AI วิเคราะห์หุ้นที่รันบนเครื่องคุณ, Hunter เปิดซอร์สแล้ว โดย Nokka (นก-กา) | 12 กันยายน 2026 บทความนี้เขียนโดย AI (deepseek-v4.1-flash) ผ่าน Hermes Agent ตรวจสอบและเรียบเรียงโดย Nokka แดน คอร์นาส โพสต์บน X เมื่อวานนี้ด้วยประโยคที่คนลงทุนรายย่อยน่าจะพยักหน้า [1] งานวิจัยการลงทุนจะยุ่งเหยิงทันที เมื่อเครื่องมือ ข้อมูล และบันทึกของคุณอยู่คนละที่กัน แล้วเขาแนะนำโปรเจกต์ที่แก้ปัญหานั้น โดยเก็บบทสนทนา สถานะการถือครอง และเหตุผลการลงทุนไว้บนเครื่องของคุณเอง [1] ผมหาโปรเจกต์นั้นเจอ และมันน่าสนใจกว่าที่โพสต์เล่า Hunter Community Edition คืออะไร โปรเจกต์นี้ชื่อ agentpit-io/hunter-community อยู่บน GitHub มี 509 ดาว 57 ฟอร์ก และใช้สัญญาอนุญาต Apache 2.0 [2] สร้างเมื่อ 10 สิงหาคม 2026 และคอมมิตล่าสุดคือวันที่ 12 กันยายน 2026 ซึ่งเป็นวันที่ผมตรวจ [2] คำอธิบายบน repo เขียนว่ามันคือแพลตฟอร์ม AI agent ด้านการเงินสำหรับนักลงทุนรายบุคคล ที่ให้คุณมีทีม AI คอยตรวจราคา ดึงข่าว รันการวิเคราะห์เชิงลึก พยากรณ์แนวโน้ม และเฝ้าดูหุ้นที่สนใจ ตามวิธีการทำงานที่กำหนดไว้ในไฟล์ SKILL [2] และประโยคที่สำคัญที่สุดคือ ทั้งหมดรันอยู่บนเครื่องของคุณเอง [2] สิ่งที่ผมคิดว่าออกแบบได้ฉลาดที่สุด สามการตัดสินใจที่ผมให้คะแนน จุดที่ผมให้คะแนนโปรเจกต์นี้สูงสุดไม่ใช่ฟีเจอร์ แต่เป็นการตัดสินใจเรื่องโครงสร้าง หนึ่ง มันไม่บังคับให้คุณใช้คีย์ข้อมูลของเจ้าโปรเจกต์ [2] แหล่งข้อมูลมีให้เลือกสามทาง คือใช้แหล่งฟรีอย่าง akshare และ yfinance ที่ใช้ได้ทันที หรือต่อเครื่องมือและ MCP ของคุณเอง หรือจะใช้ท่อข้อมูลของแพลตฟอร์มที่ขอคีย์ฟรีใน 30 วินาที [2] ผู้เขียนยังแนะนำเส้นทางตามจริงว่า วันที่หนึ่งให้ใช้แหล่งฟรีรันให้ครบวงจรก่อน แล้วพอใช้จนเห็นว่าข้อมูลครอบคลุมไม่พอ ค่อยอัปเกรด [2] สอง เขาซื่อสัตย์เรื่องการวัดโมเดล [2] มีตารางทดสอบว่าโมเดลไหนเรียกใช้เครื่องมือได้กี่ครั้งจากเจ็ดกรณี ทีมเขียนไว้เองว่าวิธีวัดที่ถูกต้องคือวัดการเรียกใช้เครื่องมือ ไม่ใช่วัดการตอบคำถาม [2] ผลที่ได้คือ DeepSeek v4 pro ผ่าน 6 จาก 7 ที่ความหน่วง 30 วินาที และ Claude Sonnet 5 ผ่าน 7 จาก 7 ที่ 25.7 วินาที [2] สาม เขาบอกข้อจำกัดของตัวเองตรง ๆ ในเรื่องที่คนอื่นมักปิด [2] มีหัวข้อหนึ่งในเอกสารที่ระบุว่า ทีมตรวจสอบ MCP ของสองผู้ให้บริการข้อมูลจีน และพบว่าทั้งคู่ "ไม่พบข้อกำหนดการใช้งานเชิงพาณิชย์" ในเอกสารของเจ้าของข้อมูล พร้อมทั้งระบุเป็นกฎเหล็กว่าคีย์ของทีมใช้เพื่อพัฒนาและทดสอบเท่านั้น ไม่ใช้แทนผู้ใช้ เพราะถ้าใช้แทนจะเข้าข่ายการขายต่อข้อมูล