การใช้งาน Chinda LLM 4B กับ OpenWebUI - คู่มือผู้ใช้ฉบับสมบูรณ์

🎯 บทนำ

Chinda LLM 4B เป็นโมเดลภาษาไทยโอเพนซอร์สที่พัฒนาโดยทีมงาน iApp Technology สามารถคิดและตอบสนองเป็นภาษาไทยได้อย่างแม่นยำสูง โดยใช้สถาปัตยกรรม Qwen3-4B ล่าสุด

OpenWebUI เป็นอินเทอร์เฟซเว็บที่สวยงามและใช้งานง่ายสำหรับ Ollama ซึ่งมอบประสบการณ์ที่คล้าย ChatGPT สำหรับโมเดล AI ในเครื่อง มีอินเทอร์เฟซแชทที่ใช้งานง่ายพร้อมคุณสมบัติต่างๆ เช่น ประวัติการสนทนา การจัดการโมเดล และการตั้งค่าที่ปรับแต่งได้

OpenWebUI เวอร์ชันล่าสุด (v0.6.13) ได้เพิ่มคุณสมบัติใหม่ที่น่าตื่นเต้น เช่น การรองรับ Azure OpenAI embedding, การจัดการพารามิเตอร์ที่กำหนดเองที่ชาญฉลาดยิ่งขึ้น, การปรับปรุงโครงสร้างพื้นฐานแบ็กเอนด์โดยรวม และการปรับปรุงการรองรับภาษาสำหรับหลายภาษา

🚀 ขั้นตอนที่ 1: การติดตั้ง Docker

ติดตั้ง Docker

หากคุณยังไม่ได้ติดตั้ง Docker:

Windows/Mac: ดาวน์โหลดได้จาก https://www.docker.com/products/docker-desktop
Linux: ทำตามคู่มือการติดตั้ง Docker ของดิสทริบิวชันของคุณ

การตั้งค่าการรองรับ GPU (ไม่บังคับแต่แนะนำ)

สำหรับ GPU NVIDIA:

ติดตั้ง NVIDIA Container Toolkit เพื่อเปิดใช้งานการเร่งความเร็วด้วย GPU:

Ubuntu/Debian:

# เพิ่มคลังเก็บแพ็กเกจ NVIDIA
distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -
curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list

# ติดตั้ง nvidia-container-toolkit
sudo apt-get update && sudo apt-get install -y nvidia-container-toolkit
sudo systemctl restart docker

สำหรับ Linux ดิสทริบิวชันอื่นๆ, macOS หรือ Windows: ทำตาม คู่มือการติดตั้ง NVIDIA Container Toolkit

📱 ขั้นตอนที่ 2: การรัน OpenWebUI พร้อม Ollama ในตัว

วิธีที่ 1: OpenWebUI พร้อม Ollama ในตัว (แนะนำ)

วิธีนี้จะรันทั้ง OpenWebUI และ Ollama ในคอนเทนเนอร์เดียว:

สำหรับระบบที่ไม่มี GPU:

docker run -d -p 3000:8080 -v ollama:/root/.ollama -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:ollama

สำหรับระบบที่มี NVIDIA GPU:

docker run -d -p 3000:8080 --gpus all -v ollama:/root/.ollama -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:ollama

วิธีที่ 2: การใช้ Docker Compose (ขั้นสูง)

สร้างไฟล์ docker-compose.yml:

version: '3.8'

services:
  open-webui:
    image: ghcr.io/open-webui/open-webui:ollama
    container_name: open-webui
    ports:
      - "3000:8080"
    volumes:
      - ollama:/root/.ollama
      - open-webui:/app/backend/data
    restart: always
    # ยกเลิกคอมเมนต์บรรทัดด้านล่างสำหรับการรองรับ GPU
    # deploy:
    #   resources:
    #     reservations:
    #       devices:
    #         - driver: nvidia
    #           count: all
    #           capabilities: [gpu]

volumes:
  ollama:
  open-webui:

