วิธีใช้ DeepSeek R1 เพื่อสร้างทางเลือกโอเพนซอร์สสำหรับ ChatGPT Operator

การเพิ่มขึ้นของแบบจำลองภาษาขนาดใหญ่ (LLMs) แบบโอเพนซอร์สทำให้ง่ายกว่าที่เคยในการสร้างเครื่องมือที่ขับเคลื่อนด้วย AI ซึ่งเทียบเท่ากับโซลูชันที่เป็นกรรมสิทธิ์ เช่น ChatGPT Operator ของ OpenAI ในบรรดาแบบจำลองโอเพนซอร์สเหล่านี้ DeepSeek R1 โดดเด่นด้วยความสามารถในการให้เหตุผลที่แข็งแกร่ง การเข้าถึงได้ฟรี และความสามารถในการปรับตัว ด้วยการรวม DeepSeek R1 เข้ากับเครื่องมือต่างๆ เช่น Browser Use คุณสามารถสร้างทางเลือกโอเพนซอร์สเต็มรูปแบบสำหรับ ChatGPT Operator ที่ทรงพลังได้โดยไม่ต้องเสียเงินหลายร้อยดอลลาร์ในการสมัครสมาชิกแบบพรีเมียม

บทความนี้จะแนะนำคุณตลอดกระบวนการตั้งค่า DeepSeek R1 และ Browser Use เพื่อสร้างตัวแทน AI ที่สามารถทำงานที่ซับซ้อนได้ รวมถึงระบบอัตโนมัติบนเว็บ การให้เหตุผล และการโต้ตอบด้วยภาษาธรรมชาติ

ไม่ว่าคุณจะเป็นผู้เริ่มต้นหรือนักพัฒนาที่มีประสบการณ์ คู่มือทีละขั้นตอนนี้จะช่วยให้คุณเริ่มต้นได้

ChatGPT Operator คืออะไร และเหตุใดคุณจึงต้องการทางเลือกโอเพนซอร์ส

ChatGPT Operator เป็นคุณสมบัติระดับพรีเมียมที่ OpenAI มอบให้ ซึ่งช่วยให้ผู้ใช้สามารถสร้างตัวแทน AI ขั้นสูงที่สามารถทำงานที่ซับซ้อนได้ เช่น การให้เหตุผล ระบบอัตโนมัติบนเว็บ และการแก้ปัญหาหลายขั้นตอน

ChatGPT Operator มีค่าใช้จ่าย $200 ต่อเดือน ทำให้เข้าถึงได้ยากสำหรับบุคคลทั่วไป ธุรกิจขนาดเล็ก หรือองค์กรที่มีงบประมาณจำกัด

4. Booking a one-way flight from Zurich to Vienna using the Booking integration

This one required a bit of back and forth, with ChatGPT Operator pinging me and asking for my flight preference and having me take control of entering payment details pic.twitter.com/XZiqUsQgVh

— Rowan Cheung (@rowancheung) January 23, 2025

ChatGPT Operator กำลังจองตั๋วเครื่องบินในวิดีโอด้านบน

เหตุใดคุณจึงต้องการทางเลือกโอเพนซอร์ส

ในขณะที่ ChatGPT Operator ทรงพลัง แต่ก็มีข้อจำกัดหลายประการที่ทำให้ทางเลือกโอเพนซอร์สน่าสนใจ:

• ค่าใช้จ่าย: ค่าสมัครสมาชิก $200/เดือนอาจเป็นอุปสรรคสำหรับผู้ใช้จำนวนมาก
• ความเป็นส่วนตัวของข้อมูล: การใช้ API ที่เป็นกรรมสิทธิ์ต้องส่งข้อมูลไปยังเซิร์ฟเวอร์ภายนอก ซึ่งอาจไม่เป็นไปตามนโยบายความเป็นส่วนตัวหรือข้อกำหนดด้านกฎระเบียบ
• การปรับแต่งที่จำกัด: โซลูชันที่เป็นกรรมสิทธิ์มักจะจำกัดการปรับแต่งหรือการปรับให้เหมาะสมเฉพาะงาน ซึ่งจำกัดความสามารถในการปรับตัวสำหรับกรณีการใช้งานเฉพาะทาง

ด้วยการเลือกใช้เครื่องมือโอเพนซอร์ส เช่น DeepSeek R1 และ Browser Use คุณสามารถเอาชนะความท้าทายเหล่านี้และปลดล็อกประโยชน์หลายประการ:

