ตอนนั้นเป็นแค่ prototype ใช้เอง แต่ตอนนี้ผมพัฒนาต่อจนเป็น full-featured system และตัดสินใจ open source ให้ทุกคนลองไปเล่นดู และพัฒนาต่อครับ

👉 GitHub Repository: github.com/ifew/Second-Brain-with-OpenClaw

บทความนี้จะพาไปดูว่า Second Brain ตัวนี้มีอะไรบ้าง ติดตั้งยังไง แล้วใช้งานจริงเป็นยังไง มาดูกัน!

Features ทั้งหมดที่มี

จากบทความก่อนที่เล่าแค่ concept กับ schema เบื้องต้น ตอนนี้ผมลองเพิ่มนั่นโน่นนี่จนมีฟีเจอร์ น่าจะค่อนข้างครบทุกด้าน ประมาณ 10 ฟีเจอร์หลักๆ ครับ ดังนี้:

1. PARA Method Organization

จัดหมวดหมู่ข้อมูลตามแนวคิด PARA ของ Tiago Forte:

• Projects — สิ่งที่กำลังทำอยู่ มี deadline
• Areas — ความรับผิดชอบต่อเนื่อง (เช่น สุขภาพ, การเงิน)
• Resources — ข้อมูลอ้างอิงที่สนใจ
• Archives — สิ่งที่เสร็จแล้วหรือไม่ active

2. Full-text Search (ไทย + English)

ค้นหาด้วย tsvector + pg_trgm trigram similarity ทำให้ค้นได้ทั้งภาษาไทยและอังกฤษ สะกดผิดนิดหน่อยก็ยังเจอ!

3. Knowledge Graph

เพิ่งไปฟังเพื่อนแชร์มา เลยจดๆไว้ มาทำต่อ เป็นเรื่องของการเชื่อมโยงข้อมูลให้ถึงกัน โดยมี 8 ประเภท

• related — เกี่ยวข้องกัน
• supports / contradicts — สนับสนุน/ขัดแย้ง
• extends — ต่อยอดจาก
• depends_on — ขึ้นอยู่กับ
• parent — หัวข้อแม่
• reference — อ้างอิง
• informed_by — ตัดสินใจโดยอ้างอิงจาก (ใหม่ใน v3)

รองรับ depth-2 traversal — ค้นหาความเชื่อมโยง 2 ระดับได้

4. Spaced Repetition (SM-2 Algorithm)

ระบบ review queue ที่ใช้ SM-2 algorithm (เหมือน Anki) เพื่อให้ทบทวนข้อมูลสำคัญในจังหวะที่เหมาะสม ป้อน quality score 0-5 แล้วระบบจะคำนวณว่าควร review อีกเมื่อไหร่

5. Decision Ledger (ADR Format)

ข้อนี้ก็ได้จากการฟังเพื่อนเล่าอีกเช่น กัน 555 ว่าเขามีระบบบันทึกการตัดสินใจด้วย ก็เลย implement feature นี้เพิ่มอีกหน่อย โดยใช้รูปแบบ Architecture Decision Record (ADR) ที่ทำๆกันนี่แหละ:

• บันทึก problem statement, options ที่พิจารณา, เหตุผลที่เลือก
• Track status: proposed → accepted → deprecated → superseded
• ตั้ง review schedule ให้กลับมาทบทวนอัตโนมัติ
• เชื่อมโยงกับ knowledge items อื่นๆ ได้
• ใช้ได้ทั้ง technical decisions และ strategic/life decisions

6. Relevance Scoring (Time-Decay)

ตัวนี้ผมไปเจอฟีเจอร์ Memory Scoring ที่ jugaad-lab/second-brain ทำไว้ น่าสนใจดี เขาทำคำนวณความสำคัญของข้อมูลด้วยสูตร:

score = base * (0.5 ^ (days_old / half_life)) * priority_boost

ข้อมูลเก่าจะค่อยๆ ลด relevance ลง แต่ถ้าตั้ง priority สูงไว้ก็จะยังอยู่ด้านบน configurable half-life (default 14 วัน)

7. Consolidation (Duplicate Merging)

ตรวจหา items ที่ซ้ำกันด้วย trigram similarity แล้ว merge เข้าด้วยกัน มี consolidation log เก็บประวัติการรวม