รันด้วย:

docker-compose up -d

การเข้าถึง OpenWebUI

เปิดเว็บเบราว์เซอร์ของคุณ
ไปที่ http://localhost:3000
คุณควรจะเห็นหน้าจอเริ่มต้นของ OpenWebUI

image copy.png

🔍 ขั้นตอนที่ 3: การดาวน์โหลดโมเดล Chinda LLM 4B

การใช้ส่วนต่อประสาน OpenWebUI (แนะนำ)

เมื่อ OpenWebUI ทำงานแล้ว คุณสามารถดาวน์โหลดโมเดล Chinda LLM 4B ได้โดยตรงผ่านอินเทอร์เฟซเว็บ:

เปิดเบราว์เซอร์ของคุณและไปที่ http://localhost:3000
ทำการตั้งค่าเริ่มต้นให้เสร็จสิ้น (สร้างบัญชี)
ค้นหาโมเดลโดยพิมพ์ iapp/chinda-qwen3-4b ในช่องค้นหาโมเดล

image copy 2.png

คลิก Pull "iapp/chinda-qwen3-4b" from Ollama.com
รอจนกว่าการดาวน์โหลดจะเสร็จสมบูรณ์ (ประมาณ 2.5GB)

image copy 3.png

คุณจะเห็นการแจ้งเตือนความสำเร็จเมื่อดาวน์โหลดโมเดลเสร็จแล้ว

image copy 4.png

การใช้ Docker Exec (ทางเลือก)

คุณสามารถดาวน์โหลดโมเดลโดยใช้ Docker exec:

# ดาวน์โหลดโมเดล Chinda LLM 4B
docker exec -it open-webui ollama pull iapp/chinda-qwen3-4b

# ตรวจสอบว่าดาวน์โหลดโมเดลแล้ว
docker exec -it open-webui ollama list

🔍 ขั้นตอนที่ 4: การตั้งค่าเริ่มต้น

สร้างบัญชีของคุณ

ในการเข้าชมครั้งแรก คุณจะเห็นฟอร์ม Sign Up
ป้อนอีเมลและรหัสผ่านที่คุณต้องการ
คลิก Create Account

image copy 6.png

คุณจะเข้าสู่ระบบโดยอัตโนมัติ

หมายเหตุ: นี่เป็นบัญชีภายในเครื่องสำหรับคอมพิวเตอร์ของคุณเท่านั้น - จะไม่มีการส่งข้อมูลไปยังเซิร์ฟเวอร์ภายนอก

⚙️ ขั้นตอนที่ 5: การใช้งาน Chinda LLM 4B

เลือกโมเดล

ในอินเทอร์เฟซแชท มองหาดรอปดาวน์ Model ที่ด้านบน
เลือก chinda-qwen3-4b:latest จากรายการ
หากคุณไม่เห็น ให้ตรวจสอบให้แน่ใจว่าคุณได้ดาวน์โหลดโมเดลแล้วตามขั้นตอนข้างต้น

image copy 5.png

เริ่มการสนทนาครั้งแรกของคุณ

พิมพ์ข้อความของคุณเป็นภาษาไทยในช่องแชท
กด Enter หรือคลิกปุ่มส่ง
Chinda LLM จะตอบกลับเป็นภาษาไทย

image copy 7.png

ตัวอย่างการสนทนา:

ดังที่คุณเห็นในภาพหน้าจอข้างต้น Chinda LLM ตอบสนองอย่างเป็นธรรมชาติเป็นภาษาไทยและแนะนำตัวเองว่าเป็นผู้ช่วย AI ที่พัฒนาโดย บริษัท ไอแอพพ์เทคโนโลยี จำกัด โมเดลนี้แสดงให้เห็นถึงความสามารถในการทำความเข้าใจบริบทและให้การตอบสนองที่รอบคอบเป็นภาษาไทย