• การประหยัดค่าใช้จ่าย: ทั้ง DeepSeek R1 และ Browser Use นั้นฟรีและโอเพนซอร์สอย่างสมบูรณ์ ซึ่งช่วยลดค่าธรรมเนียมการสมัครสมาชิก
• การควบคุมอย่างเต็มที่: การโฮสต์เครื่องมือในเครื่องหรือบนเซิร์ฟเวอร์ของคุณเองช่วยให้มั่นใจได้ถึงความเป็นส่วนตัวและความปลอดภัยของข้อมูลอย่างสมบูรณ์
• ความสามารถในการปรับแต่ง: คุณสามารถปรับแต่งแบบจำลองสำหรับงานเฉพาะ รวมเข้ากับเครื่องมืออื่นๆ และปรับเปลี่ยนระบบเพื่อให้ตรงตามความต้องการเฉพาะของคุณ

แนวทางโอเพนซอร์สไม่เพียงแต่ช่วยลดการพึ่งพาแพลตฟอร์มที่เป็นกรรมสิทธิ์เท่านั้น แต่ยังช่วยให้คุณสร้างโซลูชันที่ปรับให้เหมาะกับความต้องการของคุณ ในขณะที่ยังคงควบคุมค่าใช้จ่ายและข้อมูล

ส่วนประกอบสำคัญ: DeepSeek R1 และ Browser Use

DeepSeek R1

DeepSeek R1 เป็น LLM แบบโอเพนซอร์สที่ปรับให้เหมาะสมสำหรับงานด้านการให้เหตุผล มันเก่งในการแก้ปัญหาแบบ chain-of-thought การช่วยเหลือด้านการเขียนโค้ด และความเข้าใจภาษาธรรมชาติ มีให้เลือกหลายขนาด (เช่น 1.5B, 7B พารามิเตอร์) ทำให้สามารถปรับให้เข้ากับความสามารถของฮาร์ดแวร์ที่แตกต่างกันได้

Browser Use

Browser Use เป็นเครื่องมือโอเพนซอร์สที่ช่วยให้ตัวแทน AI สามารถทำงานบนเบราว์เซอร์ได้ เช่น การขูดเว็บ การกรอกแบบฟอร์ม และการนำทางอัตโนมัติ มันมีอินเทอร์เฟซที่เป็นมิตรต่อผู้ใช้และสามารถรวมเข้ากับ LLM เช่น DeepSeek R1 เพื่อเพิ่มฟังก์ชันการทำงาน

ขั้นตอนที่ 1: การตั้งค่าสภาพแวดล้อมของคุณ

ข้อกำหนดด้านฮาร์ดแวร์

• สำหรับ DeepSeek R1 เวอร์ชันที่เล็กกว่า (เช่น พารามิเตอร์ 1.5B) CPU หรือ GPU ระดับกลาง (8GB VRAM) ก็เพียงพอแล้ว
• เวอร์ชันที่ใหญ่กว่าต้องใช้ GPU ระดับไฮเอนด์ (เช่น NVIDIA A100 หรือ RTX 4090)

ระบบปฏิบัติการ

• แนะนำให้ใช้ Linux หรือ macOS เพื่อความสะดวกในการตั้งค่า ผู้ใช้ Windows สามารถใช้ WSL (Windows Subsystem for Linux) ได้

สภาพแวดล้อม Python

สร้างสภาพแวดล้อมเสมือน Python เพื่อแยกการพึ่งพา:

python -m venv venv
source venv/bin/activate  # On Linux/macOS
# On Windows:
# venv\Scripts\activate

ติดตั้งไลบรารีที่จำเป็น:

pip install torch torchvision transformers sentencepiece

ขั้นตอนที่ 2: เรียกใช้ DeepSeek ด้วย API หรือในเครื่องด้วย Ollama

การใช้งาน DeepSeek API

ในการโต้ตอบกับ DeepSeek API ให้ทำตามขั้นตอนที่อัปเดตเหล่านี้:

รับ API Key:

• ลงทะเบียนบนแพลตฟอร์ม DeepSeek และสร้าง API key จากส่วน "API Keys" บันทึกคีย์นี้อย่างปลอดภัยเนื่องจากจะไม่แสดงอีก

ทำการเรียก API ครั้งแรกของคุณ:
DeepSeek API เข้ากันได้กับรูปแบบ API ของ OpenAI ทำให้ง่ายต่อการรวมเข้ากับ OpenAI SDK หรือซอฟต์แวร์ที่มีอยู่ ด้านล่างนี้เป็นตัวอย่างการใช้งาน Python:

from openai import OpenAI

client = OpenAI(api_key="<Your_DeepSeek_API_Key>", base_url="https://api.deepseek.com")

response = client.chat.completions.create(
    model="deepseek-reasoner",  # Use 'deepseek-reasoner' for DeepSeek-R1
    messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "Explain quantum entanglement."}
    ],
    stream=False  # Set to True if you want streaming responses
)

print(response.choices[0].message.content)

