Angelora · Research · สรุป 29 ก.ย. 2026
Make Money With AI
garylab/MakeMoneyWithAI คือรายการ repo AI ยอดนิยมบน GitHub ที่อัปเดตตัวเองทุกวัน พร้อมประโยค "หาเงินได้ยังไง" ต่อ repo — brief นี้อธิบายว่ารายการสร้างขึ้นอย่างไร ควรเชื่อแค่ไหน และมีอะไรที่ Angelora หยิบไปใช้ได้จริง ดูรายการเต็มได้ที่หน้า AI Repo Radar
garylab/MakeMoneyWithAI469 repoอัปเดตทุกวันด้วย GitHub Actionpitch เขียนโดย gpt-5-mini
บทสรุปผู้บริหาร
MakeMoneyWithAI ไม่ใช่โค้ดทำเงิน แต่เป็น "รายชื่อ" repo AI ที่มีดาวบน GitHub ตั้งแต่ 10,000 ขึ้นไป สร้างใหม่ทุกวันโดยสคริปต์อัตโนมัติ แต่ละ repo มีประโยคสั้น ๆ ที่ให้โมเดล gpt-5-mini เขียนว่า "ใช้หาเงินได้อย่างไร" คุณค่าจริงของรายการจึงอยู่ที่การเป็นแผนที่ว่าตอนนี้ชุมชน open source สนใจอะไร ไม่ใช่คำแนะนำทางธุรกิจ
- •ใช้เป็นแผนที่ได้ดี: 469 repo ครอบคลุมเกือบทุกหมวดของเครื่องมือ AI และเกณฑ์คัดเลือกคือต้อง push ภายใน 1 ปี
- •อย่าเชื่อประโยค pitch: เป็นภาษาการตลาดที่โมเดลเขียนจากคำอธิบาย repo แทบทุกแถวลงท้ายด้วย SaaS / subscription / licensing
- •อ่าน licence ก่อนเสมอ: repo ดังหลายตัวใช้ licence ที่ห้ามทำ multi-tenant หรือห้ามขาย ซึ่งตรงกับรูปแบบธุรกิจของ Angelora พอดี
- •สิ่งที่ Angelora น่าหยิบไปใช้คือชิ้นส่วนโครงสร้าง (แปลงเอกสาร, RAG, memory, gateway, observability) ไม่ใช่ "platform สำเร็จรูป"
1. รายการนี้สร้างขึ้นอย่างไร
ทุกวันเวลาเที่ยงคืน UTC GitHub Action ของ repo จะรัน fetch_projects.py ซึ่งทำงานตามขั้นในตาราง แล้ว commit README.md และ repos.csv กลับเข้า repo
| ขั้น | สิ่งที่เกิดขึ้น |
|---|---|
| ค้น GitHub | ค้น 3 topic แยกกัน คือ ai, ai-agent, llm โดยเอาเฉพาะ repo ที่ดาว ≥ 10,000 และ push ภายใน 365 วัน เรียงตามดาว หน้าละ 50 สูงสุด 10 หน้าต่อ topic |
| ตัด / เพิ่มด้วยมือ | ตัดตาม excluded-repos.txt และเพิ่มตาม extra-repos.txt |
| เขียน pitch | repo ใหม่ที่ยังไม่มีใน repos.csv จะถูกส่งให้ gpt-5-mini เขียนประโยคราว 20–25 คำว่า "มีความสามารถอะไรที่ช่วยหาเงินได้" โดยให้ตัวหนาคำสำคัญ |
| เขียนผลลัพธ์ | อัปเดต repos.csv แล้วสร้าง README.md ใหม่ เรียงตามดาว |
ที่มา: fetch_projects.py และ .github/workflows/fetch-ai-projects.yml ที่ commit cdf34d2 (26 ก.ย. 2026)
2. ข้อจำกัดที่ต้องรู้ก่อนใช้
รายการนี้มีประโยชน์ แต่มีจุดอ่อนที่มาจากวิธีสร้างเอง