คำถามคณิตศาสตร์:

คุณ: ช่วยแก้สมการ 3x + 7 = 22 ให้หน่อย
Chinda: ผมจะช่วยแก้สมการ 3x + 7 = 22 ให้คุณครับ

ขั้นตอนการแก้:
1) 3x + 7 = 22
2) 3x = 22 - 7
3) 3x = 15  
4) x = 15 ÷ 3
5) x = 5

ดังนั้น x = 5 ครับ

การเขียนเอกสาร:

คุณ: ช่วยเขียนอีเมลขอบคุณลูกค้าให้หน่อย
Chinda: ผมจะช่วยเขียนอีเมลขอบคุณลูกค้าให้คุณครับ

เรื่อง: ขอบพระคุณสำหรับการใช้บริการ

เรียน คุณลูกค้าที่เคารพ,

ทางบริษัทฯ ขอขอบพระคุณอย่างสูงสำหรับการให้ความไว้วางใจและใช้บริการของเรา...

🎨 ขั้นตอนที่ 6: คุณสมบัติขั้นสูง

การจัดการการสนทนา

สร้างแชทใหม่:

คลิกปุ่ม + เพื่อเริ่มการสนทนาใหม่
แต่ละการสนทนาจะถูกบันทึกแยกต่างหาก
คุณสามารถสลับระหว่างการสนทนาได้ตลอดเวลา

เปลี่ยนชื่อการสนทนา:

คลิกที่ชื่อการสนทนา
ป้อนชื่อใหม่เพื่อจัดระเบียบแชทของคุณ

ส่งออกการสนทนา:

คลิกที่การตั้งค่าการสนทนา (จุดสามจุด)
เลือก Export เพื่อบันทึกเป็น JSON หรือ Markdown

ปรับแต่งการตั้งค่าโมเดล

เข้าถึงการตั้งค่าโมเดล:

คลิกไอคอน Settings ที่อยู่ถัดจากชื่อโมเดล
ปรับพารามิเตอร์ต่างๆ เช่น:
- Temperature (0.1-1.0): ควบคุมความคิดสร้างสรรค์
- Top P (0.1-1.0): ควบคุมความหลากหลายของการตอบสนอง
- Top K (1-100): จำกัดตัวเลือกคำศัพท์
- Max Tokens: ความยาวการตอบสนองสูงสุด

การตั้งค่าที่แนะนำสำหรับ Chinda LLM:

Temperature: 0.7 (สร้างสรรค์สมดุล)
Top P: 0.9 (ความหลากหลายดี)
Top K: 40 (การตอบสนองที่เฉพาะเจาะจง)

System Prompts

คุณสามารถตั้งค่า System Prompts ที่กำหนดเองเพื่อปรับเปลี่ยนพฤติกรรมของ Chinda:

ตัวอย่าง System Prompts:

สำหรับการเขียนระดับมืออาชีพ:

คุณเป็นผู้ช่วยเขียนเอกสารมืออาชีพ ตอบด้วยภาษาไทยที่เป็นทางการและสุภาพ

สำหรับเนื้อหาทางการศึกษา:

คุณเป็นครูสอนภาษาไทย อธิบายให้เข้าใจง่าย ใช้ตัวอย่างประกอบ

สำหรับการเขียนเชิงสร้างสรรค์:

คุณเป็นนักเขียนที่มีจินตนาการสูง สร้างเนื้อหาที่น่าสนใจและสร้างสรรค์

📊 ขั้นตอนที่ 7: การจัดการโมเดล

ดูโมเดลที่มีอยู่

ไปที่ Settings → Models
ดูโมเดลที่ดาวน์โหลดทั้งหมด
ตรวจสอบขนาดและข้อมูลของโมเดล

ดาวน์โหลดโมเดลใหม่

การใช้คอนเทนเนอร์:

# ดาวน์โหลดโมเดลใหม่โดยใช้ docker exec
docker exec -it open-webui ollama pull <model-name>

หรือใช้ส่วนต่อประสาน OpenWebUI: Settings → Models → Pull a model from Ollama.com

ลบโมเดล

# ลบโมเดลโดยใช้ docker exec
docker exec -it open-webui ollama rm <model-name>

🔧 ขั้นตอนที่ 8: การแก้ไขปัญหา

ปัญหาทั่วไปและวิธีแก้ไข

ปัญหา: ไม่พบโมเดล Chinda

อาการ: โมเดลไม่ปรากฏในรายการดรอปดาวน์ วิธีแก้ไข:

ตรวจสอบว่าคอนเทนเนอร์กำลังทำงานอยู่หรือไม่: docker ps
ตรวจสอบว่าโมเดลถูกดาวน์โหลดแล้วหรือไม่: docker exec -it open-webui ollama list
ดาวน์โหลดโมเดลหากจำเป็น: docker exec -it open-webui ollama pull iapp/chinda-qwen3-4b
รีเฟรชหน้า OpenWebUI

ปัญหา: "Connection Error" หรือคอนเทนเนอร์ไม่เริ่มทำงาน

อาการ: ไม่สามารถเข้าถึง OpenWebUI หรือคอนเทนเนอร์ล้มเหลวในการเริ่มต้น วิธีแก้ไข:

ตรวจสอบว่า Docker กำลังทำงานอยู่หรือไม่: docker version
ตรวจสอบสถานะคอนเทนเนอร์: docker ps -a
ตรวจสอบล็อกคอนเทนเนอร์: docker logs open-webui
รีสตาร์ทคอนเทนเนอร์: docker restart open-webui

ปัญหา: การตอบสนองช้า

วิธีแก้ไข:

ปิดแอปพลิเคชันที่ไม่จำเป็น
ลดค่า Max Tokens ในการตั้งค่าโมเดล
ลดค่า temperature และ top_k
ตรวจสอบให้แน่ใจว่ามี RAM เพียงพอ (แนะนำ 8GB ขึ้นไป)

ปัญหา: GPU ไม่ทำงาน

อาการ: ประสิทธิภาพช้าแม้มี GPU วิธีแก้ไข:

ตรวจสอบไดรเวอร์ NVIDIA: nvidia-smi
ตรวจสอบ NVIDIA Container Toolkit: docker run --rm --gpus all nvidia/cuda:11.0-base nvidia-smi
รีสตาร์ทคอนเทนเนอร์พร้อมการรองรับ GPU:

# หยุดคอนเทนเนอร์ที่มีอยู่
docker stop open-webui
docker rm open-webui

# รันพร้อมการรองรับ GPU
docker run -d -p 3000:8080 --gpus all -v ollama:/root/.ollama -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:ollama

การเพิ่มประสิทธิภาพ

ใช้ที่เก็บข้อมูล SSD เพื่อการโหลดโมเดลที่ดีขึ้น
จัดสรร RAM เพียงพอ (ขั้นต่ำ 8GB)
ปิดแอปพลิเคชันเบื้องหลัง
ใช้การตั้งค่าความแม่นยำต่ำ หากหน่วยความจำจำกัด

🎯 กรณีการใช้งานที่เหมาะสม

✅ Chinda LLM 4B ทำงานได้ดีใน OpenWebUI

การสนทนาเชิงโต้ตอบ - ประสบการณ์การแชทที่เป็นธรรมชาติพร้อมประวัติการสนทนา
การร่างเอกสาร - เขียนและแก้ไขเอกสารด้วยการแก้ไขที่ง่ายดาย
เนื้อหาทางการศึกษา - เรียนรู้พร้อมการอ้างอิงการสนทนาที่บันทึกไว้
การเขียนเชิงสร้างสรรค์ - พัฒนาเรื่องราวและเนื้อหาพร้อมการแก้ไขหลายครั้ง
ความช่วยเหลือด้านการเขียนโปรแกรม - การสร้างโค้ดพร้อมการเน้นไวยากรณ์
การแปลภาษา - การแปลภาษาไทย-อังกฤษอย่างรวดเร็ว
ผู้ช่วยวิจัย - จัดระเบียบข้อมูลผ่านการแชทหลายรายการ

