Forem: Garudust

Cron & Scheduled Tasks in Garudust Agent — Autonomous Agents That Run Without You

Garudust — Thu, 21 May 2026 07:17:45 +0000

Most AI agents wait. They sit idle until a human types something, respond, then go back to waiting.

Garudust Agent can be different. With garudust-cron, you schedule tasks using standard cron syntax — the agent wakes up, runs a full LLM loop with all its tools, and goes back to sleep. No human required.

This post shows you exactly how to configure it, with the correct syntax pulled straight from the source.

How It Works

garudust-cron is a crate within the Garudust workspace. When a scheduled trigger fires, it calls agent.run(task) — the same code path as a user typing a message. The agent has access to all its configured tools: file read/write, terminal, RAG, web search, and anything else you've enabled.

Cron runs as part of garudust-server. There is no separate daemon.

Three Ways to Set Up Cron Jobs

1. `config.yaml` — Permanent, survives restarts

# ~/.garudust/config.yaml
cron:
  jobs:
    - schedule: "0 0 9 * * 1-5"   # weekdays at 09:00 (server timezone)
      task: "Write a morning briefing and append it to ~/briefing.md"

    - schedule: "0 0 18 * * 5"    # Fridays at 18:00
      task: "Summarise this week's git commits and save to ~/weekly.md"

CronJob has exactly two fields: schedule and task. Nothing else.

schedule uses 6-field cron syntax (seconds first):

┌───────── second (0–59)
│ ┌─────── minute (0–59)
│ │ ┌───── hour (0–23)
│ │ │ ┌─── day of month (1–31)
│ │ │ │ ┌─ month (1–12)
│ │ │ │ │ ┌ day of week (0–6, Sun=0)
│ │ │ │ │ │
0 0 9 * * 1-5

Timezone follows the server process — set your system timezone before starting garudust-server if needed.

2. CLI flag or environment variable — One-off / Docker

# CLI flag — comma-separated "cron_expr=task" pairs
garudust-server --cron-jobs "0 0 9 * * *=Write morning briefing,0 0 18 * * 5=Weekly summary"

# Or via environment variable in ~/.garudust/.env
GARUDUST_CRON_JOBS="0 0 9 * * *=Write morning briefing"

These take precedence over config.yaml when both are set.

3. Runtime via chat — No restart needed

Once the server is running, you (or any admin) can create jobs live by asking the agent:

You:   Create a cron job that runs every day at 7am to check disk usage
       and send me an alert if any partition is above 80%.

Agent: [uses cron_create tool]
       Created cron job 'disk_check' with schedule: 0 0 7 * * *

Note: cron_create uses 6-field cron syntax (seconds first): sec min hour dom month dow
Same format as config.yaml.

Format	Where used	Example
6-field	everywhere (`config.yaml`, `--cron-jobs`, env var, `cron_create`)	`0 0 9 * * 1-5`

Runtime jobs are not persisted — they disappear on server restart. Add them to config.yaml for permanent schedules.

Manage runtime jobs:

You:   List all active cron jobs.
Agent: - [disk_check]  schedule: 0 0 7 * * *  task: Check disk usage...  created: 2025-05-21 07:00 UTC

You:   Delete the disk_check job.
Agent: Cron job 'disk_check' removed.

Memory Maintenance (Bonus)

CronConfig has two extra fields specifically for automatic memory housekeeping:

cron:
  jobs:
    - schedule: "0 0 9 * * *"
      task: "Morning briefing"

  # Consolidate and deduplicate memory entries
  memory_consolidation: "0 0 3 * * *"   # daily at 03:00

  # Expire stale memory entries (based on memory_expiry settings)
  memory_expiry: "0 0 4 * * 0"          # weekly on Sunday at 04:00

These run lightweight maintenance tasks — no LLM call required.

Practical Examples

Morning Briefing

cron:
  jobs:
    - schedule: "0 0 8 * * 1-5"
      task: >
        Write a morning briefing covering: (1) any new files in ~/inbox/,
        (2) a summary of yesterday's ~/logs/app.log errors,
        (3) today's date and day of week.
        Save the result to ~/briefing/$(date +%Y-%m-%d).md.

Log Monitoring

cron:
  jobs:
    - schedule: "0 */15 * * * *"   # every 15 minutes
      task: >
        Check /var/log/app/error.log for entries in the last 15 minutes.
        If there are more than 10 errors, append a summary to ~/alerts/errors.log.

Weekly Git Summary

cron:
  jobs:
    - schedule: "0 0 17 * * 5"   # Fridays at 17:00
      task: >
        Run git log --since="1 week ago" --oneline in ~/project/,
        summarise what changed by area, and save to ~/reports/weekly.md.

Sending Results to Telegram

Cron jobs have no built-in delivery mechanism — the agent writes to files or uses tools. To send to Telegram, write it into the task prompt:

cron:
  jobs:
    - schedule: "0 0 9 * * *"
      task: >
        Write a morning briefing (top 3 priorities for today, weather summary).
        Then send it to Telegram chat ID 123456789 using the send_message tool.

The agent calls send_message itself. The chat ID must be hardcoded in the task or retrievable from a file the agent can read.

Disabling Cron Tools

If you want to prevent the agent from creating or deleting jobs at runtime, disable the toolset:

disabled_toolsets: [cron]

Config-file jobs still run — only the cron_create / cron_list / cron_delete runtime tools are disabled.

Summary

	`config.yaml`	`--cron-jobs` / env var	Runtime (`cron_create`)
Cron syntax	6-field	6-field	6-field
Persists across restarts	✅	❌	❌
Requires restart to activate	✅	✅	❌
`cron_list` shows it	❌	❌	✅

Start with config.yaml for anything you want running reliably. Use runtime jobs for experiments or tasks you only need for the current server session.

Garudust Agent — GitHub · Releases

Chat With Your Documents Using Garudust Agent — No Vector Database Required

Garudust — Thu, 21 May 2026 06:47:49 +0000

Most RAG tutorials start the same way: "First, install a vector database…" Then come the embedding models, the chunking strategies, the similarity thresholds. By the time you can ask a question about a PDF, you've deployed three services and written 200 lines of boilerplate.

Garudust Agent takes a different path. RAG is built in — backed by SQLite FTS5 with a trigram tokenizer. No vector database. No embedding API calls. Drop a PDF (or TXT, CSV, Markdown, JSON) into the conversation and start asking questions in seconds.

How It Works

When you ingest a document, Garudust:

Extracts text (native PDF parser, no external tools)
Splits it into chunks (≤ 800 chars, paragraph-aware)
Indexes chunks into an FTS5 virtual table with tokenize = 'trigram'

When you ask a question, doc_search runs a full-text query against the index and feeds the top matching chunks to the LLM as context. That's the whole pipeline — one SQLite file at ~/.garudust/state.db.

The trigram tokenizer means it works on any language, including Thai, Chinese, and Japanese, without any tokenizer configuration.

Setup

RAG is enabled by default. The only thing you need to configure is which directories the agent is allowed to read from:

# ~/.garudust/config.yaml
security:
  allowed_read_paths:
    - /home/you/documents
    - /data/company-docs

That's it. If you want to turn RAG off entirely:

disabled_toolsets: [rag]

Your First Ingestion

Start the CLI:

garudust

Then tell the agent to ingest a file:

You: ingest /home/you/documents/employee-handbook.pdf

Agent: Indexed employee-handbook.pdf — 47 chunks ready for search.
       Preview: "This handbook outlines the policies and procedures for all employees…"

Now ask anything:

You: What is the remote work policy?

Agent: According to the employee handbook, remote work is permitted up to 3 days per week
       for roles that do not require on-site presence. Employees must notify their manager
       at least 24 hours in advance and maintain availability during core hours (10am–4pm).

The Four RAG Tools

Tool	What it does
`doc_ingest`	Extract and index a file (PDF, TXT, CSV, MD, JSON…)
`doc_search`	Full-text search across all ingested documents
`doc_list`	List all indexed documents with chunk count and timestamp
`doc_forget`	Remove one file or clear the entire index

You never call these directly — the agent decides when to use them based on your question. But knowing they exist helps you understand what's happening.

