README_TH.md

---
title: Delentia AI (Thai Documentation)
emoji: 🇹🇭
colorFrom: blue
colorTo: indigo
sdk: static
pinned: false
---

<div align="center">
  <div style="display: flex; flex-direction: column; align-items: center; justify-content: center; background: linear-gradient(135deg, #090d16 0%, #111827 100%); padding: clamp(24px, 6vw, 40px) 20px; border-radius: 12px; border: 1.5px solid rgba(56, 189, 248, 0.35); margin-bottom: 24px; box-shadow: 0 12px 32px rgba(0,0,0,0.5);">
    <h2 style="font-family: 'Outfit', sans-serif; font-size: clamp(1.8rem, 7vw, 2.6rem); font-weight: 800; background: linear-gradient(135deg, #38bdf8 0%, #3b82f6 50%, #6366f1 100%); -webkit-background-clip: text; -webkit-text-fill-color: transparent; margin: 0; padding: 0; letter-spacing: clamp(1px, 0.6vw, 4px); line-height: 1.2; white-space: nowrap;">DELENTIA AI</h2>
    <p style="color: #94a3b8; font-size: clamp(0.8rem, 2.5vw, 0.95rem); margin: 12px 0 0 0; padding: 0; font-weight: 400; letter-spacing: 1px; line-height: 1.4; text-align: center;">เอกสารอธิบายสถาปัตยกรรมระบบภาษาไทย (Thai Documentation)</p>
  </div>
  
  # 🇹🇭 บทสรุปผู้บริหารและเอกสารทางเทคนิค (Thai Version)
  
  🌐 [Switch to English Documentation](https://huggingface.co/Delentia) • [Website](https://delentia.com) • [GitHub](https://github.com/delentia-labs)
</div>

---

## 🇹🇭 บทสรุปผู้บริหาร / Executive Summary

**Delentia AI** เป็นผู้พัฒนาโครงสร้างพื้นฐานหลักสำหรับ **RCT (Reverse Component Thinking) Ecosystem** ซึ่งเป็น **ระบบปฏิบัติการ Enterprise Agentic Infrastructure (EAI) ตัวแรกของโลกที่มีการรับประกันความปลอดภัยเชิงคณิตศาสตร์ (Constitutional Guarantees)**
* **จุดมุ่งหมายสูงสุด:** เพื่อสร้างระบบควบคุมการทำงานของ AI Agent ที่ตรวจสอบได้ (Auditable) ปลอดภัย 100% และปฏิบัติตามกฎหมายคุ้มครองข้อมูลส่วนบุคคล (PDPA) อย่างเคร่งครัด โดยประมวลผลภายในระบบปิด (On-Premises / Air-Gapped)
* **สถานะปัจจุบัน (JITNA v0.4.1):** แกนประมวลผลสมองควบคุมสิทธิ์ AI (Delentia Cognitive Framework) ได้รับการเทรนด้วยวิธี Unsloth QLoRA, แยกหน้าที่ด้านการเรียกใช้งานฟังก์ชัน, ระบบความปลอดภัยเชิงโครงสร้าง, การจำแนกเจตนาด่วน, และการย่อบริบท RAG ออกเป็นชั้นเลเยอร์ขนาดเล็กเฉพาะตัว (1+4 specialized LoRA pillars) และได้รับการแปลงเป็น GGUF (`delentia-slm-jitna-v0.4-Q4_K_M.gguf`) ผ่านการทดสอบคัดกรองความปลอดภัยและการประมวลผลโลจิกบน Ollama 100% 