🌟 ข้อได้เปรียบเฉพาะของ OpenWebUI

อินเทอร์เฟซที่สวยงาม - การออกแบบที่สะอาดตา ทันสมัย เหมือน ChatGPT
ประวัติการสนทนา - แชททั้งหมดจะถูกบันทึกโดยอัตโนมัติ
รองรับหลายโมเดล - สลับระหว่างโมเดลต่างๆ ได้อย่างง่ายดาย
ตัวเลือกการส่งออก - บันทึกการสนทนาในรูปแบบต่างๆ
การตั้งค่าที่ปรับแต่งได้ - ปรับแต่งพฤติกรรมโมเดลสำหรับการสนทนาแต่ละครั้ง
ไม่ต้องใช้อินเทอร์เน็ต - ความเป็นส่วนตัวสมบูรณ์ด้วยการประมวลผลภายในเครื่อง

❌ ข้อจำกัดที่ควรทราบ

อย่าถามหาข้อเท็จจริงโดยไม่มีบริบท เช่น:

เหตุการณ์ข่าวล่าสุด (มีการจำกัดข้อมูลการฝึกโมเดล)
ข้อมูลสถิติเฉพาะเจาะจงโดยไม่มีแหล่งที่มา
ข้อมูลแบบเรียลไทม์
ข้อมูลเกี่ยวกับบุคคลเฉพาะหรือเหตุการณ์ปัจจุบัน

เนื่องจาก Chinda LLM 4B เป็นโมเดลขนาด 4B พารามิเตอร์ จึงอาจสร้างข้อมูลที่ไม่ถูกต้อง (hallucination) เมื่อถูกถามเกี่ยวกับข้อเท็จจริงเฉพาะ

🚀 ข้อมูลจำเพาะของโมเดล

ขนาด: 2.5GB (quantized)
Context Window: 40K tokens
สถาปัตยกรรม: ใช้ Qwen3-4B เป็นพื้นฐาน ปรับแต่งสำหรับภาษาไทย
ประสิทธิภาพ: การอนุมานที่รวดเร็วบนฮาร์ดแวร์สำหรับผู้บริโภค
ข้อกำหนดหน่วยความจำ: RAM ขั้นต่ำ 4GB, แนะนำ 8GB+
อินเทอร์เฟซ: อินเทอร์เฟซแชทบนเว็บที่ทันสมัย

🔮 สิ่งที่จะมาถึง

ทีมงาน iApp Technology กำลังพัฒนารุ่นใหม่ที่มีขนาดใหญ่ขึ้น ซึ่งจะสามารถตอบคำถามข้อเท็จจริงได้อย่างแม่นยำยิ่งขึ้น คาดว่าจะมีการเปิดตัวในเร็วๆ นี้และจะเข้ากันได้กับ OpenWebUI

📚 ทรัพยากรเพิ่มเติม

คำสั่งตั้งค่าด่วน

ไม่มี GPU:

# 1. รัน OpenWebUI พร้อม Ollama ในตัว
docker run -d -p 3000:8080 -v ollama:/root/.ollama -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:ollama

# 2. เปิดเบราว์เซอร์ไปที่ http://localhost:3000

# 3. ดาวน์โหลดโมเดล Chinda LLM (ผ่านเว็บอินเทอร์เฟซหรือคำสั่ง)
docker exec -it open-webui ollama pull iapp/chinda-qwen3-4b

มี GPU:

# 1. รัน OpenWebUI พร้อมการรองรับ GPU
docker run -d -p 3000:8080 --gpus all -v ollama:/root/.ollama -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:ollama