8. Auto-Capture

ตรวจจับ keywords จากการสนทนาแล้ว capture อัตโนมัติ:

• Health — น้ำหนัก, ความดัน, การนอน
• Finance — กองทุนสำรองเลี้ยงชีพ, เงินเดือน, ค่าใช้จ่าย
• Exercise — ข้อมูลการออกกำลังกาย

9. Strava Integration

Sync กิจกรรมจาก Strava ผ่าน OAuth — ดึง distance, pace, elevation, heart rate, calories มาเก็บเป็น log items พร้อม metadata ครบ

ข้อนี้ ใข้งานส่วนตัว ก็เลยแถมติดไปด้วยเลย แหะๆ เราสามารถสั่ง claude code ทำ integration กับระบบอื่นๆ ได้นะ ที่เราไม่อยากกรอกเอง แต่ให้ดึงข้อมูลอัตโนมัติมาบันทึกให้เลย

10. Automated Pipeline

4-step pipeline ที่รันอัตโนมัติ:

1. Extract — ดึง decisions, insights, tasks, learnings จาก daily logs
2. Score — คำนวณ relevance scoring ใหม่
3. Consolidate — หาและรวม duplicates
4. Report — สร้างรายงานสรุป

Database Schema

ระบบใช้ PostgreSQL กับ 10 tables ที่ออกแบบมาอย่างดี:

Installation — ติดตั้งยังไง

Step 1: Clone Repository

git clone https://github.com/ifew/Second-Brain-with-OpenClaw.git
cd Second-Brain-with-OpenClaw

Step 2: ติดตั้ง PostgreSQL + Extensions

# ติดตั้ง PostgreSQL (ถ้ายังไม่มี)
sudo apt install postgresql postgresql-contrib

# เปิดใช้ extensions ที่ต้องการ
sudo -u postgres psql -c "CREATE DATABASE few;"
sudo -u postgres psql -d few -c "CREATE EXTENSION IF NOT EXISTS pg_trgm;"

Step 3: สร้าง Tables

# สร้าง schema หลัก
psql -d few -f create_tables.sql

# รัน v2 migration (relevance scoring, consolidation, pipeline)
psql -d few -f migrate_v2_features.sql

# รัน v3 migration (Decision Ledger)
psql -d few -f sql/migrations/002_decision_ledger.sql

Step 4: ติดตั้ง Python Dependencies

pip install psycopg2-binary

แค่นี้ก็พร้อมใช้แล้ว! ไม่มี dependency เยอะเพราะตั้งใจ keep it simple

Integration กับ OpenClaw

Second Brain ถูกออกแบบมาให้ทำงานร่วมกับ OpenClaw agent system ได้อย่างราบรื่น:

Skill-based Architecture

ใน OpenClaw ระบบ Second Brain ถูก register เป็น skill ที่ agent สามารถเรียกใช้ได้ ทำให้สามารถ:

• สั่งด้วยภาษาธรรมชาติ — บอก agent ว่า “จดไว้ว่า…” หรือ “ค้นหาเรื่อง…” agent จะเรียก Second Brain tools ให้อัตโนมัติ
• Auto-capture จาก conversation — agent ตรวจจับ insights, decisions, tasks จากบทสนทนาแล้วบันทึกเข้า Second Brain ให้เลย
• Daily extraction — ดึงข้อมูลจาก daily memory logs เข้า Second Brain ผ่าน automated pipeline
• Strava sync อัตโนมัติ — sync ข้อมูลออกกำลังกายเข้ามาเป็น knowledge items

10 CLI Tools

มี command-line tools ครบชุดที่ทั้ง agent และคนใช้ได้:

1. capture.py — Quick capture to inbox
2. search.py — Full-text + trigram search
3. query.py — Trend analysis, activity reports
4. review.py — SM-2 review queue
5. link.py — Knowledge graph CRUD
6. stats.py — Dashboard + analytics
7. extract.py — AI memory extraction
8. consolidate.py — Duplicate detection + merging
9. pipeline.py — Full automated pipeline
10. decision.py — Decision Ledger management

ตัวอย่างการใช้งาน ผ่าน OpenClaw (Telegram) แบบผู้ใช้ทั่วไป

Auto Capture ข้อมูลเข้า Inbox

ผู้ใช้: วันนี้น้ำหนัก 75.5 กิโล 
บอท: ✅ บันทึกอัตโนมัติ: น้ำหนัก 75.5 kg → Second Brain (tags: weight, health)

