THU-MAIC/OpenMAIC — จาก “AI ช่วยสร้างบทเรียน” กำลังขยับไปเป็น “Operating System สำหรับห้องเรียนที่มี AI หลายตัว”

วันนี้ผมเปลี่ยน Repo จาก archify มาเป็น THU-MAIC/OpenMAIC เพราะถ้ามองแบบ Composite = GitHub Trending + fresh release + developer discussion + X + real technical activity OpenMAIC มีสัญญาณใหม่เกิดพร้อมกันมากกว่า

หน้า GitHub Trending อย่างเป็นทางการ ตอนตรวจวาง OpenMAIC ไว้ อันดับ 1 ที่ประมาณ 26,558 stars / 4,717 forks และ +2,819 stars วันนี้. สิ่งที่น่าสนใจคือ archify ซึ่งอยู่ลำดับถัดไปยังมี raw star velocity สูงกว่าที่ +3,993 stars/day ดังนั้น GitHub Trending ไม่ได้เรียงด้วยจำนวนดาวต่อวันเพียงอย่างเดียว.

เหตุผลที่ผมเลือก OpenMAIC เป็น Composite winner คือ v1.0.0 เพิ่งออกวันที่ 27 สิงหาคม, กระแส X สดในไม่กี่ชั่วโมงล่าสุดกำลังแชร์แนวคิด “full AI classroom” และมี Source audit ใหม่ที่ลงไปตรวจถึง Skills, Evals, Input limits และ Fact-checking logic ไม่ใช่เพียงแชร์ Demo.

อย่างไรก็ตาม ผมยัง ไม่พบ Dedicated Hacker News mega-thread หรือ Reddit thread ใหม่ขนาดใหญ่ใน 24 ชั่วโมงล่าสุด ดังนั้นวันนี้ Momentum มาจาก GitHub, X และ developer/engineering discussion มากกว่า HN/Reddit

Confidence: 91/100 — Composite discussion + momentum

Confidence: 99/100 — ว่า OpenMAIC อยู่บนสุดของ GitHub Trending snapshot ที่ตรวจ

สรุปคำแนะนำ

⭐ 4.4 / 5

ผมให้ 4.4/5

เหตุผลที่สูงคือ OpenMAIC ไม่ได้เป็น Demo ง่าย ๆ อีกแล้ว v1.0 มี Agent workbench, durable sessions, Skills, Evals, Security policy, Local model paths และ Active community

สิ่งที่ยังหักคะแนนคือ:

Tenant isolation
Operational complexity
Media-generation latency
LLM factual reliability

คำแนะนำสั้น ๆ:

อยากศึกษา Agent product จริง → ควร Clone

ทำ Training / EdTech POC → ควรลองมาก

ใช้ส่วนตัว/Trusted network → พร้อมพอสมควร

เปิด Public SaaS จาก Default config → ยังไม่ควร

1. OpenMAIC คืออะไร

OpenMAIC ย่อมาจาก Open Multi-Agent Interactive Classroom

มันเป็น Open-source AI platform จากทีม THU-MAIC ที่เปลี่ยน Topic, Document, Audio, Video หรือ PowerPoint ให้กลายเป็น ห้องเรียนแบบ Interactive

ไม่ได้มีแค่ Chatbot หนึ่งตัวตอบคำถาม แต่สร้าง Role หลายแบบขึ้นมา เช่น:

AI Teacher — สอนและอธิบาย
AI Teaching Assistant — ช่วยเสริม
AI Classmates — ถาม โต้แย้ง และอภิปราย
Director/Orchestrator — คุม Flow ของห้องเรียน

ระหว่างเรียน Agent สามารถใช้ Slide, Quiz, Whiteboard, Interactive HTML, 3D visualization, Simulation และ Project-Based Learning (PBL) ได้.

สิ่งที่เปลี่ยนครั้งใหญ่ใน v1.0 คือ OpenMAIC ไม่ได้เป็นแค่:

“ใส่ Prompt → รอ → ได้บทเรียน”

อีกต่อไป

แต่มี Agent Workbench ที่เราคุยกับ Agent เพื่อให้มันวาง Curriculum, สร้าง Course, แก้แต่ละ Page, เพิ่ม Quiz, เปลี่ยน Activity หรือทำงานต่อจาก Session เดิมได้. Sessions ฝั่ง Server สามารถ Cancel, Resume และ Steer ต่อหลัง Restart ได้.