ตัวอย่าง cURL:
หากคุณต้องการใช้ cURL นี่คือวิธีที่คุณสามารถทำการร้องขอได้:

curl https://api.deepseek.com/chat/completions \
-H "Content-Type: application/json" \
-H "Authorization: Bearer <Your_DeepSeek_API_Key>" \
-d '{
    "model": "deepseek-reasoner",
    "messages": [
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "What is the capital of France?"}
    ],
    "stream": false
}'

การเลือกแบบจำลอง:

• ระบุ model="deepseek-reasoner" สำหรับ DeepSeek-R1
• ใช้ model="deepseek-chat" สำหรับงานแชททั่วไป

base_url ยังสามารถตั้งค่าเป็น https://api.deepseek.com/v1 สำหรับการกำหนดค่าที่เข้ากันได้กับ OpenAI แม้ว่าเส้นทาง /v1 จะไม่มีความสัมพันธ์กับรุ่นของแบบจำลองก็ตาม

การเรียกใช้ DeepSeek ในเครื่องด้วย Ollama

Ollama ทำให้การเรียกใช้แบบจำลองภาษาขนาดใหญ่ เช่น DeepSeek-R1 บนเครื่องของคุณง่ายขึ้น นี่คือวิธีตั้งค่าและใช้งานอย่างถูกต้อง:

ติดตั้ง Ollama:

• ดาวน์โหลดและติดตั้ง Ollama จากเว็บไซต์อย่างเป็นทางการ

ดึงแบบจำลองที่ต้องการ:
ใช้คำสั่งต่อไปนี้เพื่อดาวน์โหลด DeepSeek-R1 เวอร์ชันเฉพาะ:

# For the 7B model (default):
ollama pull deepseek-r1:7b

# For a smaller 1.5B model:
ollama pull deepseek-r1:1.5b

# For larger models like 70B:
ollama pull deepseek-r1:70b

เรียกใช้แบบจำลองในเครื่อง:
เมื่อดาวน์โหลดแล้ว ให้เรียกใช้แบบจำลองโดยใช้:

ollama run deepseek-r1:7b

สิ่งนี้จะเริ่มเซสชันแบบโต้ตอบที่คุณสามารถโต้ตอบกับแบบจำลองได้โดยตรง

รูปแบบต่างๆ ของแบบจำลอง:
DeepSeek มีรุ่นที่กลั่นหลายรุ่นตามสถาปัตยกรรม Qwen และ Llama ซึ่งปรับให้เหมาะสมสำหรับกรณีการใช้งานที่แตกต่างกัน:

DeepSeek-R1-Distill-Qwen-7B:

ollama run deepseek-r1:7b-qwen-distill

DeepSeek-R1-Distill-Llama-70B:

ollama run deepseek-r1:70b-llama-distill

ข้อควรพิจารณาด้านฮาร์ดแวร์:

• แบบจำลองขนาดเล็ก เช่น 1.5B หรือ 7B สามารถทำงานบน GPU ระดับผู้บริโภคหรือแม้แต่ CPU ได้
• แบบจำลองที่ใหญ่กว่า (เช่น 70B) ต้องใช้ GPU ระดับไฮเอนด์ที่มี VRAM จำนวนมาก (เช่น NVIDIA A100 หรือ RTX 4090)

แชทแบบโต้ตอบผ่าน API:
Ollama มี API เพื่อรวมแบบจำลองที่ทำงานในเครื่องเข้ากับแอปพลิเคชันของคุณ:

curl http://localhost:11434/api/chat -d '{
    "model": "deepseek-r1:7b",
    "messages": [
        {"role": "user", "content": "Write a short poem about the stars."}
    ]
}'

ขั้นตอนที่ 3: การติดตั้ง Browser Use

Browser Use ช่วยให้ตัวแทน AI ของคุณสามารถโต้ตอบกับเว็บเบราว์เซอร์ได้ ทำตามขั้นตอนเหล่านี้:

การติดตั้ง

โคลนที่เก็บ Browser Use จาก GitHub:

git clone https://github.com/browser-use/browser-use.git
cd browser-use
pip install -r requirements.txt