- •คัดจาก topic กับจำนวนดาวเท่านั้น repo ที่ติด topic ai แต่ไม่ได้เป็นเครื่องมือ AI จึงหลุดเข้ามาได้ เช่น JavaGuide (คู่มือสัมภาษณ์ Java), Front-End-Checklist, reactive-resume
- •ดาววัดความสนใจ ไม่ได้วัดคุณภาพหรือการใช้งานจริง ควรดูจำนวน contributor, issue ที่ยังเปิด และความถี่ release ประกอบ
- •pitch เขียนโดย gpt-5-mini จากชื่อกับคำอธิบาย repo เท่านั้น โมเดลไม่ได้อ่านโค้ดหรือ README บาง repo ที่เพิ่มเข้ามาด้วยมือ pitch เป็นคำอธิบายเดิมของ repo
- •รายการเข้าออกได้ด้วยมือ: excluded-repos.txt ตัด repo ออก 46 บรรทัด และ extra-repos.txt เพิ่ม repo ที่ไม่ผ่านเกณฑ์เข้ามา 10 ตัว
- •หมวดใน AI Repo Radar เป็นของ Angela ไม่ใช่ของต้นทาง จัดด้วยโมเดล qwen2.5:7b ในเครื่องบวกการแก้มือไม่กี่ตัว ยังมีบาง repo ที่จัดหมวดกำกวม
3. ภาพรวม 469 repo แยกตามหมวด
นับจาก snapshot วันที่ 29 ก.ย. 2026 ตัวอย่างคือ 3 repo ที่ดาวมากที่สุดในหมวด
| หมวด | จำนวน | ตัวอย่าง |
|---|---|---|
| Agents | 96 | hermes-agent · AutoGPT · langchain |
| Coding Agents | 82 | superpowers · everything-claude-code · ponytail |
| RAG & Knowledge | 57 | graphify · claude-mem · ragflow |
| Infra & Databases | 52 | ollama · supabase · vllm |
| Workflow & Low-code | 34 | n8n · dify · browser-use |
| Learning & Prompts | 33 | awesome-chatgpt-prompts · JavaGuide · system-prompts-and-models-of-ai-tools |
| Image, Video & Audio | 28 | stable-diffusion-webui · ComfyUI · MoneyPrinterTurbo |
| Chat Apps & UI | 23 | clawdbot · open-webui · LibreChat |
| Training & Fine-tuning | 23 | unsloth · LLaMA-Factory · headroom |
| LLM Frameworks & Models | 20 | transformers · ColossalAI · happy-llm |
| Data & Crawling | 14 | firecrawl · crawl4ai · Scrapling |
| Other | 7 | OpenManus · reactive-resume · gitleaks |
Agents กับ Coding Agents รวมกันเกิน 1 ใน 3 ของรายการ
4. Licence — อ่านก่อนเอาไปขาย
GitHub ระบุ licence ของหลาย repo ดังไม่ได้ (ขึ้นว่า NOASSERTION) เพราะเป็น licence ที่เขียนขึ้นเอง น้องเปิดไฟล์ LICENSE ของตัวที่เกี่ยวกับ Angelora อ่านเองทุกตัว สรุปได้ตามตาราง
| Repo | Licence | ผลต่อ Angelora |
|---|---|---|
| langgenius/dify | Apache 2.0 ดัดแปลง | ❌ ห้ามใช้ซอร์สโค้ดรันแบบ multi-tenant (1 tenant = 1 workspace) ถ้าไม่ได้รับอนุญาตเป็นลายลักษณ์อักษร และห้ามถอดโลโก้ใน frontend — Angelora เป็น multi-tenant โดยตรง |