พูดง่าย ๆ:

มันกำลังเปลี่ยนจาก AI Course Generator ไปเป็น AI Course-Building Environment

2. ทำไมมันถึง Trending ตอนนี้

Catalyst ชัดที่สุดคือ OpenMAIC v1.0.0 วันที่ 27 สิงหาคม 2026

Release นี้เพิ่ม:

Agent Workbench
Durable Sessions
Document / Audio / Video materials
Web Search
20 built-in skills
Course-level planning
Provider-neutral architecture
Pluggable persistence.

กระแส Social ก็มาถูกจังหวะ Fresh X post จาก AI educator Hasan Toor ที่มีผู้ติดตามมากกว่า 400k เพิ่งแชร์ OpenMAIC ในมุมว่าไม่ใช่ Chatbot แต่เป็น “ห้องเรียน” ที่มี AI teacher, classmates, whiteboard, simulation และ debate โดย public mirrors แสดงว่ามีคนดูหลักหลายพันถึงหลักหมื่นภายในเวลาไม่กี่ชั่วโมง.

และที่ผมให้น้ำหนักมากกว่ากระแส Social คือ Repo เริ่มถูก Source-audit จริง หลัง v1.0 มีการตรวจ Skills, Constraint files, regression evals และ input handling ในระดับ Source code แล้ว.

3. Key Features

Official README ปัจจุบันรองรับ Model providers จำนวนมาก ตั้งแต่ OpenAI, Azure OpenAI, Anthropic, Bedrock, Gemini, DeepSeek, Qwen, Kimi, MiniMax, Grok, OpenRouter ไปจนถึง Ollama และ Local media/ASR stack.

4. Practical Use Cases

Use case ที่ชัดที่สุดคือ เปลี่ยนเอกสารให้เป็นบทเรียน

เช่นมี Research paper 80 หน้า แทนที่จะอ่านทั้งหมดเอง สามารถให้ Agent แตก Concept → Slide → Quiz → Interactive explanation → Discussion ได้

อีก Use case ที่ผมคิดว่ามีมูลค่ามากคือ Corporate training

บริษัทสามารถ Upload:

Product manual
SOP
Internal architecture
Compliance guide
Sales playbook

แล้วสร้าง Training course พร้อม Quiz และ Discussion ได้

สำหรับมหาวิทยาลัยหรือโรงเรียน OpenMAIC เหมาะกับ Flipped classroom, Supplemental tutoring, Lab simulation และ Course authoring

สำหรับ Developer/Researcher มันยังเป็น Multi-agent research testbed ที่น่าสนใจ เพราะมีทั้ง orchestration, GenUI, Agent roles และ Evals อยู่ในระบบเดียวกัน

และ OpenClaw integration ทำให้ Course generation สามารถถูกเรียกจาก Slack, Telegram, Discord, Feishu หรือ WhatsApp ได้โดยตรง.

5. วิธีติดตั้ง / Getting Started

ต้องมี:

Node.js ≥ 20
pnpm ≥ 10

จากนั้น:

git clone https://github.com/THU-MAIC/OpenMAIC.git
cd OpenMAIC
pnpm install
cp .env.example .env.local

เพิ่ม API key ของ Model อย่างน้อยหนึ่งตัว แล้วรัน:

pnpm dev

เปิด:

http://localhost:3000

Production build:

pnpm build
pnpm start

หรือ Docker:

docker compose up --build

ทั้งหมดเป็น Quick Start จาก README ปัจจุบัน.

ถ้าใช้ OpenClaw:

clawhub install openmaic

แล้วสามารถสั่งประมาณ:

“Teach me quantum physics”

จาก Chat app ได้เลย.

6. ข้อดีและข้อจำกัด

ข้อดี

OpenMAIC ไม่ได้หยุดที่ Text generation แต่เอา Pedagogy + Multi-agent + Visual + Audio + Interactivity มารวมกัน

Provider flexibility สูงมาก และมีเส้นทาง Local AI ที่น่าสนใจสำหรับ Privacy-sensitive environment.

การ Export เป็น PPTX และ Offline HTML/ZIP ก็ทำให้ Output ไม่ถูก Lock อยู่ใน Platform อย่างเดียว.