Re-ingesting a file

If a document changes, just ingest it again. The old index for that path is replaced automatically.

Forgetting a document

You: Remove the Q1 report from the index.
Agent: Document removed from index.

Or clear everything:

You: Clear all indexed documents.
Agent: Removed 5 document(s) from index.

FTS5 Query Syntax

doc_search supports full FTS5 syntax, which the agent uses automatically when your question benefits from it:

Syntax	Example
AND (default)	`remote work policy`
Phrase	`"annual leave"`
OR	`vacation OR leave`
NOT	`policy NOT contractor`
Prefix	`terminat*`

You don't need to write FTS5 queries yourself — the agent figures this out. But if you want to guide it:

You: Search for "termination clause" in the contract documents.

Real-World Use Cases

1. Company Knowledge Base

Ingest your onboarding docs, SOPs, and internal wikis. New team members can ask questions in plain language instead of searching through Confluence.

You: ingest /docs/sop-release-process.md
You: What approvals are needed before a hotfix can go to production?

2. Contract and Legal Review

You: ingest /legal/vendor-agreement-2025.pdf
You: Does this contract include a limitation of liability clause? What is the cap?

3. Log Analysis

Ingest a log file and ask questions without writing grep patterns:

You: ingest /var/log/app/error.log
You: Which service caused the most errors in the last hour?
You: Are there any database connection timeouts?

4. Codebase Documentation

You: ingest /project/docs/api-reference.md
You: What parameters does the /auth/refresh endpoint accept?

Ingesting Files Sent via Telegram or LINE

If you're running garudust-server with a messaging platform, users can send files directly to the bot. Attachments are automatically saved to a temporary path and can be ingested on request:

User sends: quarterly-report.pdf (attached)

Agent: I received your file. Would you like me to index it for search?

User: yes

Agent: Indexed quarterly-report.pdf — 83 chunks ready.
       Preview: "Q1 2025 Financial Summary — Total Revenue: $4.2M…"

User: What was the gross margin for Q1?
Agent: According to the report, gross margin for Q1 2025 was 61.3%,
       up from 58.9% in Q4 2024.

Platform attachments (files from Telegram, LINE, Discord, etc.) are always allowed regardless of allowed_read_paths, since they're written to /tmp/garudust_* by the platform adapter.

Multiple Documents at Once

You can ingest multiple files and search across all of them in the same session:

You: ingest /docs/policy-2024.pdf
You: ingest /docs/policy-2025.pdf
You: What changed in the travel expense policy between 2024 and 2025?

The agent searches both documents and synthesizes the differences.

Check what's indexed at any time:

You: What documents have you indexed?

Agent: 2 documents indexed:
       - policy-2024.pdf | 34 chunks | ingested 2025-05-21 09:14
       - policy-2025.pdf | 38 chunks | ingested 2025-05-21 09:15

Limitations

No semantic search — FTS5 is keyword/trigram matching, not embedding similarity. If the document says "annual leave" and you ask about "vacation days," the agent bridges this with its language understanding, but results depend on the LLM's reasoning.
Session-scoped by default — The index persists in state.db, but searches are scoped to the current conversation key. Starting a new session means re-ingesting if you want to query the same files.
Text-only — Images, tables, and charts inside PDFs are not extracted. Text content only.

Summary

	Garudust RAG	Vector DB approach
Setup	One config line	Vector DB + embedding API
Storage	SQLite (single file)	Separate service
Languages	Any (trigram)	Depends on embedding model
Cost	Zero (no embedding calls)	Per-token embedding cost
Search type	FTS5 keyword + LLM reasoning	Semantic similarity

Garudust's RAG won't replace a purpose-built vector search pipeline for large-scale production retrieval. But for a developer who wants to ask questions about their documents right now — without running a second service — it's the fastest path from PDF to answer.

Garudust Agent — GitHub · Releases

ให้ AI พูดภาษาไทยได้ด้วย Garudust Agent + iApp TTS

Garudust — Tue, 19 May 2026 02:29:43 +0000

ถ้าคุณใช้ Garudust Agent อยู่แล้ว การเพิ่มความสามารถให้ AI พูดภาษาไทยออกมาเป็นเสียง ทำได้ในไม่กี่ขั้นตอน — ไม่ต้องแก้โค้ดใด ๆ เพราะ Garudust มีระบบ script tool ที่ pluggable อยู่แล้ว

TTS คืออะไร และทำไมต้อง iApp

TTS (Text-to-Speech) คือการแปลงข้อความเป็นเสียงพูด เหมาะกับ use case เช่น

ตอบกลับผู้ใช้ด้วยเสียงแทนข้อความบน LINE / Telegram
สร้างไฟล์เสียงสำหรับ podcast / narration อัตโนมัติ
Accessibility — ผู้ใช้ที่อ่านหน้าจอยาก

iApp Technology เป็นบริษัทไทยที่มี TTS API รองรับภาษาไทยโดยเฉพาะ เสียงฟังเป็นธรรมชาติ รองรับสูงสุด 10,000 ตัวอักษรต่อ request คิดค่าใช้จ่าย 1 IC ต่อ 400 ตัวอักษร สมัครได้ที่ iapp.co.th

ขั้นตอนที่ 1 — ติดตั้ง tts tool จาก Hub

Garudust มี Hub รวม script tool ให้ install ได้ทันที

garudust tool install tts

ระบบจะดึง tool.yaml และ run.py มาไว้ที่ ~/.garudust/tools/tts/ และ register ใน registry อัตโนมัติ

ขั้นตอนที่ 2 — เพิ่ม Provider Profile ใน config.yaml

Garudust ใช้ระบบ provider profile จัดการ API endpoint และ key — ไม่ต้อง hardcode ใน script

เปิด ~/.garudust/config.yaml แล้วเพิ่ม:

providers:
  # ... providers ที่มีอยู่แล้ว ...
  tts-iapp:
    url: https://api.iapp.co.th/v3/store/audio/tts
    key: ${IAPP_API_KEY}

tools:
  tts:
    model: tts-iapp   # ชี้ไปที่ profile ข้างบน

Garudust จะ inject GARUDUST_BASE_URL และ GARUDUST_API_KEY เข้า script อัตโนมัติตอน runtime

ขั้นตอนที่ 3 — เพิ่ม API Key ใน .env

# ~/.garudust/.env
IAPP_API_KEY=iapp_live_xxxxxxxxxxxxxxxx

รับ key ได้จาก iapp.co.th/dashboard

ทดสอบผ่าน CLI

garudust "ใช้ tts tool แปลงข้อความว่า สวัสดีครับ ผมคือ Garudust ผู้ช่วย AI ของคุณ แล้วบอก path ไฟล์ที่ได้"

ผลลัพธ์:

สร้างไฟล์เสียงสำเร็จ
เสียงอยู่ที่: /tmp/tts_88b5bba372dd41a7acc7e37ea75df89b.wav

เปิดฟัง:

open /tmp/tts_88b5bba372dd41a7acc7e37ea75df89b.wav

เบื้องหลัง — run.py ทำงานยังไง

iApp TTS API คืน raw PCM มาโดยไม่มี WAV header ดังนั้น run.py จัดการ wrap header ให้เอง:

def pcm_to_wav(pcm: bytes, sample_rate: int = 24000, channels: int = 1, bits: int = 16) -> bytes:
    byte_rate   = sample_rate * channels * bits // 8
    block_align = channels * bits // 8
    data_size   = len(pcm)
    header = struct.pack(
        "<4sI4s4sIHHIIHH4sI",
        b"RIFF", 36 + data_size, b"WAVE",
        b"fmt ", 16,
        1, channels, sample_rate, byte_rate, block_align, bits,
        b"data", data_size,
    )
    return header + pcm

