AI Infrastructure Blueprint

DGX Spark AI Stack: จากเครื่อง AI Server สู่เลขา SysAdmin และ Coding Agent ส่วนตัว

Stack นี้ออกแบบสำหรับองค์กรที่อยากใช้ AI ภายในบริษัทให้เป็นมากกว่า chatbot — ให้ AI ช่วยเขียนโค้ด ตรวจระบบ วิเคราะห์ log จัดการ repository และเชื่อมต่อเครื่องมือภายในอย่างปลอดภัย

ผู้เขียน: Mr. Praisit Charoenson ตำแหน่ง: System Analyst หมวดหมู่: Knowledge Management หัวข้อ: AI Infrastructure

ภาพรวมการทำงานของ Stack

ให้มองภาพง่าย ๆ ว่า DGX Spark คือฐานพลังประมวลผล, โมเดลคือสมอง, Codex/Claude Code/VS Code คือมือทำงาน, Docker คือกล่องแยกระบบ, MCP คือสะพานเชื่อมเครื่องมือ และ GitLab/Gitea คือสมุดบันทึกงานแบบเป็นระบบ

User Layer

ผู้ดูแลระบบ

Developer

IT Manager

↓

AI Workbench

VS Code

Codex CLI

Claude Code

↓

Tool Bridge

MCP Server

GitLab / Gitea

Docker API

Monitoring / Logs

↓

Model Runtime

Ollama

vLLM

Qwen

DeepSeek

Nemotron

↓

Compute Layer

DGX Spark

GPU / RAM

Local Storage

Private Network

แต่ละตัวใช้ประโยชน์อย่างไร

🧠

DGX Spark

เป็นเครื่องหลักสำหรับรัน AI workload ภายในองค์กร ใช้เป็นฐานสำหรับ local model, container, automation script และระบบทดลอง AI agent

AI ServerPrivate ComputeGPU Workload

🦙

Ollama

เหมาะกับการรัน local model แบบง่าย ติดตั้งเร็ว ดึงโมเดลเร็ว เหมาะสำหรับทดลอง Qwen, DeepSeek, Llama หรือโมเดลขนาดกลางในงาน coding และ chat ภายใน

Easy Local LLMModel Runner

⚡

vLLM

เหมาะกับงานจริงจังที่ต้องการ throughput สูง เปิด API แบบ OpenAI-compatible ให้เครื่องมืออื่นเรียกใช้งานได้ เช่น Codex CLI, internal app หรือ agent หลายตัวพร้อมกัน

High ThroughputOpenAI API

🤖

Qwen / DeepSeek / Nemotron

เป็นกลุ่มโมเดลที่ใช้เป็น “สมอง” ของระบบ เลือกตามงาน เช่น Qwen/DeepSeek เหมาะกับ coding และ reasoning, Nemotron เหมาะกับงาน enterprise AI และ NVIDIA ecosystem

CodingReasoningEnterprise AI

⌨️

Codex CLI

เป็น coding agent ใน terminal ช่วยอ่าน project, แก้ code, เขียน script, refactor, generate test และช่วยอธิบาย command ได้ เหมาะกับงาน automation และ DevOps

AI Coding AgentTerminal

🛠️

Claude Code

เป็น agent สำหรับทำงานกับ codebase แบบละเอียด อ่านไฟล์หลายไฟล์ วางแผนแก้ระบบ และช่วยทำงานยาว ๆ เช่น refactor หรือสร้าง automation script

Codebase AgentRefactor

📘

VS Code

เป็นหน้าจอทำงานหลักของทีม ใช้เปิด project, remote เข้า server, ใช้ extension, เปิด terminal และเรียก Codex/Claude Code เพื่อช่วยแก้ไฟล์จริง

IDERemote DevExtensions

🐳

Docker

ใช้แยก service ออกจากกัน เช่น Ollama, vLLM, GitLab, database, monitoring และ MCP server ทำให้ติดตั้งง่าย rollback ง่าย และไม่ทำให้ OS หลักเละ

ContainerIsolationDeployment

🔌

MCP Server

เป็นสะพานให้ AI ติดต่อเครื่องมือภายใน เช่น file system, database, Git, ticket, monitoring, Proxmox หรือ script ที่บริษัทกำหนดไว้

Tool BridgeAI Integration

🌿

GitLab / Gitea

เป็นศูนย์กลางเก็บ code, script, config, documentation และ change history ถ้าใช้ GitLab จะได้ CI/CD และ workflow ครบกว่า ส่วน Gitea เบาและดูแลง่าย เหมาะกับทีมเล็กหรือ private repo ภายใน