ผู้ใช้: วันนี้วิ่ง 5 กม. ตอนเช้า 
บอท: ✅ บันทึกอัตโนมัติ: วิ่ง 5 km → Second Brain (tags: running, exercise, health)

ผู้ใช้: กองทุนสำรอง 450,000 บาท 
บอท: ✅ บันทึกอัตโนมัติ: กองทุนสำรอง 450,000 บาท → Second Brain (tags: provident-fund, finance, investment)

ผู้ใช้: ความดัน 120/80 
บอท: ✅ บันทึกอัตโนมัติ: ความดัน 120/80 → Second Brain (tags: blood-pressure, health)

Analysis / วิเคราะห์

ผู้ใช้: แนวโน้มน้ำหนัก 30 วันที่ผ่านมาเป็นยังไง? 
บอท: 📊 แนวโน้มน้ำหนัก (30 วันที่ผ่านมา):

วันที่       | น้ำหนัก
2026-02-14  | 76.2 kg
2026-02-21  | 75.8 kg
2026-02-28  | 75.5 kg
2026-03-07  | 75.1 kg
2026-03-14  | 74.8 kg
━━━━━━━━━━━━━━━━━━━━━
แนวโน้ม: ↘ ลดลง (-1.4 kg)
เฉลี่ย: 75.5 kg

ผู้ใช้: สถิติวิ่งสัปดาห์นี้ 
บอท: 🏃 สถิติวิ่ง (สัปดาห์นี้):

จันทร์ | 5.2 km  | 32:15 | 6:12/km
พุธ    | 3.0 km  | 19:45 | 6:35/km
ศุกร์  | 7.1 km  | 42:30 | 5:59/km
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
รวม: 15.3 km | 3 ครั้ง

Recording & Capturing / บันทึก

ผู้ใช้: จำไว้: จุดกางเต็นท์ดีที่สุดใกล้เขาใหญ่คือลำตะคอง 
บอท: ✅ บันทึกรายการ #142: "จุดกางเต็นท์ดีที่สุดใกล้เขาใหญ่คือลำตะคอง" → inbox

ผู้ใช้: บันทึก bookmark: https://web.com/best-trails — แท็ก trekking กับ chiang-mai 
บอท: ✅ บันทึก bookmark #143: "https://web.com/best-trails" (tags: trekking, chiang-mai)

ผู้ใช้: มีไอเดีย: ทำระบบจัดเรตความยากเส้นทางเทรคกิ้งจากความสูงที่เพิ่มขึ้น 
บอท: ✅ บันทึกไอเดีย #144: "ทำระบบจัดเรตความยากเส้นทางเทรคกิ้ง..." → inbox (priority: 2)

Searching / ค้นหา

ผู้ใช้: ค้นหา "อุปกรณ์เทรคกิ้ง" 
บอท: 🔍 พบ 5 รายการสำหรับ "อุปกรณ์เทรคกิ้ง":

#89  [bookmark] เสื้อกันฝนดีที่สุด 2026          (relevance: 0.92)
#76  [note]     Checklist อุปกรณ์ดอยอินทนนท์     (relevance: 0.85)
#121 [snippet]  เปรียบเทียบเต็นท์น้ำหนักเบา      (relevance: 0.71)

ผู้ใช้: หาข้อมูลน้ำหนักตั้งแต่มกราคมถึงมีนาคม 
บอท: 🔍 พบ 12 รายการน้ำหนัก (ม.ค.–มี.ค. 2026):

2026-01-05  | น้ำหนัก 76.8 kg
2026-01-12  | น้ำหนัก 76.5 kg
...
2026-03-14  | น้ำหนัก 74.8 kg

Review & Maintenance / ทบทวน

ผู้ใช้: ทบทวนรายสัปดาห์ 
บอท: 📋 ทบทวนรายสัปดาห์:

รายการใหม่สัปดาห์นี้:     12
รายการใน inbox:           5 (รอจัดหมวดหมู่)
ถึงกำหนดทบทวน:            3 รายการ
ลิงก์ความรู้ที่สร้าง:       7
แท็กยอดนิยม: health (4), trekking (3), finance (2)