การกำหนดค่า

ตั้งค่า Browser Use WebUI:

python webui.py

เปิด WebUI ในเบราว์เซอร์ของคุณเพื่อกำหนดค่าการตั้งค่าตัวแทน คุณสามารถระบุ:

• แบบจำลอง LLM (เช่น DeepSeek R1)
• การตั้งค่าเบราว์เซอร์ (เช่น ขนาดหน้าต่าง)

ขั้นตอนที่ 4: การรวม DeepSeek R1 และ Browser Use

ในการสร้างตัวแทน AI ที่ใช้งานได้ซึ่งรวมเครื่องมือทั้งสอง:

การกำหนดค่าตัวแทน

ปรับเปลี่ยนการตั้งค่าตัวแทนใน Browser Use เพื่อเชื่อมต่อกับ DeepSeek R1:

{
  "model": "deepseek-r1",
  "base_url": "http://localhost:5000",
  "browser_settings": {
    "window_height": 1080,
    "window_width": 1920,
    "keep_browser_open": true
  }
}

การเรียกใช้ตัวแทน

เริ่มต้นทั้ง DeepSeek R1 และ Browser Use:

# Start DeepSeek R1 API server
python -m deepseek.api_server

# Start Browser Use WebUI
python webui.py

เมื่อบริการทั้งสองทำงานอยู่ ตัวแทนสามารถทำงานต่างๆ ได้ เช่น การกรอกแบบฟอร์ม การขูดข้อมูล หรือการนำทางเว็บไซต์โดยอัตโนมัติ

ขั้นตอนที่ 5: การออกแบบพร้อมท์เพื่อผลลัพธ์ที่ดีขึ้น

ในการปรับปรุงประสิทธิภาพของตัวแทน AI ของคุณ ให้ใช้เทคนิคการออกแบบพร้อมท์ ตัวอย่างเช่น:

เทมเพลตพร้อมท์ทั่วไป

<instructions>
คุณคือผู้ช่วย AI ที่ได้รับมอบหมายให้ทำงานบนเว็บโดยอัตโนมัติโดยใช้ Browser Use
ทำตามขั้นตอนเหล่านี้:
1. ไปที่ [เว็บไซต์]
2. ทำ [งานเฉพาะ]
3. ส่งคืนผลลัพธ์ในรูปแบบที่มีโครงสร้าง
</instructions>
<example>
ไปที่ https://example.com และดึงข้อมูลไฮเปอร์ลิงก์ทั้งหมด
</example>

โครงสร้างนี้ช่วยให้มั่นใจได้ถึงความชัดเจนและปรับปรุงความถูกต้องในการดำเนินการตามงาน

นี่คือการสาธิตบางส่วนที่คุณสามารถลองเรียกใช้ได้:

uv pip install gradio

python examples/gradio_demo.py

ตัวอย่างที่ 1

พร้อมท์: เขียนจดหมายใน Google Docs ถึง Papa ของฉัน ขอบคุณสำหรับทุกสิ่ง และบันทึกเอกสารเป็น PDF

ตัวอย่างที่ 2

พร้อมท์: ค้นหาเที่ยวบินบน kayak.com จากซูริคไปปักกิ่ง ตั้งแต่วันที่ 25.12.2024 ถึง 02.02.2025

ตัวอย่างที่ 3

พร้อมท์: อ่าน CV ของฉัน & ค้นหางาน ML บันทึกงานเหล่านั้นลงในไฟล์ แล้วเริ่มสมัครงานเหล่านั้นในแท็บใหม่ หากคุณต้องการความช่วยเหลือ ให้ถามฉัน

0:00/1×

บทสรุป

ด้วยการรวม DeepSeek R1 เข้ากับ Browser Use คุณสามารถสร้างทางเลือก ChatGPT Operator ที่ใช้งานได้อย่างสมบูรณ์ ซึ่งฟรี โอเพนซอร์ส และปรับแต่งได้สูง การตั้งค่านี้ไม่เพียงแต่ช่วยประหยัดค่าใช้จ่ายเท่านั้น แต่ยังช่วยให้คุณควบคุมความเป็นส่วนตัวของข้อมูลและพฤติกรรมของระบบได้อย่างเต็มที่อีกด้วย

ไม่ว่าคุณจะทำงานบนเว็บโดยอัตโนมัติ สร้างตัวแทนการสนทนา หรือทดลองกับคุณสมบัติ AI ขั้นสูง เช่น Retrieval-Augmented Generation คู่มือนี้มีทุกสิ่งที่คุณต้องการเพื่อเริ่มต้น ใช้พลังของโอเพนซอร์สและสร้างผู้ช่วยอัจฉริยะของคุณเองวันนี้!