| n8n-io/n8n | Sustainable Use License | ⚠️ ใช้ได้เฉพาะ "งานภายในธุรกิจตัวเอง" หรือไม่เชิงพาณิชย์ ให้คนอื่นใช้ได้เฉพาะแบบฟรีและไม่เชิงพาณิชย์ — ใช้ภายในทีมได้ แต่ฝังเป็นบริการของ Angelora ไม่ได้ |
| open-webui/open-webui | Open WebUI License (BSD + เงื่อนไขแบรนด์) | ⚠️ ห้ามเปลี่ยนหรือถอดแบรนด์ "Open WebUI" ถ้าผู้ใช้เกิน 50 คนใน 30 วัน เว้นแต่ได้รับอนุญาตหรือซื้อ enterprise license |
| BerriAI/litellm | MIT (ยกเว้น enterprise/) | ✅ ส่วนหลักเป็น MIT ใช้เชิงพาณิชย์ได้ ส่วนในโฟลเดอร์ enterprise/ มี licence แยก |
| langfuse/langfuse | MIT (ยกเว้น ee/) | ✅ ส่วนหลักเป็น MIT ส่วนในโฟลเดอร์ ee/ มี licence แยก |
AGPL-3.0 (เช่น Deep-Live-Cam, OpenMontage, khoj) บังคับให้เปิดซอร์สโค้ดที่แก้ไข เมื่อให้ผู้ใช้ใช้งานผ่านเครือข่าย — ถ้าจะฝังใน SaaS ต้องปรึกษาเรื่องนี้ก่อน
How we can apply this
| Work | Use for | Fit | Notes |
|---|---|---|---|
| Document RAG · docling (MIT) | แปลง PDF / Office เป็นข้อความที่พร้อมทำ RAG ก่อนเข้า CogniFy และ Video Studio | ✅ Fit | licence เปิด เป็นชิ้นส่วนที่ต่อเข้าระบบเดิมได้โดยไม่ต้องรื้อ — ยังไม่ได้ทดสอบกับเอกสารภาษาไทย |
| Document RAG · ragflow (Apache-2.0) | ใช้เป็นคู่เทียบของ CogniFy — วัดความแม่นในการตอบจากเอกสารด้วยชุดคำถามเดียวกัน | ⚠️ Caution | เราทำ CogniFy อยู่แล้ว ไม่ควรเปลี่ยนทั้งระบบ ควรเอามาเป็น benchmark หรือยืมเทคนิคการแบ่ง chunk |
| Document RAG · LightRAG (MIT) | graph RAG แบบเบา สำหรับถามข้ามเอกสารหลายชิ้นใน wiki ขององค์กร | ✅ Fit | licence เปิด เป็นงานวิจัย EMNLP 2025 — ต้องลองคุณภาพกับภาษาไทยก่อน |
| AI Tutor · mem0 (Apache-2.0) | memory layer ของ AI tutor ให้จำผู้เรียนรายคนข้ามหลาย session (DNA "Personal AI" ของ Angelora) | ✅ Fit | ตรงกับจุดขาย 1-to-1 ของ Angelora ต้องออกแบบให้ memory แยกตาม tenant และลบได้ตาม PDPA |
| Self-hosted AI · vllm (Apache-2.0) | เครื่อง serving สำหรับตอนที่ผู้ใช้พร้อมกันมากเกินกว่าที่ Ollama รับไหว | ✅ Fit | ยังไม่จำเป็นตอน pilot — เก็บไว้เป็นทางขยายเมื่อจำนวน seat โต |
| Gateway · litellm (MIT ส่วนหลัก) | จุดเดียวที่เรียกโมเดลทุกเจ้า + นับ token เพื่อผูกต้นทุนกับราคา per-seat | ✅ Fit | ต้องระวังไม่ใช้ฟีเจอร์ในโฟลเดอร์ enterprise/ โดยไม่มี licence |
| Observability · langfuse (MIT ส่วนหลัก) | trace และประเมินคุณภาพคำตอบของ AI tutor / RAG ต่อ tenant | ✅ Fit | ส่วน ee/ มี licence แยก — ใช้เฉพาะส่วน MIT |