ผลที่ได้คือ RIFF WAV 16-bit mono 24kHz — เปิดได้กับทุก audio player

เปลี่ยน Provider ได้ทันทีโดยไม่แตะโค้ด

นี่คือจุดแข็งของ Garudust provider profile — ถ้าอยากลอง provider อื่นเช่น AIS หรือ local model แค่เพิ่ม profile และเปลี่ยน tools.tts.model บรรทัดเดียว:

providers:
  tts-ais:
    url: https://your-ais-tts-endpoint/api/tts
    key: ${AIS_TTS_API_KEY}

tools:
  tts:
    model: tts-ais   # เปลี่ยนแค่นี้

run.py ไม่ต้องแตะเลย เพราะอ่าน GARUDUST_BASE_URL และ GARUDUST_API_KEY จาก profile เสมอ

ขั้นต่อไปที่ทำได้

LINE voice message — เพิ่ม OutboundMessage::Audio ใน Garudust core แล้วส่งไฟล์ WAV เป็น voice message บน LINE ได้เลย
Auto TTS reply — สั่งให้ agent เรียก tts ทุกครั้งที่ตอบ โดย inject ใน system prompt
Speaker selection — iApp มีหลายเสียง ตั้ง TTS_SPEAKER_ID ใน .env เพื่อเลือกเสียงที่ชอบ

สรุป

ขั้นตอน	คำสั่ง
ติดตั้ง tool	`garudust tool install tts`
เพิ่ม profile	แก้ `config.yaml`
เพิ่ม key	แก้ `~/.garudust/.env`
ใช้งาน	สั่ง agent พูดภาษาไทย

Garudust Agent เป็น open source ที่ github.com/garudust-org/garudust-agent — ติดตามหรือ contribute ได้เลย 🦅

10 Things You Can Do With Logs Using Garudust Agent 🦅

Garudust — Mon, 18 May 2026 08:11:41 +0000

10 Things You Can Do With Logs Using Garudust Agent 🦅

Most developers treat logs the same way: something breaks, you grep for errors, squint at timestamps, and piece together what happened. That's table stakes.

Garudust Agent is a self-hostable AI agent runtime written in Rust. Pair it with the log-analyst skill from garudust-hub, and your logs become something you can talk to — and that can act on your behalf.

Here are 10 things you can do that go well beyond grepping for ERROR.

Setup in 60 Seconds

# Install
wget -qO- https://github.com/garudust-org/garudust-agent/releases/latest/download/garudust-$(uname -m)-unknown-linux-musl.tar.gz | tar -xz
sudo mv garudust garudust-server /usr/local/bin/

# Configure (picks your LLM provider)
garudust setup

# Install the log skill
garudust skill install log-analyst

Local GPU? Skip the API entirely:

export VLLM_BASE_URL=http://localhost:8000/v1
export GARUDUST_MODEL=Qwen/Qwen3-8B-AWQ

1. 🕵️ Explain Why an Incident Happened

grep finds what. Garudust explains why.

garudust "read /var/log/app.log around 2025-05-14 03:22:00 ±10 minutes.
Reconstruct the chain of events that led to the service crash.
What was the root cause?"

The agent reads the surrounding context — not just the error line — and builds a timeline:

Timeline reconstruction:
  03:14:22 — Memory usage crossed 80% threshold (first warning)
  03:19:05 — DB connection pool exhausted (upstream pressure)
  03:21:58 — Request queue backed up, workers stalled
  03:22:11 — OOM killer terminated process (root cause)

Root cause: sustained traffic spike + connection pool too small for load
Recommendation: increase pool size from 10 → 25, add circuit breaker

2. 📊 Generate a Weekly Incident Report

Stop writing incident summaries by hand.

garudust "read /var/log/app.log for the past 7 days.
Generate a weekly incident report with:
- Total error count by day
- Top 5 recurring error types
- Mean time between incidents
- Any worsening trends
Format as Markdown."

Pipe it to a file, commit it, send it to Slack — whatever fits your workflow:

garudust "weekly incident report from /var/log/app.log" > reports/week-$(date +%V).md

3. 🔁 Detect Crash Loops Before They Become Outages

A service that restarts every 4 minutes isn't down — your uptime monitor won't catch it. But Garudust will.

garudust "scan /var/log/syslog for the last 2 hours.
Detect any process that has started and stopped more than 3 times.
Flag it as a crash loop candidate with restart intervals."

⚠️  CRASH LOOP DETECTED: api-worker
    Restarts in last 2h: 7
    Average interval: 16 minutes
    Last restart: 10 minutes ago
    Pattern: always crashes ~2 min after start (initialization failure likely)

4. 🌡️ Baseline "Normal" and Alert on Deviations

What if you don't know what an anomaly looks like — only that something feels off?

garudust "compare /var/log/nginx/access.log from last Monday vs this Monday,
same time window 09:00–12:00.
What's statistically different? Flag anything that deviates by more than 2x."

Garudust doesn't need pre-defined rules. It compares distributions and reasons about what changed:

Deviations vs. last Monday baseline:
  • 4xx error rate: 0.3% → 4.1%  (13.7x increase) ⚠️
  • Avg response time: 120ms → 380ms  (3.2x increase) ⚠️
  • /api/search endpoint: 2% → 31% of traffic  (unusual spike)

Hypothesis: new client or bot hitting /api/search aggressively

5. 🔒 Audit Security Events

Spot brute force attempts, suspicious IPs, and unusual access patterns.

garudust "analyze /var/log/auth.log from the last 24 hours.
Find:
- Failed login attempts > 5 from the same IP
- Successful logins from IPs with prior failures
- Any logins at unusual hours (outside 08:00–20:00 local time)
- New user accounts created
Summarize as a security audit."

🔴 Brute Force Attempt:
   IP: 185.234.xx.xx — 847 failed SSH attempts in 3 hours
   ⚠️  This IP succeeded once at 03:41 — INVESTIGATE IMMEDIATELY

🟡 Off-hours Logins:
   user: deploy  — login at 02:14 from 10.0.1.55 (internal, but unusual)

6. 📈 Build a Performance Degradation Timeline

Know exactly when things started slowing down — not just that they're slow now.

garudust "read /var/log/app.log for the past 30 days.
Plot response time trends by week.
Identify the exact date when p95 latency started increasing.
What changed around that time in the logs?"

This is invaluable for debugging regressions that crept in silently over weeks.

7. 🤖 Auto-Remediate Known Issues

Garudust has a terminal tool. Combine log analysis with action.

garudust "check /var/log/app.log — if you see more than 20 'disk quota exceeded'
errors in the last hour, run: find /tmp -mtime +1 -delete
then report how many files were removed and current disk usage."

Or for a service restart:

garudust "monitor /var/log/api.log — if the error rate exceeds 15% over 5 minutes,
run: sudo systemctl restart api-service
and report what you did and why."

Note: Garudust's GARUDUST_APPROVAL_MODE defaults to smart — it will ask before running destructive commands. Set to auto only in controlled environments.

8. 🔍 Trace a Single Request Across Services

Distributed systems scatter a single user request across multiple log files. Garudust can stitch them back together.

garudust "find all log entries related to request_id=a3f9c2b1 across these files:
/var/log/gateway.log
/var/log/auth-service.log
/var/log/api.log
/var/log/db-proxy.log
Build a complete trace timeline with latency at each hop."

Request trace: a3f9c2b1
  00ms  gateway.log      — request received, routed to auth
  12ms  auth-service.log — token validated
  13ms  api.log          — handler invoked
  891ms api.log          — ⚠️ waiting on DB (unusually long)
  903ms db-proxy.log     — query executed (full table scan detected)
  905ms gateway.log      — response returned  total: 905ms

9. 📝 Generate a `CHANGELOG` from Deploy Logs

If your deploy pipeline writes structured logs, you can generate changelogs automatically.

garudust "read /var/log/deploy.log for this month.
Extract all deployments: service name, version, timestamp, who deployed.
Format as a CHANGELOG grouped by week, in Keep a Changelog style."

## [Week 20] — 2025-05-12 to 2025-05-18

### Deployed
- **api-service** v2.4.1 — 2025-05-14 10:32 (alice)
- **worker** v1.9.0 — 2025-05-16 14:15 (bob)
- **gateway** v3.1.2 — 2025-05-17 09:00 (alice)

10. ⏰ Schedule All of the Above

Everything above can run automatically on a cron schedule — no extra infrastructure needed.