ข้อจำกัด

ข้อแรกคือ Generate course ≠ Course ถูกต้อง

LLM ยัง Hallucinate ได้ โดยเฉพาะหัวข้อที่มี:

ตัวเลข
ข้อเท็จจริงใหม่
การแพทย์
กฎหมาย
ประวัติศาสตร์
วิทยาศาสตร์เฉพาะทาง

ดังนั้น Human review ยังจำเป็น

ข้อสองคือ Media generation ทำให้ Workflow ยาวและมี Operational complexity จริง เช่น Issue ปัจจุบันรายงานว่า generate_video ยังทำงานแบบ synchronous และอาจบล็อก Agent turn หลายนาที รวมถึงมี timeout budget ซ้อนกันไม่ลงตัว.

ข้อสามคือ Public multi-user deployment ยังมี Authentication caveat สำคัญ ซึ่งผมลงรายละเอียดในข้อ 16

7. Community Reaction

Reaction ที่โดดเด่นบน X คือคนไม่ได้ตื่นเต้นกับ “AI สร้าง Slide” มากนัก แต่ตื่นเต้นกับ AI classmates และ Roundtable Debate

เพราะมันเปลี่ยน Experience จาก:

คน → Chatbot

เป็น:

คน → กลุ่ม Agent ที่มีบทบาทต่างกัน

Fresh X thread ล่าสุดเน้นจุดนี้อย่างชัดเจน.

Reddit discussion ที่เก่ากว่าช่วงเปิดตัวก็สนใจด้าน multi-agent dynamics, LangGraph orchestration และ GenUI มากกว่าตัว Content generator.

มี downstream fork จริงแล้ว เช่น OpenVidya ที่พยายามปรับ OpenMAIC ให้เข้ากับ NCERT/CBSE curriculum ของอินเดีย ซึ่งเป็นสัญญาณว่า Architecture สามารถถูกนำไปทำ domain-specific learning environment ได้.

แต่ต้องโปร่งใสว่า วันนี้ยังไม่มี Fresh Reddit/Hacker News mega-thread ดังนั้น Momentum ปัจจุบันหนักไปทาง GitHub + X + developer-source analysis มากกว่า

8. ทำไม Project นี้สำคัญ

ผมคิดว่าสิ่งที่ OpenMAIC กำลังทดสอบไม่ใช่แค่:

“AI สอนหนังสือได้ไหม?”

แต่คือ:

“เมื่อ AI หลายตัวมี Role, Memory, Tools และ Teaching policy ต่างกัน เราสามารถสร้าง Learning Environment ขึ้นมาได้หรือไม่?”

นี่ต่างจาก AI Tutor ทั่วไป

AI Tutor มักเป็น:

Student ↔ Agent

แต่ OpenMAIC เป็น:

Student ↔ Teacher Agent ↔ Peer Agents ↔ Whiteboard ↔ Quiz ↔ Tools

มันจึงใกล้กับ Agent-based application มากกว่า Chatbot

และ Research เบื้องหลังไม่ได้มีแค่ Demo ทีม MAIC มีบทความ peer-reviewed ใน Journal of Computer Science and Technology โดยรายงาน preliminary experiments จาก มากกว่า 100,000 learning records ของนักศึกษามากกว่า 500 คน ที่ Tsinghua University. ผู้เขียนเองเรียกผลเหล่านี้ว่า preliminary observations ไม่ใช่หลักฐานว่าวิธีนี้เหนือกว่าการสอนทุกแบบแล้ว.

9. Official GitHub Repository

OpenMAIC — Official GitHub

ตัว Repository ใช้ MIT License ในเวอร์ชันปัจจุบัน.

10. Confidence Level

91/100 — Composite Momentum

เหตุผลที่เลือก OpenMAIC:

GitHub Trending: #1 ใน display ปัจจุบัน
Daily stars: +2,819
Fresh v1.0: 27 Aug
Fresh X: กำลังถูกแชร์ใหม่
Repo activity: Issues/PRs ใหม่ต่อเนื่อง
Fresh source audit: ลงถึง Evals / Skills / Security boundaries
Academic base: มี Peer-reviewed research.