RepositoryChange HistoryCI/CDPrivate DevOps

ตัวอย่างการเชื่อมโยงแบบใช้งานจริง

1. เขียนคำสั่งผู้ดูแลระบบสั่งใน VS Code หรือ terminal เช่น “ช่วยเขียน script ตรวจ log Proxmox”

2. Agent รับงานCodex CLI หรือ Claude Code อ่าน project, ตรวจไฟล์ และวางแผนแก้ไข

3. เรียกโมเดลAgent ส่ง prompt ไปที่ local model ผ่าน Ollama หรือ vLLM บน DGX Spark

4. ใช้เครื่องมือMCP Server ช่วยให้ AI เข้าถึง log, git, database หรือ API ภายในที่อนุญาต

5. บันทึกงานผลลัพธ์ถูก commit เข้า GitLab/Gitea พร้อมประวัติการแก้ไขและ pipeline ตรวจสอบ

Use Case ที่เหมาะกับองค์กร

เคส 1: AI SysAdmin ตรวจ Proxmox / Server

AI อ่าน log, สรุปปัญหา, แนะนำ command, สร้าง script health check และจัดเก็บ script เข้า GitLab เพื่อใช้ซ้ำ

Stack ที่ใช้: DGX Spark + local model + Claude Code/Codex CLI + MCP + GitLab

เคส 2: AI Coding Agent สำหรับทีม Dev

Developer เปิด VS Code แล้วให้ Codex ช่วยแก้ bug, เขียน unit test, refactor function และทำ merge request เข้า GitLab

Stack ที่ใช้: VS Code + Codex CLI + vLLM/Ollama + Qwen/DeepSeek + GitLab CI

เคส 3: Private AI Assistant ภายในบริษัท

สร้างผู้ช่วยที่ตอบคำถามจากเอกสารภายใน เช่น SOP, network diagram, server inventory หรือคู่มือระบบ โดยไม่ต้องส่งข้อมูลออกนอกบริษัท

Stack ที่ใช้: DGX Spark + Docker + local model + MCP Server + internal documents

เคส 4: Automation สำหรับงาน IT ประจำวัน

AI ช่วยสร้าง script ล้างไฟล์ขยะ, backup config, ตรวจ port, query MSSQL, ตรวจ certificate expiry และส่งผลลัพธ์เป็น report

Stack ที่ใช้: Codex CLI + Docker + MCP + Git repository + Scheduler

ตารางสรุปแบบผู้บริหาร

Component	บทบาทหลัก	เชื่อมกับอะไร	ประโยชน์ต่อองค์กร
DGX Spark	เครื่องประมวลผล AI ภายใน	Docker, Ollama, vLLM, Storage	ลดการพึ่งพา cloud และเพิ่มความเป็นส่วนตัวของข้อมูล
Ollama	รัน local model แบบง่าย	Codex, VS Code, internal app	ทดลองเร็ว เหมาะกับ PoC และงานทีมเล็ก
vLLM	เสิร์ฟโมเดลแบบ production API	Codex, backend service, agent	รองรับผู้ใช้หลายคนและงานที่ต้องการ throughput สูง
Codex CLI / Claude Code	AI agent สำหรับ code และ automation	VS Code, Git, local model	ลดเวลางานเขียน code, script และ troubleshooting
MCP Server	สะพานเชื่อม AI กับเครื่องมือจริง	Database, File, API, Monitoring	ทำให้ AI ลงมือช่วยงานจริงได้ ไม่ใช่แค่ตอบคำถาม
GitLab / Gitea	เก็บ source code และประวัติการเปลี่ยนแปลง	CI/CD, Codex, Developer workflow	ควบคุม version, review งาน และ audit การเปลี่ยนแปลง

ข้อแนะนำด้านความปลอดภัย: ไม่ควรให้ AI agent มีสิทธิ์ root หรือสิทธิ์ production เต็มตั้งแต่วันแรก ควรเริ่มจาก read-only, sandbox, test repository และ command whitelist ก่อน จากนั้นค่อยเพิ่มสิทธิ์ตาม use case ที่ผ่านการตรวจสอบแล้ว

สรุป

Stack นี้ทำให้ DGX Spark กลายเป็นศูนย์กลาง AI ภายในองค์กรได้ครบวงจร: รันโมเดลเอง, ให้ AI ช่วยเขียนโค้ด, เชื่อมเครื่องมือภายใน, จัดเก็บงานอย่างเป็นระบบ และต่อยอดไปเป็น AI SysAdmin หรือ AI Assistant เฉพาะองค์กรได้ในอนาคต

ผู้เขียน: Mr. Praisit Charoenson

ตำแหน่ง: System Analyst

ประเภทเอกสาร: Knowledge Management Article