Amigo คืออะไร?
Amigo คือบอท Telegram สากลของ Croco.Team สำหรับการดำเนินงานด้านการตลาด แทนที่จะใช้เครื่องมือแยกกันสำหรับเนื้อหา โซเชียลมีเดีย และการวิเคราะห์ Amigo มอบอินเทอร์เฟซที่รวมทุกสิ่งที่ทีมการตลาดสมัยใหม่ต้องการไว้ในที่เดียว โดยขับเคลื่อนด้วย AI และเสริมประสิทธิภาพด้วยหน่วยความจำแบบถาวร (persistent memory)
ระบบคำสั่ง
Amigo มีคำสั่งมากกว่า 20 คำสั่งที่ครอบคลุมเวิร์กโฟลว์การตลาดทั้งหมด:
/trends แสดงหัวข้อที่กำลังเป็นกระแสในปัจจุบันที่เกี่ยวข้องกับอุตสาหกรรมของคุณ พร้อมระบุแหล่งที่มาและตัวชี้วัดการมีส่วนร่วม (engagement metrics) /content สร้างไอเดียเนื้อหา โครงร่าง และร่างฉบับเต็ม โดยอิงจากสัญญาณแนวโน้มและข้อกำหนดของแคมเปญ /script สร้างสคริปต์วิดีโอ โครงร่างพอดแคสต์ และคำบรรยายสำหรับการนำเสนอ /reels สร้างคอนเซปต์วิดีโอสั้นที่ปรับให้เหมาะสมสำหรับ TikTok, Instagram Reels และ YouTube Shorts
/image ส่งคำสั่งสร้างรูปภาพด้วย AI สำหรับโพสต์โซเชียล โฆษณา และสื่อการตลาด /plan สร้างแผนการตลาดโดยละเอียด พร้อมกำหนดการ ความต้องการด้านทรัพยากร และตัวชี้วัดความสำเร็จ /analyze ให้ข้อมูลเชิงลึกเกี่ยวกับกลุ่มเป้าหมาย การวิเคราะห์คู่แข่ง และการวินิจฉัยประสิทธิภาพ
/search ทำการวิจัยเชิงลึกจากหลายแหล่งข้อมูลพร้อมกัน /translate จัดการการแปลเนื้อหาด้วยการปรับให้เข้ากับวัฒนธรรม แทนที่จะเป็นการแปลคำต่อคำแบบตรงตัว /marketing สร้างคำโฆษณา (copy) สำหรับแคมเปญหลายช่องทางที่ปรับให้เข้ากับข้อกำหนดของแต่ละแพลตฟอร์ม /twitter สร้างทวีต เธรด และการตอบกลับที่ปรับให้เหมาะสม /linkedin สร้างโพสต์ระดับมืออาชีพ บทความ และกลยุทธ์การสร้างการมีส่วนร่วม
คำสั่งเพิ่มเติมครอบคลุมถึงเนื้อหาบล็อก การจดบันทึก การจัดการหน่วยความจำ และการเชื่อมต่อกับบริการภายนอก เช่น Notion และ Google Workspace
การรวบรวมข้อมูลจากหลายแหล่ง
บอทจะรวบรวมเนื้อหาและข้อมูลจากหลายแหล่ง:
SociaVault ให้สตรีมเนื้อหาจาก Twitter, Reddit และ TikTok พร้อมการวิเคราะห์การมีส่วนร่วมและการตรวจจับแนวโน้ม HikerAPI เชื่อมต่อกับ Instagram เพื่อติดตามคู่แข่งและหาแรงบันดาลใจในการสร้างเนื้อหา YouTube API ช่วยให้สามารถวิจัยวิดีโอ สกัดคำบรรยาย (transcript) และวิเคราะห์วิดีโอที่กำลังเป็นกระแส Firecrawl จัดการการวิจัยเว็บและการติดตามเนื้อหาของคู่แข่ง OpenRouter ทำหน้าที่เป็นอินเทอร์เฟซ LLM หลัก โดยสามารถเข้าถึงโมเดลต่างๆ ได้ผ่าน API เดียว
แต่ละแหล่งข้อมูลจะเก็บผลลัพธ์ในแคช (cached results) โดยมีอายุ 30 นาที เพื่อหลีกเลี่ยงการเรียกใช้ API ซ้ำซ้อน ในขณะที่ยังคงความสดใหม่ของข้อมูลสำหรับงานที่เร่งด่วน
หน่วยความจำ Knowledge Graph