หัก 9 คะแนนเพราะ:

archify ยังมี raw star velocity สูงกว่า
Reddit fresh signal อ่อน
Hacker News fresh signal อ่อน

ดังนั้นคำตัดสินนี้คือ Composite interest ไม่ใช่ “Repo ที่ได้ Stars มากที่สุดอย่างเดียว”

11. Unique Insights — เรื่องที่คนส่วนใหญ่ยังพูดถึงไม่มาก

11.1 OpenMAIC กำลังทำ “Pedagogy as Code”

นี่เป็นสิ่งที่ผมคิดว่าน่าสนใจกว่า Demo มาก

Source audit ล่าสุดพบว่า skills/ มี 24 SKILL.md files ใน Commit ที่ตรวจ แม้ README จะโฆษณา 20 Built-in skills เพราะบาง Skill น่าจะเป็น Internal plumbing.

ที่สำคัญ Teaching style ไม่ได้มีแค่ Prompt

ตัวอย่าง Lecture style มี Constraint file ที่กำหนดเชิง Machine-readable เช่น:

Lecture ต้องเริ่มด้วย Slide
Slides ≥ 65%
Quiz 1–3 ครั้ง
Interactive ไม่เกิน 2 scenes.

นี่คือ:

Teaching style → Structured policy

ซึ่ง Agent สามารถถูกตรวจได้

11.2 แต่ Project ยอมรับตรง ๆ ว่า “Pedagogy บางอย่างตรวจด้วย Code ไม่ได้”

Constraint file เองบอกว่าเรื่องอย่าง Narration length และ register ไม่ใช่ Structural property และ Validator ตรวจไม่ได้.

ผมชอบ Design นี้มาก

เพราะมันไม่ได้หลอกว่า:

“มี Validator = ตรวจคุณภาพการสอนได้หมด”

มันแบ่ง:

สิ่งที่ Machine ตรวจได้

ออกจาก:

สิ่งที่ต้องใช้ Judgment

นี่เป็น Pattern ที่ Agent systems อื่นควรทำตาม

11.3 เมื่อผิด ระบบให้ Diagnostics — ไม่ Rewrite Course อัตโนมัติ

ถ้า Outline ผิด Constraint OpenMAIC ไม่เปลี่ยน Scene type แบบ Mechanical เพื่อให้ Ratio ผ่าน

มันส่ง Diagnostic กลับไปให้ Planning Agent แล้วให้ Agent Re-plan.

เหตุผลคือ Course เป็น Semantic whole

ถ้า Auto-repair แบบ Linter อาจได้ Course ที่:

“ผ่าน Rule แต่สอนไม่รู้เรื่อง”

นี่เป็นความต่างสำคัญระหว่าง Code repair กับ Semantic artifact repair

11.4 Bugs ใน Production ถูกเปลี่ยนเป็น Evals

มี Failure จริงจากเดือนเมษายนที่ Agent Director จบ Discussion เร็วเกินไป ทั้งที่นักเรียนยังมีคำถามค้างอยู่

ทีมเอา Transcript นั้น Freeze เป็น Regression Eval แล้วตรวจแบบ Deterministic ว่า Director เลือก END หรือไม่

และใน Case นี้ทีมตั้งใจ ไม่ใช้ LLM-as-a-Judge เพราะคำตอบเป็น Binary และ Parser ตรวจได้.

นี่เป็น Engineering practice ที่ดีมาก:

ถ้าสามารถวัดแบบ Deterministic ได้ อย่ารีบเอา LLM มาเป็น Judge

11.5 Input ถูก Treat เป็น Attack Surface ไม่ใช่แค่ “Material”

Source audit พบว่า PPTX importer มี:

8 MiB file cap
80-slide limit
90-second parsing deadline
Worker-thread isolation

และ Session text ถูกจำกัดที่ 100,000 characters.

เหตุผลสำคัญคือ User-controlled material สามารถสร้างทั้ง:

Compute cost
Database growth
LLM spend
Parser attack surface

ได้

นี่เป็นความคิดแบบ Production system มากกว่า Demo

11.6 Fact-check Skill มีกฎหนึ่งที่ผมคิดว่าดีมาก

Fact-check Skill ใหม่ที่ Merge วันที่ 28 สิงหาคมให้ความสำคัญกับ:

ตัวเลข
คำกล่าวแบบ Absolute
Quotes
Cross-page contradictions

และมีกฎว่า:

Course ที่กำลังถูกตรวจ ไม่สามารถใช้ตัวเองเป็นหลักฐานพิสูจน์ว่าตัวเองถูก

User materials สามารถเป็น Source ได้

แต่ AI-generated Course ไม่สามารถ Citation ตัวเองได้.