ผู้ใช้: แสดงสถิติ Second Brain 
บอท: 📊 Dashboard Second Brain:

รายการทั้งหมด:   342
ตามสถานะ:       inbox(12) active(180) incubating(95) archived(55)
ตามประเภท:      note(120) log(98) bookmark(45) idea(32) ...
หมวดหมู่:        4 projects, 6 areas, 12 resources
กราฟความรู้:     156 ลิงก์ใน 89 รายการ
คิวทบทวน:        8 รายการถึงกำหนด

ตัวอย่างการใช้งานผ่าน CLI แบบ กรี๊กๆ (Greek)

Capture ข้อมูลเข้า Inbox

# จดโน้ตด่วน
python3 tools/capture.py "Trail conditions at Doi Inthanon" --tags trekking chiang-mai --priority 2

# Capture จาก stdin (pipe ได้)
echo "New gear recommendation" | python3 tools/capture.py --stdin --type idea --tags gear

ค้นหาข้อมูล

# ค้นหา full-text
python3 tools/search.py "inthanon" --limit 5

# ค้นหาด้วย tag + text
python3 tools/search.py "gear" --tag trekking --sort relevance

บันทึก Decision

# บันทึก technical decision
python3 tools/decision.py create \
  --title "Use PostgreSQL for Second Brain storage" \
  --problem "Need persistent, queryable storage for knowledge items" \
  --options "SQLite|PostgreSQL|MongoDB" \
  --decision "PostgreSQL — already running for post tracking" \
  --rationale "Reuse existing infrastructure, full-text search with tsvector" \
  --type technical

# ดู decisions ที่ accepted
python3 tools/decision.py list --status accepted --type technical

# ดู decisions ที่ต้อง review
python3 tools/decision.py review --due

Knowledge Graph

# เชื่อมโยง 2 items
python3 tools/link.py create 1 2 --type supports --note "Evidence for conclusion"

# ค้นหา items ที่เกี่ยวข้อง 2 ระดับ
python3 tools/link.py related 1 --depth 2

# ขอ suggestion ว่าควรเชื่อมโยงกับอะไร
python3 tools/link.py suggest 1

Review Queue

# ดู items ที่ต้อง review
python3 tools/review.py due

# review เสร็จ ให้คะแนน quality 0-5
python3 tools/review.py complete 42 --quality 4

Automated Pipeline

# รัน full pipeline: extract → score → consolidate → report
python3 tools/pipeline.py

# preview ก่อน (ไม่เปลี่ยนแปลงข้อมูล)
python3 tools/pipeline.py --dry-run

# รันแค่ step เดียว
python3 tools/pipeline.py --step extract

Python API

from second_brain import SecondBrain
sb = SecondBrain()

# Capture
item = sb.capture("ไอเดียใหม่สำหรับ blog", item_type="idea", tags=["blog", "content"])

# Search
results = sb.search("trekking gear", limit=10)

# Decision
decision = sb.capture_decision(
    title="Migrate from CSV to PostgreSQL",
    problem="CSV files have race conditions",
    options=["Keep CSV", "SQLite", "PostgreSQL"],
    decision="PostgreSQL",
    rationale="Already running, supports concurrent access",
    decision_type="technical",
    review_days=90,
)

# Link decision to related items
sb.link_decision_to_items(decision['id'], [10, 15, 22])

# Stats
sb.stats()
sb.weekly_review()

Tips / เคล็ดลับ

1. Just talk naturally — พูดตามธรรมชาติ — Auto-capture ตรวจจับคำสำคัญจากบทสนทนาปกติ ไม่ต้องใช้คำสั่งพิเศษ
2. Use both languages — ใช้ได้ทั้งสองภาษา — คำสำคัญทำงานได้ทั้งไทยและอังกฤษ ใช้สลับได้
3. Tag generously — ใส่แท็กให้เยอะ — แท็กยิ่งมาก = ค้นหาได้ดีขึ้น
4. Review weekly — ทบทวนทุกสัปดาห์ — จัดการ inbox และทบทวนรายการที่ถึงกำหนดสม่ำเสมอ

สรุป

Second Brain with OpenClaw เป็นระบบที่ผมลองทำดูเพื่อจัดการความรู้ส่วนตัว ตั้งแต่ capture ข้อมูล, จัดหมวดหมู่ด้วย PARA, เชื่อมโยงด้วย Knowledge Graph, ทบทวนด้วย Spaced Repetition, ไปจนถึงบันทึก decisions ด้วย ADR format