| Video Studio · MoneyPrinterTurbo (MIT) | สร้างวิดีโอสั้นจากหัวข้ออัตโนมัติ เป็นตัวอย่างช่วยตัดคลิปสรุปบทเรียน | ⚠️ Caution | ทำคลิปสั้นจากหัวข้อหรือคีย์เวิร์ด ไม่ได้ออกแบบมาเพื่อวิดีโอสอนจากเนื้อหาของเรา — หยิบแค่แนวคิด pipeline มาศึกษา |
| Workflow · n8n (Sustainable Use) | automation ภายในทีม เช่น ส่งรายงาน pilot, แจ้งเตือน | ⚠️ Caution | licence อนุญาตเฉพาะงานภายใน — ห้ามฝังเป็นบริการที่ขายให้ลูกค้า |
| Agent platform · dify (Apache 2.0 ดัดแปลง) | ใช้เป็นแกน platform สร้าง agent ให้แต่ละองค์กร | ❌ Not recommended | licence ห้ามรันแบบ multi-tenant โดยไม่ได้รับอนุญาต ซึ่งคือโมเดลธุรกิจของ Angelora พอดี |
| Chat UI · open-webui (มีเงื่อนไขแบรนด์) | หน้าแชตสำเร็จรูปสำหรับผู้เรียน | ⚠️ Caution | เกิน 50 ผู้ใช้ต้องคงแบรนด์ Open WebUI ไว้ ขัดกับการขายภายใต้แบรนด์ Angelora |
| Deepfake · Deep-Live-Cam (AGPL-3.0) | สลับหน้าในวิดีโอแบบ real-time | ❌ Not recommended | เสี่ยงด้านชื่อเสียงและกฎหมาย ไม่เข้ากับแบรนด์ที่ขายความไว้ใจให้องค์กร |
| Prompt leaks / jailbreak · system_prompts_leaks, L1B3RT4S | คลัง system prompt ที่หลุดมา และ prompt สำหรับเจาะข้อจำกัดของโมเดล | ❌ Not recommended | ไม่ควรเป็นวัตถุดิบของสินค้าที่ขายองค์กร — ถ้าจะใช้ ใช้แค่เป็นกรณีศึกษาเรื่องความปลอดภัยใน workshop |
Open questions
- 1.docling และ LightRAG อ่านเอกสารภาษาไทยได้ดีแค่ไหน — ยังไม่ได้ทดสอบ ควรลองกับเอกสารจริงของ EWG ก่อนตัดสินใจ
- 2.ragflow กับ CogniFy ที่มีอยู่ ตัวไหนตอบคำถามจากเอกสารภาษาไทยได้แม่นกว่า — ต้องมีชุดคำถามทดสอบร่วมกัน
- 3.ถ้าจะใช้ litellm เป็น gateway กลาง จะนับ token ต่อ seat เพื่อผูกกับราคา per-seat ได้ไหม
- 4.ควรทำรายการนี้เป็นเนื้อหา workshop ("เครื่องมือ AI ที่องค์กรเอาไปใช้ได้") ให้ลูกค้า Angelora หรือไม่
- 5.จะ refresh radar ถี่แค่ไหน — ต้นทางอัปเดตทุกวัน แต่รายการเปลี่ยนช้า เดือนละครั้งน่าจะพอ
Sources
- garylab/MakeMoneyWithAI — README.md, repos.csv (commit cdf34d2)· accessed 29 ก.ย. 2026
- MakeMoneyWithAI — fetch_projects.py· accessed 29 ก.ย. 2026
- Dify — LICENSE· accessed 29 ก.ย. 2026
- n8n — LICENSE.md (Sustainable Use License)· accessed 29 ก.ย. 2026
- Open WebUI — LICENSE· accessed 29 ก.ย. 2026
- LiteLLM — LICENSE· accessed 29 ก.ย. 2026
- Langfuse — LICENSE· accessed 29 ก.ย. 2026
- Angelora — Master Plan v3 (ภายใน)· accessed 29 ก.ย. 2026