Amigo รักษา Knowledge Graph แบบถาวรที่สนับสนุนโดย PostgreSQL พร้อม pgvector สำหรับการค้นหาเชิงความหมาย (semantic search) การสกัดเอนทิตี (Entity extraction) จะระบุบุคคล บริษัท ผลิตภัณฑ์ และแนวคิดที่ถูกกล่าวถึงในการสนทนา การติดตามความสัมพันธ์จะสร้างการเชื่อมต่อระหว่างเอนทิตีต่างๆ เมื่อเวลาผ่านไป
ระบบหน่วยความจำช่วยให้ Amigo สามารถอ้างอิงการสนทนาก่อนหน้า จดจำความชอบของผู้ใช้ และต่อยอดจากบริบทที่มีอยู่ แทนที่จะเริ่มการโต้ตอบใหม่ทุกครั้งโดยไม่มีข้อมูล บอทจะสะสมความรู้ขององค์กรซึ่งเป็นประโยชน์ต่อสมาชิกในทีมทุกคน
การเชื่อมต่อกับ Outline มอบหน่วยความจำเพิ่มเติม โดยบันทึก ไดอารี่ และโฟลเดอร์จะซิงค์แบบสองทางกับเซิร์ฟเวอร์ Outline wiki หน้าใหม่ที่สร้างใน Outline จะสามารถค้นหาได้ใน Amigo และการสนทนาใน Amigo สามารถสร้างหรืออัปเดตหน้าใน Outline ได้
สถาปัตยกรรมโมเดล
Amigo ใช้บทบาทของโมเดลที่แตกต่างกัน 10 บทบาท แทนที่จะกำหนดโมเดลเฉพาะเจาะจงลงในโค้ด:
Chat จัดการการโต้ตอบเชิงสนทนาด้วยความอบอุ่นและตระหนักถึงบริบท Structured ขับเคลื่อนงานที่ให้ผลลัพธ์เป็น JSON การกรอกแบบฟอร์ม และการสกัดข้อมูล Writer สร้างคำโฆษณาการตลาด โพสต์บล็อก และเนื้อหาโซเชียล Plan สร้างแผนงานโครงการ กลยุทธ์ และโรดแมป Translate จัดการเนื้อหาข้ามภาษาพร้อมการปรับให้เข้ากับวัฒนธรรม
Marketing ปรับปรุงแคมเปญให้เหมาะสม วิเคราะห์กรวยการขาย (funnels) และสร้างคำโฆษณาที่เน้นการเปลี่ยนเป็นยอดขาย (conversion) Embedding สร้างตัวแทนเวกเตอร์สำหรับการค้นหาเชิงความหมายและการตรวจจับความคล้ายคลึง Image จัดการคำสั่งสร้างรูปภาพ Voice ประมวลผลการถอดความเสียงและการสังเคราะห์เสียง Video จัดการการวิเคราะห์วิดีโอและการสร้างคลิป
ไพป์ไลน์เวิร์กโฟลว์
ผลลัพธ์ทั้งหมดจะผ่านตัวกรอง format-output ที่ใช้การแปลงข้อมูลโดย LLM เพื่อให้มั่นใจว่าโทนเสียงมีความสม่ำเสมอ รูปแบบถูกต้อง และมีระดับรายละเอียดที่เหมาะสม ขั้นตอน polish-output จะใช้การแปลงด้วย regex และการทำความสะอาดข้อมูลเพิ่มเติมโดย LLM เพื่อการขัดเกลาขั้นสุดท้าย
ไพป์ไลน์นี้ช่วยให้มั่นใจในคุณภาพที่สม่ำเสมอ ไม่ว่าโมเดลพื้นฐานใดจะเป็นผู้สร้างคำตอบเริ่มต้น
หมายเหตุสำคัญในการกำหนดค่า
เมื่อใช้โมเดลการให้เหตุผล (reasoning models) ผ่าน OpenRouter ต้องตั้งค่า Reasoning ใน @preset/manager เป็น OFF โมเดลการให้เหตุผลบางครั้งจะส่งคืนเนื้อหาที่เป็นค่าว่าง (null) ซึ่งทำให้การทำงานของบอทผิดพลาด การปิดการให้เหตุผลจะช่วยให้มั่นใจว่าผลลัพธ์จะมีความเสถียรสำหรับการดำเนินงานทั้งหมด
การติดตั้งใช้งาน
Amigo ทำงานใน Docker Compose พร้อมสามบริการ: ตัวบอทเองที่พอร์ต 50501, PostgreSQL พร้อม pgvector ที่พอร์ต 50504 และเซิร์ฟเวอร์ Outline wiki ที่พอร์ต 50505 การประสานงานเวิร์กโฟลว์ของ Mastra (ล็อกเวอร์ชันไว้ที่ v1.33.1) จะประสานงานงานหลายขั้นตอนในระบบเอเจนต์