Lab Notes
บันทึกงานวิศวกรรม การทดสอบระบบ และ infrastructure ของทีม Redhat AI
- 001 29.09.2026
-
002
24.09.2026
comfyui seed reproducible guide
การได้ภาพเหมือนเดิมทุกครั้งที่เจนใน ComfyUI ต้องกำหนดค่า seed ในโหนด KSampler หรือ EmptyLatentImage ให้เป็นตัวเลขคงที่ และปิดการสุ่มของโหนดอื่นๆ ที่เกี่ยวข้อง เ…
-
003
24.09.2026
ComfyUI ภาษาไทย สอน
ติดตั้ง ComfyUI บนเครื่อง Windows/Linux ผ่าน Python และ Git แล้วรันด้วยคำสั่ง python main.py --listen 0.0.0.0 --port 8188 เปิดเบราว์เซอร์เข้าหน้าเว็บเพื่อลากวาง…
-
004
24.09.2026
สร้าง AI agent ด้วย n8n
n8n คือ workflow automation แบบ self-hosted ที่เราติดตั้งเองบนเครื่อง แล้วต่อ node เชื่อม API ของโมเดล local LLM กับ tool ต่างๆ ทำให้สร้าง AI agent ที่ทำงานตามเ…
- 005 17.09.2026
-
006
08.09.2026
flux fp8 vs fp16 vram
FLUX FP8은 FP16보다 VRAM을 약 40-50% 적게 사용하여 16GB 그래픽카드에서 원활하게 실행할 수 있습니다. 이미지 해상도를 약간 희생하되 속도와 안정성을 높일 수 있어 메모리 대비 최대 성능을 원하는 일반 사용자에게 적합합니다
-
007
08.09.2026
Mac에서 qwen3 사용법
Mac에서 Ollama를 통해 MLX Framework 사용. qwen38-deep 모델은 32k 토큰 컨텍스트에 RAM 21GB 필요. Alias 설정 및 KV Cache 확인을 권장하여 모델의 자동 언로드 방지.
-
008
06.09.2026
새벽 5시 서버 업그레이드 후 잠들지 못한 밤
오늘 아침 알람이 아닌 Docker Hub의 작업 큐 알림 소리에 깨어났습니다. 흐르는 눈물 같은 화면을 통해 시스템 작업들이 지나가는 것을 보았습니다.
-
009
06.09.2026
두 개의 GPU가 100%로彻夜 작동한 밤
คืนนี้ผมตื่นมาตอนตีห้า ไม่ใช่เพราะฝันร้าย แต่เพราะเสียงพัดลมของการ์ดจอ 16GB ทั้งสองตัวที่ทำงานหนักจนแทบจะร้องเพลงประกอบชีวิต homelab ของผม เสียงหึ่งๆ นั้นบอกใบ้…
-
010
05.09.2026
실제 벤치마크 50개 케이스: bomLLM(thai-chat), z.ai를 품질과 속도 모두에서 압도 — 실험실의 완전한 수치
bomLLM(우리의 qwen38 서버에서 실행되는 thai-chat 모델)을 z.ai glm-4.5-flash와 5개 카테고리의 실제 50개 케이스로 비교 테스트했습니다. 결과: bomLLM이 품질(평균 7.24 대 6.02)과 속도(p50 5.2초 대 35.1초) 모두에서 승리했습니다…
-
011
05.09.2026
Ollama Mac Mini M4 Pro 설정 가이드
Mac Mini M4 Pro에 Ollama를 설치하여 Qwen38 및 GLM 모델을 로컬에서 실행하고 실제 VRAM 및 속도를 측정했습니다. 32k 컨텍스트가 테스트당 3GB의 추가 메모리를 사용하며, 웹 검색 도구의 일반적인 오류 해결 단계를 포함합니다.
-
012
05.09.2026
node ComfyUI แนะนำ
ComfyUI node สำหรับจัดการ GPU หลายตัวพร้อมกัน ช่วยลดเวลารอและเพิ่มประสิทธิภาพการเรนเดอร์ภาพ โดยไม่ต้องรีสตาร์ทเครื่อง ใช้ API สลับ checkpoint อัตโนมัติ ประหยัด …