นี่คือ Principle ที่ Agent/RAG pipelines อื่นควรใช้เหมือนกัน

11.7 จุดเสี่ยง Production ที่สำคัญที่สุดกลับไม่ใช่ LLM

README ระบุชัดว่า ถ้าเปิด Server-backed persistence ด้วย:

NEXT_PUBLIC_PERSISTENCE_TOKEN

Token นั้นถูก Compile เข้า JavaScript ที่ Browser ทุกคนดาวน์โหลดได้

ดังนั้นมัน:

ไม่ใช่ Secret

และให้:

ไม่มี Confidentiality
ไม่มี User isolation

ผู้ใช้ที่โหลดหน้าเว็บสามารถ Extract token และเลือก x-learner-key เพื่ออ่านหรือเขียน Learner partitions อื่นได้.

Maintainer เขียนตรง ๆ ว่า Configuration นี้เหมาะเฉพาะ:

localhost
หรือ
trusted-network single-user

ก่อน Deploy Multi-user Production ต้องเปลี่ยนเป็น Real session authentication ที่ derive User identity ฝั่ง Server.

สำหรับผม นี่สำคัญกว่า Feature 3D Simulation อีก

11.8 License เปลี่ยนแล้ว — ข้อมูลเก่าในอินเทอร์เน็ตจำนวนหนึ่งผิด

เว็บไซต์หรือ Article เก่าบางแห่งยังเขียนว่า OpenMAIC เป็น AGPL-3.0

แต่ Canonical LICENSE บน Repository ปัจจุบันคือ MIT และ Changelog ระบุชัดว่า Project relicense จาก AGPL-3.0 → MIT ใน v0.3.0 เดือนมิถุนายน 2026.

ดังนั้นเวลา Evaluate Commercial use ควรเช็ก Main repository ปัจจุบัน ไม่ใช่บทความเก่า

12. เปรียบเทียบกับ Project / Product คล้ายกัน

NotebookLM เด่นด้านการเอา Source มาสรุปเป็น Audio/Video Overview และช่วยเข้าใจ Material.

Open edX เป็น Mature open-source LMS + authoring platform ระดับ 70,000 courses / 140 million+ learners, มี learner management, analytics และ certificate infrastructure ที่ OpenMAIC ยังไม่ได้พยายามแทน.

ดังนั้นผมไม่มอง OpenMAIC ว่า “จะฆ่า LMS”

Positioning ที่เหมาะกว่าคือ:

OpenMAIC = AI learning-experience / authoring layer

ส่วน Open edX เป็น:

Learning management infrastructure

สองตัวอาจ Complement กันมากกว่าแข่งกัน

13. Compatibility กับ Codex, Claude Code, Cursor, Gemini CLI

ตรงนี้ต้องตอบให้ชัด เพราะ OpenMAIC ไม่ใช่ Coding Agent Skill แบบ Archify

OpenMAIC README ระบุ Provider support ของ OpenAI, Anthropic, Gemini และอื่น ๆ แต่คำว่า “รองรับ OpenAI” ไม่ได้หมายความว่ารองรับ Codex CLI และ “รองรับ Gemini” ไม่ได้หมายถึง Gemini CLI.

Coding tools อย่าง Codex, Claude Code หรือ Cursor สามารถใช้เพื่อ Develop/Fork OpenMAIC ได้ตามปกติ แต่ผมไม่พบ Integration เฉพาะแบบ /openmaic ในสามตัวนี้

First-class Agent integration ที่ชัดคือ OpenClaw.

14. Production-ready หรือ Experimental?

คำตอบคือ ขึ้นอยู่กับ Scope

Personal / Teacher / Local Deployment

✅ Production-usable

โดยเฉพาะสร้าง Course, Internal training หรือ Trusted environment และมี Human review

Controlled Internal Pilot

✅ / 🟡

เหมาะมาก แต่ต้องคุม Provider, Cost, Materials และ Authentication

Public Multi-tenant SaaS

❌ ยังไม่ Production-ready ด้วย Default persistence configuration

เพราะ NEXT_PUBLIC_PERSISTENCE_TOKEN ไม่มี User isolation ตามที่ Maintainer เตือนเอง.

High-stakes education โดยไม่มี Human review

❌

เนื้อหาการแพทย์ กฎหมาย การเงิน หรือ Curriculum ที่มีผลประเมินจริงควรมีผู้เชี่ยวชาญตรวจ

15. License และ Commercial Use

MIT License

Canonical License ปัจจุบันอนุญาตให้:

ใช้
Copy
Modify
Merge
Publish
Distribute
Sublicense
Sell

ได้ โดยต้องคง Copyright และ License notice.