TELEGRAM_TOKEN=your_token \
GARUDUST_CRON_JOBS="
0 9 * * 1=Read /var/log/app.log last 7 days, generate weekly incident report, send to telegram;
*/15 * * * *=Check /var/log/app.log last 15 minutes for crash loops or error spikes, alert telegram if found;
0 8 * * *=Audit /var/log/auth.log last 24 hours for security anomalies, send daily security digest to telegram
" \
garudust-server --anthropic-key sk-ant-...

Three jobs. Zero extra services. No Prometheus, no Grafana, no ELK cluster.

The Mental Model Shift

Traditional log tooling asks you to define rules upfront:

"Alert me when error rate > 5%"

Garudust lets you ask questions in plain language — after something happens, or proactively via cron — and get reasoning, not just matching:

"What went wrong this week, and is it getting worse?"

The difference is the jump from pattern matching to understanding.

What's Next

Install the log-analyst skill and try #1 on your own logs right now
Write a custom SKILL.md for your specific log format in ~/.garudust/skills/
Contribute your own log tools to garudust-hub

🔗 Links:

GitHub: garudust-org/garudust-agent
Hub: garudust-org/garudust-hub
🇹🇭 Thai version: (link after publishing)

Which of these 10 use cases would save you the most time? Drop a comment — I read every one. 🙌

ตรวจจับ Log Anomaly อัตโนมัติด้วย Garudust Agent 🦅

Garudust — Mon, 18 May 2026 07:19:00 +0000

ตรวจจับ Log Anomaly อัตโนมัติด้วย Garudust Agent 🦅

ถ้าคุณเคยนั่งไล่ดู log ไฟล์ที่ยาวหลายหมื่นบรรทัดเพื่อหาว่า "มันพังตรงไหน" — บทความนี้เขียนมาเพื่อคุณโดยเฉพาะ

Garudust Agent คือ AI agent runtime ที่เขียนด้วย Rust รองรับการ self-host บน hardware ของคุณเอง และมี skill ชื่อ log-analyst ใน garudust-hub ที่ถูกออกแบบมาสำหรับงานนี้โดยตรง

🤔 ปัญหาจริงที่นักพัฒนาเจอ

ระบบ production ทุกระบบมี log แต่การไล่อ่าน log ด้วยมือมีปัญหาหลายอย่าง:

ปริมาณมหาศาล — log หลักล้านบรรทัดต่อวัน ไม่มีใครอ่านได้หมด
Pattern ซับซ้อน — error เดียวกันอาจโผล่ในหลาย format
เจอช้า — กว่าจะรู้ว่าพัง ผู้ใช้แจ้งมาก่อนแล้ว
Context ขาด — รู้ว่า error ตรงไหน แต่ไม่รู้ว่า "ก่อนหน้านั้นมีอะไรเกิดขึ้น"

Garudust แก้ปัญหาเหล่านี้ด้วยการให้ LLM อ่านและวิเคราะห์ log แทนคุณ — แบบ real-time หรือ scheduled ก็ได้

🛠️ ติดตั้ง Garudust

วิธีที่ 1 — ใช้ Pre-built Binary (แนะนำ)

# Linux x86_64
wget https://github.com/garudust-org/garudust-agent/releases/latest/download/garudust-*-x86_64-unknown-linux-musl.tar.gz
tar -xzf garudust-*.tar.gz
sudo mv garudust garudust-server /usr/local/bin/

วิธีที่ 2 — Build จาก Source (ต้องมี Rust 1.75+)

git clone https://github.com/garudust-org/garudust-agent
cd garudust-agent
cargo build --release
export PATH="$PATH:$(pwd)/target/release"

ตั้งค่าเริ่มต้น

garudust setup

Wizard จะถามว่าใช้ LLM provider ไหน รองรับทั้ง Anthropic, OpenRouter, vLLM (local), Ollama และ AWS Bedrock

สำหรับคนที่มี GPU และ self-host: ใช้ vLLM กับ model เช่น Qwen3-8B ได้เลยโดยไม่เสียค่า API
export VLLM_BASE_URL=http://localhost:8000/v1
export GARUDUST_MODEL=Qwen/Qwen3-8B-AWQ

📦 ติดตั้ง `log-analyst` Skill

Skill คือ instruction set แบบ Markdown ที่บอก agent ว่าต้องทำอะไร เมื่อไหร่ อย่างไร

garudust skill install log-analyst

แค่นี้พอ — ครั้งถัดไปที่คุณพูดถึง log, agent จะโหลด skill นี้มาใช้อัตโนมัติ

🔍 ใช้งานจริง: วิเคราะห์ Log ทันที

กรณีที่ 1 — วิเคราะห์ syslog

garudust "วิเคราะห์ /var/log/syslog 500 บรรทัดล่าสุด หา error pattern ที่ผิดปกติ"

ตัวอย่าง output ที่ได้:

🔍 Log Analysis Report — /var/log/syslog
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

⚠️  ANOMALY DETECTED: Connection timeout spike
    → 47 occurrences ใน 3 นาที (ปกติ < 2/ชั่วโมง)
    → First seen: 14:32:01, Last: 14:35:18
    → Probable cause: Network interface congestion หรือ upstream service down

❌ ERROR Pattern: OOM Killer activated
    → Process: python3 (PID 18423)
    → Memory usage: 7.8GB / 8GB
    → Recommendation: เพิ่ม swap หรือ review memory leak ใน process

✅ ไม่พบ segfault, kernel panic หรือ disk I/O error

กรณีที่ 2 — วิเคราะห์ Application Log

garudust "อ่าน /opt/myapp/logs/app.log แล้วหา:
- Error rate ต่อนาที
- Request ที่ใช้เวลา > 5 วินาที  
- Pattern ที่น่าสงสัย
สรุปเป็นภาษาไทย"

กรณีที่ 3 — เปรียบเทียบ Log สองช่วงเวลา

garudust "เปรียบเทียบ /var/log/nginx/access.log ระหว่าง 10:00-11:00 กับ 14:00-15:00 
ว่า error rate ต่างกันไหม และ traffic pattern เปลี่ยนแปลงอย่างไร"

⏰ Cron: ตรวจ Log อัตโนมัติ ทุก 30 นาที

นี่คือจุดที่ทำให้ Garudust ต่างจากการรัน script ธรรมดา — agent สามารถ ตัดสินใจเองได้ ว่าสิ่งที่เจอนั้น "ผิดปกติ" หรือเปล่า

GARUDUST_CRON_JOBS="*/30 * * * *=Read /var/log/app.log last 300 lines, detect ERROR or WARNING anomalies, if severity is HIGH report summary with timestamp and probable cause" \
garudust-server --anthropic-key sk-ant-...

แจ้งเตือนผ่าน Telegram อัตโนมัติ

TELEGRAM_TOKEN=your_bot_token \
GARUDUST_CRON_JOBS="*/15 * * * *=Check /var/log/app.log for critical errors in last 15 minutes. If error rate exceeds 10 per minute, send alert to telegram with details" \
garudust-server --anthropic-key sk-ant-...