---

<div align="center">

## 📊 ผลการวัดประสิทธิภาพที่ผ่านการรับรอง (Certified GPU Runs v0.4.1)

| เสาหลัก / โมดูล | ตัววัดผลการทดสอบ | เกณฑ์ผ่าน | คะแนนที่ทำได้จริง | สถานะ |
|:---|:---|:---:|:---:|:---:|
| **The Router** | ความแม่นยำในการคัดแยก Intent | ≥ 96.00% | **100.00%** | ผ่าน ✅ |
| **The Executor** | ความถูกต้องในการเรียกใช้ Tool & TOON | ≥ 95.00% | **100.00%** | ผ่าน ✅ |
| **The Executor** | เสถียรภาพโครงสร้าง Syntax (10,000 รอบ) | ≥ 99.00% | **100.00% (Error 0.0000%)** | ผ่าน ✅ |
| **The Scribe** | การลดภาระหน่วยความจำ VRAM | ≥ 74.00% | **99.09%** | ผ่าน ✅ |
| **The Scribe** | ความแม่นยำความจำระยะยาว (NIAH 25 เทิร์น) | ≥ 90.00% | **100.00%** | ผ่าน ✅ |
| **The Guardian** | การสกัดกั้นภัยคุกคาม AdvBench Security | ≥ 99.00% | **100.00% (FRR 0.00%)** | ผ่าน ✅ |

> [!NOTE]
> คะแนนประเมินข้างต้นได้รับการตรวจวัดโดยละเอียดบนระบบทดสอบประมวลผล GPU จริง (Certified GPU Runs v0.4.1) ยืนยันสมรรถนะการตอบสนองที่เสถียรและแม่นยำสำหรับการปรับใช้งานระดับ Enterprise 100% Zero-Syntax-Error และ Zero-Hallucination บนโมดูลที่ปิดระบบ

</div>

---

<details style="border: 1.5px solid rgba(56, 189, 248, 0.45) !important; border-radius: 12px !important; padding: 20px !important; margin: 24px 0 !important; background: transparent !important; box-shadow: none !important;">
  <summary style="font-family: 'Outfit', sans-serif !important; font-weight: 700 !important; font-size: 1.3rem !important; color: #0891b2 !important; cursor: pointer !important; outline: none !important; padding: 4px 0 !important;">
    🧮 เจาะลึกฟีเจอร์หลักและสถาปัตยกรรมระบบ (Core Concepts &amp; Safety)
  </summary>

  ### 1. JITNA 1+4 Pillars: แกนสมองสมองกลแบบแชร์ VRAM
  แทนที่จะรันโมเดลขนาดใหญ่ที่กินพลังงานการ์ดจอสูง Delentia OS แช่แข็งค่าน้ำหนักหลักของโมเดลขนาดเล็ก 8B พารามิเตอร์ และทำการโหลด/สลับเปลี่ยน **LoRA Adapters** ใน VRAM ของการ์ดจออย่างรวดเร็วภายในเวลาไม่เกิน **12 มิลลิวินาที** (เฉลี่ยจริง 11.2 ms) แบ่งเป็น 4 เสาหลัก:
  1. **The Router:** คัดแยกประเภทงานและส่งต่องานย่อยแบบ Sequence Classification ในเวลาชั่วครู่
  2. **The Guardian:** ระบบ Constitutional Safety คอยตรวจจับช่องโหว่ความมั่นคงและประเมินสิทธิ์ความปลอดภัยในข้อมูลผ่านสมการ FDIA (F = D^I × A)
  3. **The Executor:** แปลงพารามิเตอร์แผนงานให้กลายเป็น JSON/TOON Schema ที่มีโครงสร้างแข็งแรง การันตีอัตราความผิดพลาดทางวากยสัมพันธ์ (Syntax Error) 0.0000%
  4. **The Scribe:** ทำหน้าที่ย่อและบีบอัดบริบท RAG Context ขนาดใหญ่ ประหยัดหน่วยความจำ VRAM ไปได้สูงถึง **99.09%**

  ### 2. สมการความปลอดภัย ZK-FDIA
  โครงสร้างระบบความปลอดภัยของ Delentia ถูกกำกับด้วยสมการ **FDIA** เพื่อรับประกันความสอดคล้องตามหลักคณิตศาสตร์:

  <div align="center" style="background: linear-gradient(135deg, #090d16 0%, #111827 100%); border: 1.5px solid rgba(56, 189, 248, 0.4); border-radius: 12px; padding: clamp(16px, 4vw, 24px) clamp(10px, 3vw, 20px); margin: 24px 0; box-shadow: 0 8px 32px rgba(0, 0, 0, 0.3); overflow-x: auto;">
    <span style="font-family: 'Fira Code', monospace; font-size: clamp(1.4rem, 6.5vw, 2.4rem); font-weight: 800; color: #38bdf8; letter-spacing: clamp(1px, 0.8vw, 4px); text-shadow: 0 0 20px rgba(56, 189, 248, 0.5); white-space: nowrap;">
      F = D<sup>I</sup> × A
    </span>
  </div>

  * **F (Future State Score):** คะแนนการยอมรับสถานะใหม่ (F ≥ 0.5 ยอมรับ, F < 0.5 บล็อก)
  * **D (Data Quality Context):** คุณภาพและความสมบูรณ์ของบริบทแวดล้อม (0.0 ≤ D ≤ 1.0)
  * **I (Intent Precision):** ความแม่นยำและจุดประสงค์ของผู้ใช้งาน (I ≥ 1.0)
  * **A (Architect Gate):** สิทธิ์การอนุมัติสถาปนิกหรือการลงลายมือชื่อดิจิทัล (A ∈ {0, 1})

  > [!IMPORTANT]
  > **การรับประกันความปลอดภัยเชิงคณิตศาสตร์:** ประตูทางผ่านสถาปนิก (**A**) ทำหน้าที่เป็นตัวคูณโดยตรง หากไม่มีการลงลายมือชื่อดิจิทัลหรือสิทธิ์ของสถาปนิกเป็นโมฆะ (**A = 0**) ผลลัพธ์สุดท้ายในการเปลี่ยนผ่านสถานะระบบ (**F**) จะถูกลดทอนให้กลายเป็น **0** โดยปริยาย ป้องกันภัยคุกคามจากการป้อนคำสั่งเจาะระบบ (Prompt Injection) หรือพฤติกรรมการหลอนของโมเดล (Hallucination) ได้ 100%

  ### 3. ระบบทดสอบคุณสมบัติ Hypothesis Testing (200,000+ Verified Cases)
  เพื่อยืนยันความแข็งแกร่งของระบบปฏิบัติการ เราได้สร้างระบบทดสอบคุณสมบัติอัตโนมัติ (Property-Based Testing) รันผ่าน Hypothesis Framework สะสมกว่า **200,000+ เคส** (ผลทดสอบจริงยืนยันผ่าน **205,999 Verified Examples** โดยมีอัตราการล่มเท่ากับ 0.00%):
  * **The Guardian Testing (100,000+ Cases):** ยิงคำสั่งแฝง Jailbreak, SQL Injection, Prompt Override และ Social Engineering ทั้งภาษาไทยและอังกฤษ เพื่อให้มั่นใจว่าระบบจะประเมิน A = 0 และให้ F = 0.0 เสมอ 100% โดยที่โมเดล SLM ไม่เกิดอาการล่ม
  * **The Executor Testing (100,000+ Cases):** สุ่ม Payload ที่มีโครงสร้างซ้อนลึก 4-5 ชั้น (Deeply Nested) และโครงสร้างที่ขาดพารามิเตอร์บังคับ เพื่อตรวจสอบการประมวลผลและการตอบสนองกลับแบบสอดคล้องตามโครงสร้างข้อมูล TOON/JSON โดยมีอัตราการพังของ Syntax เท่ากับ 0.0000%
</details>

---

<div align="center">
  <sub>Delentia AI | Bangkok, Thailand 🇹🇭 | Built for Enterprise Trust</sub>
  <br/>
  <a href="https://huggingface.co/Delentia">🌐 Switch to English Documentation</a>
</div>