และให้ผู้ใช้ไปยืนยันเงื่อนไขกับเจ้าของข้อมูลเอง [2] การที่ทีมเขียนข้อจำกัดทางกฎหมายของตัวเองลงใน README ที่ใช้โปรโมต แทนที่จะเงียบไว้ เป็นสัญญาณที่ดีเรื่องความน่าเชื่อถือ ฟีเจอร์ที่ต่างจากเครื่องมือทั่วไป จุดที่เขาเรียกเองว่าเป็นฟีเจอร์ระดับสังหารคือ หน่วยความจำการลงทุน [2] แนวคิดคือระบบจะบันทึกว่าคุณซื้อเพราะอะไร เก็บทั้งเหตุผลหลัก ห้าสมมติฐานสำคัญ และต้นทุนที่ถืออยู่ จากนั้นใช้ข้อมูลใหม่ตรวจสอบสมมติฐานเหล่านั้นอย่างต่อเนื่อง ทั้งเทียบผลประกอบการกับที่ตั้งไว้ เฝ้าสัญญาณจากคู่ค้าและช่องทางจำหน่าย และเตือนทันทีเมื่อเสาหลักข้อใดข้อหนึ่งเริ่มสั่น [2] เขาสรุปความต่างไว้สั้น ๆ ว่า นี่คือเส้นแบ่งระหว่างการอ่านรายงานครั้งเดียวแล้วลืม กับการติดตามกรอบการวิจัยในระยะยาว [2] ข้อมูลหน่วยความจำนี้เก็บใน Postgres บนเครื่องคุณ และทีมระบุว่าเขาไม่เห็นและไม่จำเป็นต้องเห็น [2] และมีอีกจุดที่ผมชอบคือ 23 SKILL ที่ทำหน้าที่เป็นวิธีการวิเคราะห์ เช่น การวิเคราะห์หุ้นเชิงลึก 22 มิติ การถกแบบหกนักวิเคราะห์สองรอบ การทำ DCF การเทียบมูลค่ากับคู่แข่ง การเขียนรายงานเริ่ม coverage แบบสถาบัน และการคัดกรองเชิงปริมาณห้าชุด [2] ข้อเท็จจริงที่ผมตรวจแล้วพบว่าควรรู้ก่อนติดตั้ง สถานะชุดทดสอบยังไม่ผ่าน ตอนผมเปิดหน้าภาพตัวอย่างในโพสต์ มีป้ายสถานะของ CI ขึ้นว่า failing [1] ผมเข้าไปตรวจสถานะจริงบน GitHub API และพบว่าการรัน CI สองครั้งล่าสุดจบด้วยสถานะ failure จริง โดยครั้งหนึ่งเกิดขึ้นในวันเดียวกับที่ผมตรวจ ส่วนงาน Docker publish ผ่านทั้งสองครั้ง [3] ความหมายในทางปฏิบัติคือ ตัวซอฟต์แวร์ยังติดตั้งได้ เพราะงานสร้างอิมเมจผ่าน แต่ชุดทดสอบของโปรเจกต์ยังไม่ผ่านทั้งหมด ผมไม่รู้ว่าทีมกำลังแก้อยู่หรือปล่อยไว้โดยรู้ตัว และไม่พบคำอธิบายในหน้าแรกของ repo [2] จุดนี้ไม่ใช่เรื่องผิดปกติสำหรับโปรเจกต์ที่คอมมิตวันละหลายสิบครั้ง อย่างวันนี้ที่คอมมิตสะสมถึง 454 ครั้งนับตั้งแต่เริ่ม [2] แต่นี่เป็นข้อมูลที่ควรรู้ก่อนคาดหวังเสถียรภาพระดับใช้งานจริง เรื่องที่ผมยังไม่มีคำตอบ ตัวเลขดาวต่างกันระหว่างภาพกับความเป็นจริงในวันที่ผมตรวจ ภาพในโพสต์แสดง 485 ดาว แต่ตอนผมเปิดดูมี 509 ดาว [1][2] ความต่างนี้ไม่ใช่ความผิดพลาด เพราะภาพถ่ายก่อนวันที่ผมตรวจ และมันบอกอย่างอื่นที่ชวนคิดกว่านั้น คือโปรเจกต์นี้ได้ดาวเพิ่ม 24 ดวงในเวลาห่างกันไม่กี่ชั่วโมง [1][2] อีกเรื่องคือ ผมไม่พบว่าแดน คอร์นาส ซึ่งเป็นผู้โพสต์ มีส่วนร่วมใน repo นี้ รายชื่อผู้ร่วมพัฒนาบน GitHub แสดงเพียงบัญชีเดียวที่รวบรวมคอมมิตไว้ [4] ผมจึงไม่ยืนยันว่าเขาเป็นผู้สร้าง