จุดเด่นคือ ออกแบบมาให้ AI agent อย่าง OpenClaw ใช้งานได้ ไม่ใช่แค่ GUI app ที่คนต้องมานั่งจัดเอง แต่ให้ agent ช่วยจัดการ, ค้นหา, เชื่อมโยง, และทบทวนให้อัตโนมัติ

ทุกอย่าง open source, ใช้แค่ PostgreSQL + Python ไม่มี vendor lock-in, ข้อมูลเป็นของเราเอง 100% ครับ

ลองเอาไปใช้ดูครับ:

• ⭐ GitHub: Second-Brain-with-OpenClaw
• 📖 บทความก่อนหน้า: แนวคิด Second Brain + OpenClaw

ถ้ามี feedback, feature request, หรืออยากช่วยพัฒนาต่อ — เปิด issue หรือ PR ได้เลยครับ! 🙏

1. สัดส่วนของ following กับ follower มีผลกับ rank เช่น เราไปฟอลคนอื่นเยอะ แต่สักส่วนมีคนฟอลกลับน้อย เราจะถูกจัด rank ต่ำ
2. สมาชิกแบบ Twitter Blue ได้รับสิทธิ์พิเศษในการ boost algorithm ต่างๆ
3. อันนี้ กวนมากๆ คือ Twitter แบ่ง User ออกเป็น แค่ 4 กลุ่ม คือ
   • Power users
   • Democrat users
   • Republican users
   • @elonmusk
4. การที่ Tweet เราไปอยู่ในแท็บ “For You” ของใครสักคน จะเกิดจากพฤติกรรมที่เขาคนนั้นเคยทำประมาณนี้
   • like/RT your tweet
   • click into your tweet & reply/stay there for >2 mins
   • check out your profile
5. มีจัดอันดับความน่าเชื่อถือ หรือชื่อเสียงของ user ใน twitter (Reputation Score) ซึ่งการถูกลดอันดับ จะเกิดจากมีประวัติ เหล่านี้
   • Getting blocked
   • Getting muted
   • Abuse reports
   • Spam reports
   • Unfollows (not as heavily penalized as the above 4, though)

ข้ออื่นๆ ลองไปอ่านดู ใครแกะโค้ดได้ก็แกะดูครับ น่าสนใจมาก

Source Code : https://github.com/twitter/the-algorithm

โพสต์ต้นทาง https://twitter.com/steventey/status/1641892386564640768

Jitsi Meet Core Feature

• สามารถทำ Video Conferencing, Text Chat, Sip Call ได้
• รองรับการสนทนา (Chat) ได้มากถึง 32 คนพร้อมกันใน 1 ห้อง
• ทำงานได้แบบ Low-Latency ทั้งภาพและเสียง
• สามารถ Share Screen ได้
• บันทึกภาพและเสียงในการสนทนาได้ (Video Recording)
• ปรับความละเอียดของภาพ Video Conference ของตนเองได้
• Video Streaming ออกไปที่ Youtube ได้
• รองรับการส่งไฟล์ media ระหว่างกัน
• เป็น End-to-end encryption ระหว่างผู้สนทนา
• รองรับการใช้งานบนเว็บ Browser, Mobile Application, Desktop clients
• พัฒนาด้วยภาษา Java และใช้มาตรฐาน WebRTC
• เป็น Open Source

Jitsi Architecture Diagram

ตัว Jitsi เอง ประกอบด้วย Module หลายๆ ตัวประกอบกัน เพื่อให้สามารถทำงานเป็น Web Video Conference ได้ ดังนี้