ดังนั้นในเชิง Software license:

Commercial-friendly มาก

แต่ต้องแยก License ของ OpenMAIC ออกจาก:

Model provider Terms
Image/Video provider Terms
TTS provider Terms
Third-party media/assets
Training materials ที่ Upload

ตัว MIT License ไม่ได้ทำให้ Content หรือ API อื่นมีสิทธิ์เดียวกัน

16. Security, Privacy และ Maintenance Concerns

ด้านบวก Project มี SECURITY.md แล้ว รองรับ Latest release + main, ใช้ GitHub Private Vulnerability Reporting และระบุว่าจะ Acknowledge report ภายใน 48 ชั่วโมง.

แต่ Security point ใหญ่ที่สุดคือ Persistence token ที่อธิบายไปด้านบน

สำหรับองค์กรผมจะแนะนำ:

ใช้ Real SSO/session auth
Derive learner identity server-side
แยก Tenant data
จำกัด Provider credentials
เพิ่ม Quota / Rate limits
อย่าเปิด Public persistence ด้วย Dev token

ด้าน Privacy ถ้าใช้ Cloud provider เช่น OpenAI, Anthropic หรือ Gemini เนื้อหาที่ Agent ใช้จะต้องผ่าน Provider ตาม Configuration/Terms ของบริการนั้น

แต่ OpenMAIC มีทาง Local หลายส่วน:

Ollama — LLM
Lemonade — LLM / Image / TTS / ASR
FunASR — Speech recognition.

ดังนั้น Privacy architecture สามารถออกแบบให้ Local มากขึ้นได้

17. Project Health

Snapshot ล่าสุด:

GitHub ให้ Current issues, PRs และ 487 commits โดยตรง; third-party trackers แถววันที่ 30 สิงหาคมประเมิน Contributors อยู่ประมาณ 63 คน จึงควรมองเป็น Approximation ไม่ใช่ Canonical count.

Release history แสดงตั้งแต่ v0.1.0 วันที่ 26 มีนาคม ไปจนถึง v1.0.0 วันที่ 27 สิงหาคม และมี Releases ต่อเนื่องหลายครั้งระหว่างทาง แสดงว่า Maintainer activity สูง.

ภาพรวม:

Adoption: สูงมากและกำลังเร่ง
Maintainer activity: สูง
Community contribution: ดีขึ้นต่อเนื่อง
Release cadence: Active
Security maturity: ดีขึ้น
Public multi-tenant maturity: ยังต้อง Hardening
Educational correctness: ยังต้อง Human oversight

18. ใครควรและไม่ควรใช้

ควรลองมาก

Teachers
University instructors
Corporate L&D
Technical trainers
EdTech builders
AI Agent researchers
คนที่ต้องแปลง PDF/PPT/Internal docs เป็น Course บ่อย
ทีมที่ต้องสร้าง Training จำนวนมาก

ผมคิดว่า Use case Corporate onboarding / Internal training น่าสนใจเป็นพิเศษ เพราะ Company มี Materials ของตัวเองอยู่แล้ว และสามารถ Ground Agent ด้วย Source เหล่านั้นได้

ยังไม่เหมาะ

องค์กรที่ต้องการ LMS ครบเรื่อง Enrollment/Certificates/Analytics แบบ Mature — Open edX เหมาะกว่า

ระบบ Public SaaS หลาย Tenant ที่จะใช้ Default persistence auth

High-stakes education ที่ต้องการ 100% factual accuracy โดยไม่มีผู้เชี่ยวชาญตรวจ

ทีมที่ไม่อยากดูแล Model/API/media costs และ Infrastructure ของ Multi-agent system

20. Links สำคัญ

Official GitHub — THU-MAIC/OpenMAIC

Live Demo — OpenMAIC

GitHub Releases — v1.0.0 และเวอร์ชันก่อนหน้า

Security Policy

Official README มี promo video ฝังอยู่โดยตรง และ Live Demo เป็นวิธีดู Experience ที่ดีที่สุดตอนนี้; ผมยังไม่พบ Official YouTube tutorial ใหม่ที่ควรใช้แทน Documentation ในรอบตรวจนี้.