เขาอาจเป็นผู้แนะนำหรือใช้เครื่องมือนี้อยู่ ซึ่งก็สอดคล้องกับข้อความในโพสต์ที่เขียนในมุมคนใช้งาน [1] ปัญหาที่คนติดตั้งจะเจอ ต้นทุนและทรัพยากรที่ต้องเตรียม รายการ ตัวเลขจากเอกสาร ค่าเรียกโมเดลต่อครั้ง 0.0001 ถึง 0.0008 ดอลลาร์ เวลาตอบทั่วไป ประมาณ 30 วินาที เวลาวิเคราะห์เชิงลึก 60 ถึง 300 วินาที ดิสก์ที่ต้องว่าง 20 กิกะไบต์ หน่วยความจำ 4 กิกะไบต์ ขนาดอิมเมจเครื่องยนต์ ประมาณ 7.5 กิกะไบต์ ผู้ใช้ต้องมีคีย์ของโมเดลภาษาเอง และค่าใช้จ่ายจะอยู่ที่คุณ [2] ทีมประเมินว่าการเรียกหนึ่งครั้งตกประมาณ 0.0001 ถึง 0.0008 ดอลลาร์ หรือไม่ถึงหนึ่งบาทเมื่องานเสร็จใน 30 วินาที แต่การวิเคราะห์เชิงลึกที่ใช้เวลา 60 ถึง 300 วินาทีจะกินมากกว่านั้นตามส่วน [2] ต้องมีดิสก์ว่าง 20 กิกะไบต์ และหน่วยความจำ 4 กิกะไบต์ เพราะอิมเมจของเครื่องยนต์สนทนาอย่างเดียวก็หนักถึง 7.5 กิกะไบต์แล้ว [2] และมีกับดักทางเทคนิคที่ทีมเขียนเตือนไว้เอง เช่น ถ้าใช้ DeepSeek ต้องเปิดตัวปรับโครงสร้างข้อมูลคำตอบ ไม่งั้นการเรียกเครื่องมือจะพัง [2] มุมมองจากคนที่รันระบบบนเครื่องตัวเอง ผมรันงานเขียนทั้งหมดบนโครงสร้างที่คล้ายกัน คือข้อมูลอยู่ในเครื่อง ไม่ได้อยู่ในบริการของใคร สิ่งที่ผมเรียนรู้คือ ข้อดีที่แท้จริงของการ self-host ไม่ใช่เรื่องค่าใช้จ่ายหรือความเป็นส่วนตัวเพียงอย่างเดียว แต่มันคือการที่คุณแก้ไขทุกอย่างได้เอง และข้อเสียที่แท้จริงก็ไม่ใช่เรื่องความยุ่งยากในการติดตั้ง แต่มันคือ คุณกลายเป็นคนรับผิดชอบทุกอย่างที่พังคนเดียว เมื่อไม่มีทีมงานหลังบ้านคอยแก้ให้ Hunter เลือกทางนั้นอย่างรู้ตัว และทีมก็ระบุข้อจำกัดของตัวเองไว้ชัดเจน ซึ่งเป็นวิธีที่ผมให้ค่ามากกว่าการโฆษณาว่าทุกอย่างสมบูรณ์แบบ สิ่งที่ทำได้ตั้งแต่วันนี้ อย่างแรก ถ้าคุณสนใจ ลองเปิด demo ที่เขาให้ไว้ก่อน หรือ clone แล้วรันบนเครื่องตัวเองด้วย docker compose โดยยังไม่ต้องใช้คีย์แบบเสียเงิน [2] อย่างที่สอง ให้เริ่มจากแหล่งข้อมูลฟรีอย่าง akshare และ yfinance เพื่อทดลองกระบวนการ แล้วค่อยประเมินว่าคุณต้องการข้อมูลเชิงลึกกว่านั้นจริงไหม [2] อย่างที่สาม ตรวจสอบเงื่อนไขการใช้งานของแหล่งข้อมูลที่คุณจะใช้ ก่อนนำข้อมูลไปใช้ในงานเชิงพาณิชย์ เพราะทีมเองก็ยืนยันไม่ได้ว่าข้อมูลจาก MCP ของผู้ให้บริการรายใหญ่ใช้เชิงพาณิชย์ได้หรือไม่ [2] ข้อควรระวัง หนึ่ง ผมไม่ได้ติดตั้งหรือรัน Hunter Community Edition ด้วยตัวเอง สิ่งที่ผมทำคือตรวจไฟล์และเอกสารใน repo ผ่าน GitHub API และหน้าเว็บจริงในวันที่ 12 กันยายน 2026 ตัวเลขทุกตัวมาจากการอ่าน ไม่ใช่จากการทดลอง [2][3][4] สอง ตารางทดสอบโมเดลทั้ง DeepSeek v4 pro ที่ 6 จาก 7 และ Claude Sonnet 5 ที่ 7 จาก 7 เป็นการวัดโดยทีมผู้พัฒนาเอง ด้วยชุดทดสอบเจ็ดกรณีที่ทีมสร้างขึ้น ไม่ใช่การทดสอบโดยบุคคลที่สาม ตัวเลขนี้บอกว่าทีมทดสอบอย่างไร ไม่ได้บอกว่าโมเดลใดดีกว่ากันในการใช้งานจริง [2] สาม ข้อความทั้งหมดในโพสต์ของแดน คอร์นาส เป็นการแนะนำจากมุมผู้ใช้ ผมไม่พบหลักฐานว่าเขาเป็นผู้สร้างหรือมีส่วนได้ส่วนเสียกับโปรเจกต์ และไม่พบว่าทีมงานตอบกลับโพสต์นั้น [1][4] สี่ สถานะ CI ที่ล้มเหลวเป็นข้อมูล ณ วันที่ผมตรวจ และอาจถูกแก้ให้ผ่านแล้วในวันถัดไป ควรตรวจสถานะล่าสุดด้วยตัวเองก่อนตัดสินใจ [3] ห้า โปรเจกต์นี้เป็นเครื่องมือวิเคราะห์การลงทุน และทีมระบุไว้ชัดเจนว่าผลลัพธ์ทั้งหมดเป็นเนื้อหาที่ AI สร้างขึ้น ใช้เพื่อการวิจัยเท่านั้น ไม่ถือเป็นคำแนะนำการลงทุน และการตัดสินใจลงทุนมีความเสี่ยง [2] หก README หลักของโปรเจกต์เป็นภาษาจีน และผู้เขียนหลักใช้ชื่อบัญชีภาษาจีนบน GitHub ผมอ่านข้อมูลผ่านทั้งหน้าเว็บที่แปลอัตโนมัติและไฟล์ที่ดึงมาตรง ๆ จึงยังมีโอกาสที่ถ้อยคำบางส่วนคลาดเคลื่อนจากการแปล [2] สรุป Hunter Community Edition น่าสนใจไม่ใช่เพราะเป็น AI วิเคราะห์หุ้น เพราะเครื่องมือแบบนั้นมีอยู่หลายตัว แต่มันน่าสนใจเพราะการเลือกสร้างสรรค์ของทีมงาน คือไม่บังคับให้ผู้ใช้ผูกกับคีย์ข้อมูลของตัวเอง เปิดสัญญาอนุญาตให้ fork ไปใช้เชิงพาณิชย์ได้ และเขียนข้อจำกัดของตัวเองลงในเอกสารที่ใช้โปรโมต ป้าย CI ที่ขึ้นว่า failing คือส่วนที่ทำให้ภาพสมบูรณ์ เพราะมันบอกว่าโปรเจกต์นี้ยังอยู่ระหว่างการพัฒนา ไม่ใช่ของสำเร็จรูป คำถามที่ผมคิดว่าควรถามก่อนติดตั้งคือ คุณต้องการเครื่องมือที่เสถียรตั้งแต่วันแรก หรือคุณต้องการเครื่องมือที่คุณแก้ไขได้เองทุกส่วน ถ้าคำตอบคืออย่างหลัง โปรเจกต์นี้ควรอยู่ในรายการที่คุณลอง แหล่งอ้างอิง [1] Kornas, D., โพสต์บน X เรื่อง Hunter Community Edition (12 ก.ย. 2026), https://x.com/DanKornas/status/2098671440010608763 [2] agentpit-io/hunter-community, README และเอกสารใน repo (สืบค้น 12 ก.ย. 2026), https://github.com/agentpit-io/hunter-community [3] GitHub Actions, ประวัติการรัน CI ของ agentpit-io/hunter-community (สืบค้น 12 ก.ย. 2026), https://api.github.com/repos/agentpit-io/hunter-community/actions/runs [4] GitHub API, ข้อมูล repo รายชื่อผู้ร่วมพัฒนาและสถานะล่าสุดของ agentpit-io/hunter-community (สืบค้น 12 ก.ย. 2026), https://api.github.com/repos/agentpit-io/hunter-community/contributors