# 2. เปิดเบราว์เซอร์ไปที่ http://localhost:3000

# 3. ดาวน์โหลดโมเดล Chinda LLM
docker exec -it open-webui ollama pull iapp/chinda-qwen3-4b

ทางลัดแป้นพิมพ์ที่มีประโยชน์

Ctrl/Cmd + Enter: ส่งข้อความ
Ctrl/Cmd + N: การสนทนาใหม่
Ctrl/Cmd + K: โฟกัสการค้นหา
Esc: ยกเลิกการสร้างปัจจุบัน

คำสั่งจัดการ Docker

# ดูสถานะคอนเทนเนอร์
docker ps

# หยุด OpenWebUI
docker stop open-webui

# เริ่ม OpenWebUI
docker start open-webui

# รีสตาร์ท OpenWebUI
docker restart open-webui

# ดูล็อก
docker logs open-webui

# เข้าถึงเชลล์คอนเทนเนอร์
docker exec -it open-webui bash

# ตรวจสอบโมเดล Ollama ภายในคอนเทนเนอร์
docker exec -it open-webui ollama list

# อัปเดต OpenWebUI
docker pull ghcr.io/open-webui/open-webui:ollama
docker stop open-webui
docker rm open-webui
# จากนั้นรันคำสั่งติดตั้งอีกครั้ง

# สำรองข้อมูล volumes (สำคัญ!)
docker run --rm -v ollama:/source -v $(pwd):/backup alpine tar czf /backup/ollama-backup.tar.gz -C /source .
docker run --rm -v open-webui:/source -v $(pwd):/backup alpine tar czf /backup/openwebui-backup.tar.gz -C /source .

ลิงก์และแหล่งข้อมูล

🌐 เดโม: https://chindax.iapp.co.th (เลือก ChindaLLM 4b)
📦 ดาวน์โหลดโมเดล: https://huggingface.co/iapp/chinda-qwen3-4b
🐋 Ollama: https://ollama.com/iapp/chinda-qwen3-4b
🌐 OpenWebUI: https://github.com/open-webui/open-webui
🏠 หน้าแรก: https://iapp.co.th/openmodels/chinda-opensource-llm
📄 ใบอนุญาต: Apache 2.0 (พร้อมใช้งานสำหรับการใช้งานทั้งเชิงพาณิชย์และส่วนบุคคล)

🎉 สรุป

Chinda LLM 4B พร้อม OpenWebUI มอบการผสมผสานที่สมบูรณ์แบบของความสามารถ AI ภาษาไทยอันทรงพลังพร้อมอินเทอร์เฟซที่สวยงามและใช้งานง่าย การตั้งค่านี้ให้คุณ:

ประโยชน์หลัก:

🎨 อินเทอร์เฟซที่สวยงาม - UI เว็บที่ทันสมัยคล้าย ChatGPT
💾 ประวัติการสนทนา - ไม่สูญเสียแชทสำคัญของคุณ
🔒 ความเป็นส่วนตัวสมบูรณ์ - ทุกอย่างทำงานภายในเครื่องบนเครื่องของคุณ
🚀 ใช้งานง่าย - ไม่จำเป็นต้องมีความรู้เกี่ยวกับ Command-line
🎛️ ปรับแต่งได้ - ปรับการตั้งค่าสำหรับกรณีการใช้งานต่างๆ
📱 ข้ามแพลตฟอร์ม - ทำงานได้บนทุกอุปกรณ์ที่มีเว็บเบราว์เซอร์

เหมาะสำหรับ:

นักศึกษาและนักวิจัย ที่ต้องการประวัติการสนทนาที่เป็นระเบียบ
นักเขียนและผู้สร้างเนื้อหา ที่ต้องการแก้ไขไอเดีย
นักธุรกิจ ที่ต้องการความช่วยเหลือในการร่างเอกสาร
นักพัฒนา ที่ต้องการอินเทอร์เฟซที่ใช้งานง่ายสำหรับการรวม AI
ทุกคน ที่ชอบอินเทอร์เฟซเว็บมากกว่าเครื่องมือ Command-line

เริ่มใช้ Chinda LLM 4B กับ OpenWebUI วันนี้และสัมผัสกับอนาคตของ AI ภาษาไทยด้วยความสะดวกสบายของอินเทอร์เฟซเว็บที่ทันสมัย!