• Jitsi Meet – เป็นหน้าเว็บไซต์ ทำงานกับ WebRTC ผ่าน JavaScript โดยเรียกใช้ Jitsi Videobridge เป็นโมดูลอีกตัวที่ทำเรื่องคุณภาพของภาพ, การสเกล video conferences. โดยตัวเว็บไซต์ใช้ React และ React Native ในการทำ
• Jitsi Videobridge (JVB) – เรียกว่าเป็นตัวหลักเลยก็ได้ ที่เป็นตัวรับสตรีมวีดิโอจากผู้สนทนาทุกคน จาก WebRTC มาตัว server
• Jitsi Conference Focus (jicofo) – โมดูลฝั่ง server-side ที่รับการทำงานจาก Jitsi Meet เพื่อจัดการเรื่อง sessions ต่างๆ ทำหน้าที่เหมือน load balancer ระหว่างผู้สนทนากับ Jitsi Videobridge
• Jitsi Gateway to SIP (jigasi) – โมดูลฝั่ง server-side ที่ทำงานเกี่ยวกับ SIP เพื่อใช้บน Jitsi Meet
• Jitsi Broadcasting Infrastructure (jibri) – เครื่องไม้เครื่องมือต่างๆ สำหรับการทำ Video Recording หรือ Streaming Video ที่รับมาจาก Jitsi Meet ในรูปแบบ virtual framebuffer โดยโมดูลนี้จะคอย Capture ภาพและเสียง จากนั้นไป Encode ด้วย ffmpeg ให้อีกที

Browser Compatible

เรียกว่ารองรับ Browser ได้เกือบครบ ยกเว้น Internet Explorer แต่ เดี๋ยวนี้เราก็คงไม่ค่อยได้ใช้กันแล้วมั้ง? ถึงขนาดที่ว่า ผู้พัฒนากล่าวติดตกตลกว่า “Are you serious?” ซีเรียสหรอ ถ้าจะใช้บน IE ไม่ได้? ฮ่าๆ

Self-Hosting Prerequisites

ในเอกสารไม่ได้บอกชัดเจน แต่ที่ผมทดสอบบน AWS EC2 แบบ free-tier (t2.micro) มี vCPU 1 Core และ Memory 1 GB ก็สามารถติดตั้ง และใช้งานได้ 4 ผู้สนทนา ใน 1 ห้อง สลับไป Share Screen ด้วย ก็ราบรื่นไม่ติดขัดครับ แต่ถ้าจะให้แนะนำก็ยืนพื้นที่มากกกว่าหน่อยจะดีกว่า

General

• สิทธิในการเข้าถึง Root ของ Web Server
• Sub/Domain name จริง
• SSL Certificate (ทำ self-signed certificate ใช้ทดสอบก่อนได้)

Web Server

• CPU 2 Cores +
• Memory 4GB + 
• Storage 100 GB 
• Dropbox for store record file at least 1 GB (สำหรับ Video Recording 1 ชั่วโมง ความละเอียด 1080p)

Operating System

• Debian 10 (Buster) or newer
• Ubuntu 18.04 (Bionic Beaver) or newer

Core Library

• Gnupg2
• Apache2 แตะแนะนำ Nginx ดีกว่าครับ
• OpenJDK-8 (ในคู่มือเว็บ official ไม่มีบอก แปลกเหมือนกัน)
• Certbot (Jitsi ต้องใช้ SSL เลยต้องมีไว้ใช้หน่อย)
• Prosody (ตัวที่ติดมาตอนผมลง jitsi-meet 2.0 มันเป็น version 0.10.1 แต่ทำงานไม่ได้ ต้องลงอัพเดทใหม่เป็น 0.11.10 ล่าสุด)

วิธีการติดตั้ง Jitsi Meet

ผมจะยืนพื้นจากเอกสาร Jiti Self-Hosting Guide – Debian/Ubuntu server นะครับ โดยไปดูคำอธิบายจากเอกสารนั้นได้ แต่ในโพสต์นี้ผมจะขอบันทึกลำดับการติดตั้ง และคำสั่งไว้ เผื่อเป็นประโยชน์และไว้ดูเองครั้งถัดไป

