠หน่วยความจำผู้ใช้อ่าน/เขียน/ค้นหาหน่วยความจำถาวร
🔙เรียกคืนสนทนาลงลึกในประวัติที่สรุปแล้ว
📎Multimodalภาพ, PDF, เสียง, วิดีโอ ผ่าน MIME routing

Config และ Portability

การตั้งค่า Agent พร้อมพกพา ประกอบได้ และพร้อมซิงค์ ย้าย Agent ระหว่างสภาพแวดล้อมได้อย่างราบรื่น

📤 Import / Export

Agent พกพาเป็นไฟล์ ZIP พร้อมการล้าง secrets อัตโนมัติ การนำเข้ารวมหรือเขียนทับ ไม่มีปัญหาเวอร์ชัน

🔄 Agent Sync

ซิงค์สดระหว่างอินสแตนซ์พร้อมการจับคู่โครงสร้าง การเปรียบเทียบเนื้อหา และการเลือกทรัพยากร

📝 Prompt Snippets

บล็อกสร้าง system prompt ที่ใช้ซ้ำได้และมีเวอร์ชัน อ้างอิงด้วย {{snippets.safety_rules}}

ความเป็นเลิศทางวิศวกรรม