Agent จะส่ง message ไปยัง Telegram bot ของคุณเองอัตโนมัติเมื่อเจอ anomaly

🏭 Use Case จริง: ระบบ Industrial / Edge AI

สำหรับงาน IoT หรือ Edge AI ที่มี log จากเซนเซอร์หรือกล้องวงจรปิด สามารถทำแบบนี้ได้:

# ตรวจสอบ log จากระบบ OCR กล้อง factory ทุก 1 ชั่วโมง
GARUDUST_CRON_JOBS="0 * * * *=Analyze /opt/vision/logs/ocr_results.log, find rows where confidence_score < 0.6 or recognition_failed = true, count anomaly rate, if > 5% in last hour generate incident report" \
VLLM_BASE_URL=http://localhost:8000/v1 \
GARUDUST_MODEL=Qwen3-8B-AWQ \
garudust-server

ข้อดีคือรันบน local GPU ได้เลย ไม่ต้องส่ง log ออกไปยัง cloud เหมาะมากสำหรับระบบ industrial ที่ข้อมูลเป็น confidential

✏️ เขียน Skill เองสำหรับ Log Format เฉพาะทาง

ถ้า log ของคุณมี format แปลก หรืออยากให้ agent วิเคราะห์แบบเฉพาะเจาะจง เขียน SKILL.md เองได้ใน ~/.garudust/skills/:

---
name: factory-log-analyst
description: Analyze industrial machine log from SMARTSense IDA system
version: 1.0.0
---

เมื่อถูกขอให้วิเคราะห์ log จากระบบ IDA ให้ทำตามนี้:

1. อ่าน log file ด้วย terminal tool
2. หา pattern เหล่านี้ที่บ่งบอกปัญหา:
   - confidence_score < 0.5 (OCR accuracy ต่ำผิดปกติ)
   - frame_drop_rate > 0.1 (กล้องส่งภาพไม่ครบ)
   - roi_timeout (พื้นที่ตรวจสอบไม่ response)
   - connection_lost (กล้องหลุด)
3. คำนวณ:
   - Anomaly rate ต่อชั่วโมง
   - ROI ที่มีปัญหาบ่อยที่สุด
4. สรุปเป็นภาษาไทย ระบุ:
   - ความรุนแรง (Critical / Warning / Info)
   - เวลาที่เกิด
   - สาเหตุที่น่าจะเป็น
   - คำแนะนำในการแก้ไข

🔧 Tool เพิ่มเติมจาก garudust-hub

นอกจาก log-analyst skill แล้ว ยังมี tools ใน hub ที่ช่วยงาน log ได้:

# ติดตั้ง tools ที่มีประโยชน์
garudust tool install csv_to_json    # แปลง log CSV → JSON
garudust tool install file_info      # เช็ค size/encoding ก่อนอ่าน
garudust tool install token_count    # เช็คว่า log ยาวเกิน context ไหม
garudust tool install extract_urls   # ดึง URL จาก access log

ใช้คู่กันในคำสั่งเดียว:

garudust "ใช้ file_info ดูขนาดของ /var/log/nginx/error.log ก่อน แล้วถ้าไม่เกิน 100KB ให้วิเคราะห์หา anomaly ทั้งหมดที่เกิดขึ้นวันนี้"

📊 เปรียบเทียบ: Garudust vs วิธีเดิม

	Script ธรรมดา (grep/awk)	ELK Stack	Garudust
ติดตั้ง	ง่าย	ซับซ้อน	ง่าย (binary เดียว)
Resource	ต่ำ	สูงมาก (ต้องการ RAM หลาย GB)	ต่ำ (~10MB binary)
วิเคราะห์ context	❌	❌	✅ (LLM เข้าใจ context)
แจ้งเตือนอัตโนมัติ	ต้องเขียนเอง	✅	✅ built-in
Self-host	✅	✅	✅
ภาษาไทย	❌	❌	✅
สรุปสาเหตุ	❌	❌	✅

🚀 เริ่มต้น 5 นาที

# 1. ติดตั้ง
wget -qO- https://github.com/garudust-org/garudust-agent/releases/latest/download/garudust-$(uname -m)-unknown-linux-musl.tar.gz | tar -xz
sudo mv garudust /usr/local/bin/

# 2. ตั้งค่า
garudust setup

# 3. ติดตั้ง skill
garudust skill install log-analyst

# 4. ลองเลย!
garudust "วิเคราะห์ /var/log/syslog 100 บรรทัดล่าสุด หา error ที่น่าสงสัย"

สรุป

Garudust ไม่ใช่แค่ tool อ่าน log — มันคือ agent ที่เข้าใจ context ของ log และช่วยตัดสินใจว่าอะไรคือ "ปกติ" หรือ "ผิดปกติ" โดยใช้ความสามารถของ LLM

จุดแข็งที่สำคัญสำหรับ DevOps และ Industrial Engineer คือ:

Self-host ได้ 100% — ไม่ต้องส่ง log ออก cloud
รองรับ local LLM — ใช้ vLLM + Qwen/LLaMA บน GPU ของตัวเองได้
ภาษาไทยได้เลย — detect ภาษาอัตโนมัติ ไม่ต้องตั้งค่า
Cron built-in — ตั้งตรวจอัตโนมัติได้ทันที

🔗 Links:

GitHub: garudust-org/garudust-agent
Hub: garudust-org/garudust-hub
Facebook Community: Garudust Agent Thailand

มีคำถามหรืออยากแลกเปลี่ยนประสบการณ์ใช้ Garudust? comment ได้เลยครับ 🙌

Build a Self-Improving AI Agent in Rust with Garudust — Daily Briefing Bot in 10 Minutes

Garudust — Sun, 17 May 2026 06:55:29 +0000

Most AI agent frameworks feel like they were designed for Python developers who love ceremony. You write adapters, glue code, orchestrators, memory stores — and by the time your agent actually does something useful, you've got a monorepo and a headache.

Garudust Agent takes a different approach: a single ~10 MB statically-linked Rust binary that gives you persistent memory, cron scheduling, multi-platform gateways (Telegram, Discord, Slack, Matrix), and MCP tool support — out of the box, no runtime dependencies.

In this article I'll show you how to build a Telegram Daily Briefing Bot that:

Wakes up every morning at 9 AM and sends you a personalised briefing
Remembers your preferences across sessions (no repeating yourself)
Reads files from your server and summarises them
Uses a custom Skill to keep its briefing format consistent

By the end you'll understand the core Garudust concepts well enough to build your own agents.

Why Garudust?

Before diving in, here's what sets it apart from other agent runtimes:

Feature	Garudust	LangChain/LangGraph	AutoGen
Language	Rust	Python	Python
Binary size	~10 MB	N/A (pip install)	N/A (pip install)
Cold start	< 20 ms	1–5 s	1–5 s
Persistent memory	Built-in	Plugin needed	Plugin needed
Platform adapters	Built-in	Plugin needed	Plugin needed
Self-hosted	Yes, trivially	Needs extra infra	Needs extra infra

The self-improvement angle is genuinely interesting: the agent notices when it keeps doing something wrong and patches its own Skill files. We'll see that in action below.

Prerequisites

A Linux server or Mac (the binary is statically linked — no Rust required to run it)
An API key for any LLM provider: Anthropic, OpenRouter, Ollama, vLLM, etc.
A Telegram bot token (free — create one via @BotFather)

Step 1 — Install Garudust

Download the pre-built binary from GitHub Releases.

# Linux x86_64
curl -LO https://github.com/garudust-org/garudust-agent/releases/latest/download/garudust-x86_64-unknown-linux-musl.tar.gz
tar -xzf garudust-*.tar.gz
sudo mv garudust garudust-server /usr/local/bin/

# Verify
garudust --version

For macOS (Apple Silicon):

curl -LO https://github.com/garudust-org/garudust-agent/releases/latest/download/garudust-aarch64-apple-darwin.tar.gz
tar -xzf garudust-*.tar.gz
sudo mv garudust garudust-server /usr/local/bin/

Or build from source if you have Rust 1.75+:

git clone https://github.com/garudust-org/garudust-agent
cd garudust-agent
cargo build --release
export PATH="$PATH:$(pwd)/target/release"

Step 2 — Configure Your LLM Provider

Run the setup wizard:

garudust setup

This walks you through picking a provider and saving your key. Under the hood it writes to ~/.garudust/config.yaml.

You can also set environment variables directly:

# Anthropic
export ANTHROPIC_API_KEY="sk-ant-..."

# OpenRouter (gives you access to 200+ models)
export OPENROUTER_API_KEY="sk-or-..."

# Self-hosted vLLM (like the Qwen3-8B-AWQ setup I run locally)
export VLLM_BASE_URL="http://localhost:8000/v1"
export GARUDUST_MODEL="Qwen/Qwen3-8B-AWQ"

# Ollama (fully local, no key needed)
export OLLAMA_BASE_URL="http://localhost:11434"
export GARUDUST_MODEL="llama3.2"

Let's verify everything is working:

garudust doctor

You should see all green checkmarks. Now try a quick chat:

garudust "hello, what can you do?"