1. หลังสร้าง Server Debian/Ubunru มาใหม่ๆ ให้ทำการ update package ให้เรียบร้อย
   • sudo apt update
   • sudo apt-add-repository universe
   • sudo apt update
2. Set Hostname ของ Web Server
   • sudo hostnamectl set-hostname meet.example.com
3. เพิ่ม FQDN ใน /etc/hosts
   • x.x.x.x meet.example.com
4. เพิ่ม repository ของ Jitsi
   • curl https://download.jitsi.org/jitsi-key.gpg.key | sudo sh -c ‘gpg –dearmor > /usr/share/keyrings/jitsi-keyring.gpg’
   • echo ‘deb [signed-by=/usr/share/keyrings/jitsi-keyring.gpg] https://download.jitsi.org stable/’ | sudo tee /etc/apt/sources.list.d/jitsi-stable.list > /dev/null
   • sudo apt update
5. ติดตั้ง Core Library ซึ่งระบบของ Jitsi จะดูว่าตัวไหนเรามีแล้ว เขาจะไม่ติดตั้งซ้ำซ้อนกัน
   • sudo apt install apt-transport-https
   • sudo apt install gnupg2 nginx openjdk-8-jre
6. เปิด Port Firewall ทั้งใน Server เอง และอย่าลืม Security Group บน Cloud ด้วยนะ
   • sudo ufw allow 80/tcp
   • sudo ufw allow 443/tcp
   • sudo ufw allow 10000/udp
   • sudo ufw allow 22/tcp
   • sudo ufw allow 3478/udp
   • sudo ufw allow 5349/tcp
   • sudo ufw enable
7. ทำการติดตั้ง Jitsi Meet
   • sudo apt install jitsi-meet
   • ในขั้นตอนนี้จะมีให้กรอก Hostname ก็กรอกชื่อเดียวกับ ที่ตั้งไว้ในข้อ 2 เช่น meet.example.com
   • จากนั้นจะมีให้เลือก SSL Certificate ให้เลือกเป็น “Generate a new self-signed certificate”
8. ติดตั้ง Certbot ที่ทาง Jitsi เตรียมสคริ้ปติดตั้งไว้ให้
   • sudo /usr/share/jitsi-meet/scripts/install-letsencrypt-cert.sh
9. ลองทดสอบเข้าใช้งานดู ที่ https://meet.example.com ถ้าเข้าไม่ได้ ที่ผมเจอมักเป็นปัญหาที่ SSL ไม่ถูกต้อง
10. ถ้าเว็บใช้งานได้ดี สามาถเปิดห้องคุยได้ และมีคนแจมเข้ามา สามารถเห็นหน้าเห็นตากันได้ ก็จบ แต่ถ้ามองเห็นแต่หน้าตัวเอง และไม่เห็นหน้าของผู้เข้าร่วมสนทนาในห้อง ให้ทำการ Update Prosody ดังนี้
    • echo deb http://packages.prosody.im/debian $(lsb_release -sc) main | sudo tee -a /etc/apt/sources.list
    • wget https://prosody.im/files/prosody-debian-packages.key -O- | sudo apt-key add –
    • sudo apt-get update
    • sudo apt-get install prosody
11. Config Prosody
    • sudo vi /etc/prosody/prosody.cfg.lua
    • เติมข้อความ Include “conf.d/*.cfg.lua” ไว้ท้ายสุดของไฟล์
    • ถ้าเจอข้อความ VirtualHost “localhost” ให้ลบออกหรือทำคอมเม้นไว้โดยการเติม — ด้านหน้า
    • แก้ไฟล์ config ที่ทำงานกับเว็บ Jitsi โดยการ
      • vi /etc/prosody/conf.avail/meet.example.com.cfg.lua
      • ตรงไหนมีคำว่า storage = “none” ให้แก้เป็น storage = “memory” ทั้งหมด
12. ลองทดสอบเข้าใช้งานดูใหม่อีกครั้ง ที่ https://meet.example.com

ทดสอบ Jitsi Meet

สรุป

บทจะติดตั้งง่ายก็ง่าย จะยากก็ยาก ซึ่งที่ยาก เพราะ Document อธิบายไม่ค่อยครบถ้วน ในหลายบทก็ไม่มีเขียนบอกไว้ ต้องอาศัยการเข้าไปอ่านการแก้ปัญหาใน Comunity แทน และปัญหาส่วนมากที่เจอตอนติดตั้งเป็นเรื่องของ Network ดังนั้นต้อง Debug ไฟล์ log ทั้ง Jitsi, Nginx, Syslog ดีๆ ว่ามี Error อะไรไหมนะครับ

ส่วนการใช้งาน ในส่วนตัวผม ผมค่อนข้างพอใจนะ สำหรับระบบ Open Source ที่ทำงานได้ดีและครบถ้วนพอๆกับ ยี่ห้อดังๆ เลย

อ้างอิง

• Self-Hosting Guide – Debian/Ubuntu server
• [How to] How do I update Prosody?