สร้างด้วย ❤️ โดยทีมงาน iApp Technology - เพื่อการพัฒนา AI ภาษาไทย

🎯 บทนำ​

🚀 ขั้นตอนที่ 1: การติดตั้ง Docker​

ติดตั้ง Docker​

การตั้งค่าการรองรับ GPU (ไม่บังคับแต่แนะนำ)​

สำหรับ GPU NVIDIA:​

📱 ขั้นตอนที่ 2: การรัน OpenWebUI พร้อม Ollama ในตัว​

วิธีที่ 1: OpenWebUI พร้อม Ollama ในตัว (แนะนำ)​

สำหรับระบบที่ไม่มี GPU:​

สำหรับระบบที่มี NVIDIA GPU:​

วิธีที่ 2: การใช้ Docker Compose (ขั้นสูง)​

การเข้าถึง OpenWebUI​

🔍 ขั้นตอนที่ 3: การดาวน์โหลดโมเดล Chinda LLM 4B​

การใช้ส่วนต่อประสาน OpenWebUI (แนะนำ)​

การใช้ Docker Exec (ทางเลือก)​

🔍 ขั้นตอนที่ 4: การตั้งค่าเริ่มต้น​

สร้างบัญชีของคุณ​

⚙️ ขั้นตอนที่ 5: การใช้งาน Chinda LLM 4B​

เลือกโมเดล​

เริ่มการสนทนาครั้งแรกของคุณ​

ตัวอย่างการสนทนา:​

🎨 ขั้นตอนที่ 6: คุณสมบัติขั้นสูง​

การจัดการการสนทนา​

สร้างแชทใหม่:​

เปลี่ยนชื่อการสนทนา:​

ส่งออกการสนทนา:​

ปรับแต่งการตั้งค่าโมเดล​

เข้าถึงการตั้งค่าโมเดล:​

การตั้งค่าที่แนะนำสำหรับ Chinda LLM:​

System Prompts​

ตัวอย่าง System Prompts:​

📊 ขั้นตอนที่ 7: การจัดการโมเดล​

ดูโมเดลที่มีอยู่​

ดาวน์โหลดโมเดลใหม่​

ลบโมเดล​

🔧 ขั้นตอนที่ 8: การแก้ไขปัญหา​

ปัญหาทั่วไปและวิธีแก้ไข​

ปัญหา: ไม่พบโมเดล Chinda​

ปัญหา: "Connection Error" หรือคอนเทนเนอร์ไม่เริ่มทำงาน​

ปัญหา: การตอบสนองช้า​

ปัญหา: GPU ไม่ทำงาน​

การเพิ่มประสิทธิภาพ​

🎯 กรณีการใช้งานที่เหมาะสม​

✅ Chinda LLM 4B ทำงานได้ดีใน OpenWebUI​

🌟 ข้อได้เปรียบเฉพาะของ OpenWebUI​

❌ ข้อจำกัดที่ควรทราบ​

🚀 ข้อมูลจำเพาะของโมเดล​

🔮 สิ่งที่จะมาถึง​

📚 ทรัพยากรเพิ่มเติม​

คำสั่งตั้งค่าด่วน​

ไม่มี GPU:​

มี GPU:​

ทางลัดแป้นพิมพ์ที่มีประโยชน์​

คำสั่งจัดการ Docker​

ลิงก์และแหล่งข้อมูล​

🎉 สรุป​

ประโยชน์หลัก:​

เหมาะสำหรับ:​