Step 3 — Create a Telegram Bot

Open Telegram and message @BotFather
Send /newbot and follow the prompts
Copy your bot token (looks like 7123456789:AAHxxx...)

Set it in your environment:

export TELEGRAM_TOKEN="7123456789:AAHxxx..."

Step 4 — Create a Briefing Skill

This is where Garudust gets interesting. Skills are Markdown files that the agent automatically loads when relevant. They live in ~/.garudust/skills/ and are hot-reloaded on every call — no restarts needed.

Create the directory and your first skill:

mkdir -p ~/.garudust/skills/daily-briefing

Now create ~/.garudust/skills/daily-briefing/SKILL.md:

---
name: daily-briefing
description: Instructions for generating a personalised morning briefing via Telegram
version: 1.0.0
---

## Daily Briefing Format

When asked to generate a morning briefing, always follow this structure:

1. **Greeting** — Use the user's name and current local time
2. **Today's Focus** — 2–3 bullet points on what to prioritise (infer from memory or files)
3. **Quick Stats** — If any log files or data files are available in ~/briefing-data/, summarise key numbers
4. **Reminder** — One motivational sentence, varied each day, never generic

## Style Rules

- Keep the total message under 300 words
- Use Telegram-compatible formatting (bold with *, italic with _)
- Never use HTML tags
- If no data files are found, skip the Quick Stats section gracefully
- Always end with: "Have a great day, Garudian! 🦅"

That last line — "Have a great day, Garudian!" — is a nod to the Garudust contributor community name.

Step 5 — Set Up Cron Scheduling

Garudust's cron scheduler uses standard cron expressions. You configure it via the GARUDUST_CRON_JOBS environment variable:

export GARUDUST_CRON_JOBS="0 9 * * *=Generate a morning briefing using the daily-briefing skill and send it to me on Telegram"

The format is "cron_expression=natural language task". The agent handles the rest — it knows who "me" is from the user profile it builds over time.

You can also add multiple jobs separated by commas:

export GARUDUST_CRON_JOBS="0 9 * * *=Generate a morning briefing and send via Telegram,0 18 * * 5=Send a weekly summary of tasks completed this week"

Step 6 — Start the Server

Create a simple .env file to keep everything together:

# ~/.garudust/.env
ANTHROPIC_API_KEY=sk-ant-...
TELEGRAM_TOKEN=7123456789:AAHxxx...
GARUDUST_MODEL=anthropic/claude-sonnet-4-6
GARUDUST_CRON_JOBS="0 9 * * *=Generate a morning briefing using the daily-briefing skill and send it to me on Telegram"
GARUDUST_APPROVAL_MODE=auto
RUST_LOG=info

Now start the server:

# Load env and start
set -a; source ~/.garudust/.env; set +a
garudust-server --port 3000

Or with Docker (the docker-compose.yml in the repo is ready to use):

cp .env.example .env
# Edit .env with your keys
docker compose up -d

You should see logs like:

INFO garudust_server: Starting Garudust server on port 3000
INFO garudust_platforms::telegram: Telegram adapter connected
INFO garudust_cron: Scheduled job: "0 9 * * *" → Generate a morning briefing...

Step 7 — Teach the Agent About You

Open Telegram and message your bot. The first time, introduce yourself:

Hi! I'm Alex. I'm a backend developer working on Rust microservices.
I usually check logs in ~/briefing-data/app.log and ~/briefing-data/errors.log.
I prefer short, direct messages with no fluff.

The agent saves this to persistent memory automatically. You'll see something like:

Got it, Alex! I've saved your preferences:
- Name: Alex
- Role: Backend developer (Rust microservices)
- Briefing data path: ~/briefing-data/
- Communication style: short and direct

I'll use these tomorrow morning at 9 AM for your briefing.

This is the self-improvement loop: you teach it once, and it remembers forever. On the next session — or the next day's cron job — the context is already loaded.

What Happens at 9 AM

At 9 AM, the cron job fires. The agent:

Loads the daily-briefing Skill — sees the format rules
Reads persistent memory — knows your name, preferences, file paths
Calls read_file on ~/briefing-data/app.log and errors.log
Generates the briefing using the Skill's format
Sends it to you on Telegram

A real message might look like:

*Good morning, Alex!* It's 9:00 AM.

*Today's Focus*
• 3 errors in errors.log since yesterday — worth a look before standup
• PR #142 still open — you had this on your radar
• Dependency audit due this sprint

*Quick Stats (from app.log)*
• 14,203 requests last 24h
• p99 latency: 187 ms
• 3 ERRORs, 0 WARNings

_Have a great day, Garudian!_ 🦅

Step 8 — Test the HTTP API

You don't have to wait until 9 AM. The HTTP gateway is always running:

# Trigger a briefing right now
curl -X POST http://localhost:3000/chat \
  -H "Content-Type: application/json" \
  -d '{"message": "Generate my morning briefing now and send it to me on Telegram"}'

For streaming responses (great for long tasks):

curl -X POST http://localhost:3000/chat/stream \
  -H "Content-Type: application/json" \
  -d '{"message": "Summarise my error logs from the last 7 days"}'

Step 9 — Run as a systemd Service

For production use on a Linux server:

sudo nano /etc/systemd/system/garudust.service

[Unit]
Description=Garudust Agent Server
After=network.target

[Service]
Type=simple
User=youruser
WorkingDirectory=/home/youruser
EnvironmentFile=/home/youruser/.garudust/.env
ExecStart=/usr/local/bin/garudust-server --port 3000
Restart=on-failure
RestartSec=5s

[Install]
WantedBy=multi-user.target

sudo systemctl daemon-reload
sudo systemctl enable --now garudust
sudo journalctl -u garudust -f

The Self-Improving Part

Here's something that makes Garudust distinct from a static chatbot: if the briefing format stops being useful, the agent fixes itself.

Suppose you message your bot:

The briefing is too long. Cut the Quick Stats section to just one line.

The agent updates ~/.garudust/skills/daily-briefing/SKILL.md immediately — while the server is running, without a restart. The next morning's briefing will already follow the updated format.

You can also ask it to create new skills on the fly:

Write a skill for when I ask you to review a Rust PR — check for unwraps, missing error handling, and doc comments.

It creates ~/.garudust/skills/rust-pr-review/SKILL.md automatically. From that point on, whenever you paste a PR and ask for a review, it loads that skill without being told.

Architecture at a Glance

Your Telegram ──► garudust-server
                       │
                  ┌────┴────────────────────┐
                  │   daily-briefing SKILL  │  ← hot-reloaded markdown
                  │   Persistent Memory     │  ← ~/.garudust/memory/
                  │   Session DB (FTS5)     │  ← SQLite full-text search
                  └────┬────────────────────┘
                       │
                  LLM Transport
          (Anthropic / OpenRouter / vLLM / Ollama)
                       │
                  Tool Registry
         (read_file, write_skill, memory, web_search…)

Every piece is a separate Rust crate. If you want to add a new platform or tool, you touch exactly one crate and typically write under 100 lines.

What to Build Next

Now that you have the basics, here are some natural extensions:

Add web search to the briefing
Set BRAVE_SEARCH_API_KEY and update your Skill to include: "Always search for the top 3 tech news headlines and include them under a 'News' section."

Multi-platform: Run Telegram + Slack simultaneously

export SLACK_BOT_TOKEN="xoxb-..."
export SLACK_APP_TOKEN="xapp-..."
# garudust-server handles both in the same process

Connect to your database via MCP
Add to ~/.garudust/config.yaml:

mcp_servers:
  - name: postgres
    command: npx
    args: ["-y", "@modelcontextprotocol/server-postgres", "postgresql://localhost/mydb"]

The briefing can now query your own database directly.

Delegate to sub-agents
For heavy tasks, use the delegate_task tool — it spawns parallel sub-agents that run concurrently and report back. Great for summarising large codebases or doing multi-step research.

Wrapping Up

Garudust isn't trying to be the most featureful agent framework — it's trying to be the most practical one. A single binary, sensible defaults, and just enough structure to let you build real things without ceremony.

The daily briefing bot we built today shows the core loop:

Install — one binary, no dependencies
Configure — env vars or YAML
Teach — talk to it, it remembers
Extend — write a Skill in Markdown

The project is actively developed and welcoming contributors. If you want to add a new platform adapter, a tool, or improve the TUI — check out the CONTRIBUTING.md and look for "good first issue" labels.

Star the repo, join the community, and become a Garudian 🦅

→ github.com/garudust-org/garudust-agent

Have questions or want to share what you built? Drop a comment below — I read everything.

สร้าง AI Agent บน LINE ด้วย Garudust (Rust) — ตั้งแต่ต้นจนใช้งานได้จริง

Garudust — Thu, 14 May 2026 05:06:47 +0000

ถ้าคุณอยากมี AI Agent ส่วนตัวที่คุยได้ผ่าน LINE โดยไม่ต้องพึ่ง no-code platform บทความนี้จะพาคุณทำตั้งแต่ต้นจนจบ เครื่องมือที่ใช้คือ Garudust — AI Agent framework เขียนด้วย Rust รองรับ OpenAI, Anthropic, Ollama, vLLM และ OpenAI-compatible endpoint ทุกเจ้า

สิ่งที่ต้องมี

เซิร์ฟเวอร์ Linux หรือ macOS (หรือรันบน VPS ก็ได้)
บัญชี LINE Developers (ฟรี) → developers.line.biz
API Key จาก OpenAI, Anthropic, หรือ endpoint อื่นๆ
ngrok — เฉพาะกรณีรันบนเครื่องตัวเองที่ไม่มี public IP

1. ติดตั้ง Garudust

วิธีที่ 1 — ดาวน์โหลด binary

ไปที่ Releases แล้วดาวน์โหลดไฟล์ที่ตรงกับระบบของคุณ:

# Linux x86_64
curl -LO https://github.com/garudust-org/garudust-agent/releases/latest/download/garudust-v0.3.1-x86_64-unknown-linux-musl.tar.gz
tar -xzf garudust-*.tar.gz
sudo mv garudust*/garudust garudust*/garudust-server /usr/local/bin/

วิธีที่ 2 — Build จาก source (ต้องมี Rust 1.87+)

git clone https://github.com/garudust-org/garudust-agent.git
cd garudust-agent
cargo build --release --bin garudust --bin garudust-server
sudo cp target/release/garudust target/release/garudust-server /usr/local/bin/

ตรวจสอบว่าติดตั้งสำเร็จ:

garudust --version
garudust-server --version

2. ตั้งค่า LINE Messaging API

เข้าไปที่ LINE Developers Console
สร้าง Provider ใหม่ (หรือใช้อันที่มีอยู่)
สร้าง Channel ประเภท Messaging API
ที่ tab Basic settings → คัดลอก Channel secret
ที่ tab Messaging API → คลิก Issue เพื่อสร้าง Channel access token (long-lived)
เปิด Use webhook → toggle เป็น Enable

เก็บค่าสองอย่างนี้ไว้:

LINE_CHANNEL_SECRET=xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
LINE_CHANNEL_TOKEN=eyJhbGci...

3. ตั้งค่าไฟล์ config

Garudust แยก secret ออกจาก config เป็น 2 ไฟล์:

~/.garudust/.env — credentials เท่านั้น (ห้าม commit)
~/.garudust/config.yaml — ตั้งค่าพฤติกรรม, platform, port (แชร์ได้)

`~/.garudust/.env`

# LLM provider
ANTHROPIC_API_KEY=sk-ant-...

# LINE adapter — tokens ต้องอยู่ใน .env เสมอ
LINE_CHANNEL_SECRET=xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
LINE_CHANNEL_TOKEN=eyJhbGci...

`~/.garudust/config.yaml`

provider: anthropic
model: claude-sonnet-4-6

system_prompt: |
  คุณคือผู้ช่วย AI ชื่อ "น้องการุด" พูดภาษาไทย ตอบสั้นกระชับ
  ช่วยงานด้านข้อมูล วิเคราะห์ข้อความ และตอบคำถามทั่วไป
  ไม่ตอบเนื้อหาที่ไม่เหมาะสม

platforms:
  line:
    enabled: true
    port: 3002
    webhook_path: /line      # webhook URL: https://your-host/line

หลักการ: config.yaml เก็บโครงสร้าง (enabled, port, webhook_path) ส่วน .env เก็บ secret (LINE_CHANNEL_SECRET, LINE_CHANNEL_TOKEN) เท่านั้น

เมื่อรัน garudust-server แล้ว Garudust จะเปิด HTTP server รอรับ webhook จาก LINE ที่ 0.0.0.0:3002/line โดยอัตโนมัติ — ไม่ต้องตั้งค่า webhook server เพิ่มเอง

4. รัน garudust-server

garudust-server

ดู log จะเห็น:

INFO garudust_server: LINE webhook listening on 0.0.0.0:3002/line
INFO garudust_server: API server listening on 0.0.0.0:3000

Port mapping ของ Garudust:

Port	ใช้สำหรับ
`3000`	HTTP API หลัก (`/chat`, `/health`, `/metrics`)
`3001`	Generic webhook
`3002`	LINE adapter
`3003`	WhatsApp adapter

5. ตั้งค่า Webhook URL ใน LINE Developers Console

ขั้นตอนนี้แตกต่างกันตามสภาพแวดล้อม:

กรณี A — VPS หรือเซิร์ฟเวอร์ที่มี public IP (Production)

ไม่ต้องใช้ ngrok — LINE เข้าถึง server ของคุณได้ตรงๆ ผ่าน nginx

ตั้งค่า nginx reverse proxy ก่อน (ดูขั้นตอนที่ 7) แล้วใช้ URL:

https://yourdomain.com/line

กรณี B — เครื่องตัวเองที่ไม่มี public IP (Dev/ทดสอบ)

LINE ไม่สามารถเข้าถึง localhost ได้และต้องการ HTTPS — ใช้ ngrok สร้าง tunnel ชั่วคราว:

ngrok http 3002

ngrok จะแสดง URL เช่น:

Forwarding  https://abc123.ngrok-free.app -> http://localhost:3002

webhook URL ของคุณคือ:

https://abc123.ngrok-free.app/line

หมายเหตุ: ngrok free tier เปลี่ยน URL ทุกครั้งที่รีสตาร์ท เหมาะสำหรับทดสอบเท่านั้น ใช้ VPS หรือ ngrok paid plan สำหรับ production

ตั้ง webhook URL ใน LINE Developers Console:

Tab Messaging API → ส่วน Webhook settings
ใส่ URL ตามสภาพแวดล้อมของคุณ (จากด้านบน)
คลิก Verify — ควรได้ "Success"
เปิด Use webhook ให้เป็น Enable

ลองส่งข้อความหา LINE Official Account ของคุณ — AI จะตอบกลับทันที

6. เพิ่ม Cron Job (ทำงานอัตโนมัติ)

Garudust มีระบบ cron ในตัว ตั้งค่าใน .env:

# ส่ง briefing ทุกเช้า 8 โมง
GARUDUST_CRON_JOBS="0 8 * * *=สรุปข่าวเทคโนโลยีไทยวันนี้ บันทึกลงไฟล์ ~/briefing.md"

# รวบรวม memory อัตโนมัติทุกคืน 03:00
GARUDUST_MEMORY_CRON="0 3 * * *"

7. Deploy Production (systemd + nginx)

nginx reverse proxy

LINE ต้องการ HTTPS — nginx จัดการ SSL แล้ว proxy ต่อไปยัง Garudust บน port 3002:

# /etc/nginx/sites-available/garudust
server {
    listen 443 ssl;
    server_name yourdomain.com;

    ssl_certificate     /etc/letsencrypt/live/yourdomain.com/fullchain.pem;
    ssl_certificate_key /etc/letsencrypt/live/yourdomain.com/privkey.pem;

    # LINE webhook — proxy ไปที่ Garudust LINE adapter port 3002
    location /line {
        proxy_pass http://127.0.0.1:3002;
        proxy_set_header Host $host;
        proxy_set_header X-Real-IP $remote_addr;
    }

    # HTTP API หลัก
    location / {
        proxy_pass http://127.0.0.1:3000;
        proxy_set_header Host $host;
    }
}

sudo ln -s /etc/nginx/sites-available/garudust /etc/nginx/sites-enabled/
sudo nginx -t && sudo systemctl reload nginx

systemd service

# /etc/systemd/system/garudust.service
[Unit]
Description=Garudust AI Agent Server
After=network.target

[Service]
Type=simple
User=ubuntu
ExecStart=/usr/local/bin/garudust-server
Restart=on-failure
RestartSec=5
EnvironmentFile=/home/ubuntu/.garudust/.env
WorkingDirectory=/home/ubuntu

[Install]
WantedBy=multi-user.target

sudo systemctl daemon-reload
sudo systemctl enable --now garudust
sudo systemctl status garudust

webhook URL สำหรับตั้งใน LINE Console:

https://yourdomain.com/line

สรุป config ทั้งหมด

~/.garudust/.env — secrets เท่านั้น

ANTHROPIC_API_KEY=sk-ant-...
LINE_CHANNEL_SECRET=xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
LINE_CHANNEL_TOKEN=eyJhbGci...
GARUDUST_MEMORY_CRON="0 3 * * *"

~/.garudust/config.yaml — พฤติกรรมและโครงสร้าง

provider: anthropic
model: claude-sonnet-4-6

system_prompt: |
  คุณคือผู้ช่วย AI ชื่อ "น้องการุด" พูดภาษาไทย ตอบสั้นกระชับ

platforms:
  line:
    enabled: true
    port: 3002
    webhook_path: /line

สรุปขั้นตอนตามสภาพแวดล้อม

	Dev (localhost)	Production (VPS)
Garudust รัน webhook ที่	`localhost:3002/line`	`localhost:3002/line`
เปิด HTTPS ด้วย	ngrok tunnel	nginx + Let's Encrypt
Webhook URL ใน LINE Console	`https://xxx.ngrok-free.app/line`	`https://yourdomain.com/line`
ngrok	✅ จำเป็น	❌ ไม่ต้อง

Garudust รองรับ OpenAI, Anthropic, Ollama, vLLM และ OpenAI-compatible endpoint ทุกเจ้า — เปลี่ยน provider ได้แค่แก้ 2 บรรทัดใน config.yaml แล้วรีสตาร์ท

GitHub: garudust-org/garudust-agent
Docs: garudust-org.github.io/garudust-agent

ถ้ามีคำถามหรือเจอปัญหา เปิด Issue บน GitHub ได้เลย หรือ comment ไว้ด้านล่างครับ

ใช้งาน Garudust Agent ร่วมกับ Typhoon Thai LLM: คู่มือฉบับสมบูรณ์

Garudust — Wed, 13 May 2026 14:07:29 +0000

Garudust เป็น AI agent ที่เขียนด้วย Rust — binary ขนาด ~10 MB, cold start ไม่ถึง 20 มิลลิวินาที และมี persistent memory ที่จำทุกอย่างข้ามหลาย session

แต่ถ้างานที่ทำเป็นภาษาไทยล้วนๆ — เขียนอีเมลธุรกิจ, ตอบลูกค้า LINE OA, สรุปเอกสารราชการ — การใช้ Typhoon โมเดลภาษาไทยจาก SCB 10X จะได้ผลลัพธ์ที่ดีกว่าอย่างชัดเจน

Typhoon มี free API ที่ compatible กับ OpenAI ที่ https://api.opentyphoon.ai/v1 ซึ่งหมายความว่า Garudust เชื่อมต่อได้ทันทีด้วยการตั้งค่า 2 บรรทัด ไม่ต้องแก้โค้ดแม้แต่บรรทัดเดียว

สิ่งที่ต้องเตรียม

Linux, macOS หรือ Windows (WSL2)
Rust 1.75+ — หรือดาวน์โหลด pre-built binary เลยก็ได้
API key จาก opentyphoon.ai (ฟรี)

ขั้นตอนที่ 1 — ขอ Typhoon API Key

ไปที่ opentyphoon.ai สมัครบัญชีฟรี แล้ว generate API key จาก dashboard

API key จะมีหน้าตาประมาณนี้:

sk-ty-xxxxxxxxxxxxxxxxxxxxxxxxxxxx

Free tier ใช้งานได้กับทั้ง 2 โมเดล:

โมเดล	Req/วินาที	Req/นาที	เหมาะกับ
`typhoon-v2.1-12b-instruct`	5	200	งานทั่วไป, ตอบเร็ว
`typhoon-v2.5-30b-a3b-instruct`	5	200	งานซับซ้อน, reasoning

สำหรับงาน agent ส่วนใหญ่ แนะนำ typhoon-v2.1-12b-instruct ก่อน — เร็วกว่าและเหมาะกับ multi-turn loop มากกว่า

หมายเหตุ: Free API มี rate limit และไม่เหมาะกับ production workload หนักๆ สำหรับการใช้งานจริงในระดับ enterprise รอ production API บน AWS ที่ Typhoon วางแผนจะเปิดในปี 2026

ขั้นตอนที่ 2 — ติดตั้ง Garudust

วิธีที่ 1: ดาวน์โหลด binary สำเร็จรูป (แนะนำ)

# Linux x86_64
curl -LO https://github.com/garudust-org/garudust-agent/releases/latest/download/garudust-x86_64-unknown-linux-musl.tar.gz
tar -xzf garudust-x86_64-unknown-linux-musl.tar.gz
sudo mv garudust garudust-server /usr/local/bin/

แพลตฟอร์ม	ไฟล์
Linux x86_64	`garudust-*-x86_64-unknown-linux-musl.tar.gz`
Linux ARM64	`garudust-*-aarch64-unknown-linux-musl.tar.gz`
macOS Apple Silicon	`garudust-*-aarch64-apple-darwin.tar.gz`
macOS Intel	`garudust-*-x86_64-apple-darwin.tar.gz`
Windows	`garudust-*-x86_64-pc-windows-msvc.zip`

วิธีที่ 2: ติดตั้งจาก crates.io

cargo install garudust garudust-server

ตรวจสอบว่าติดตั้งสำเร็จ:

garudust --version
# garudust 0.2.8

ขั้นตอนที่ 3 — เชื่อมต่อ Garudust กับ Typhoon

Garudust แยก config ออกจาก secret เป็น 2 ไฟล์ใน ~/.garudust/:

config.yaml — ชื่อโมเดล, provider, ค่าพฤติกรรมต่างๆ (แชร์ได้)
.env — API key อย่างเดียว (ห้าม commit เด็ดขาด)

สร้างไฟล์ ~/.garudust/config.yaml:

# เชื่อมต่อ Typhoon ผ่าน OpenAI-compatible endpoint
provider: vllm
model: typhoon-v2.1-12b-instruct
base_url: https://api.opentyphoon.ai/v1

# Context window สำหรับโมเดล 12B
context_window: 8192
compression:
  enabled: true
  threshold_fraction: 0.65

# Memory nudge — บันทึก fact ทุก 5 iteration
nudge_interval: 5

สร้างไฟล์ ~/.garudust/.env:

# Typhoon API key
VLLM_API_KEY=sk-ty-xxxxxxxxxxxxxxxxxxxxxxxxxxxx

ทำไมใช้ VLLM_API_KEY?

Garudust ส่ง key นี้เป็น Authorization: Bearer header ไปยัง base_url ที่กำหนด Typhoon API รับ format นี้ได้ตรงๆ เลย

หรือจะใช้ setup wizard ก็ได้:

garudust setup

เลือก provider เป็น vllm แล้วกรอก base_url และ model ตามด้านบน

ขั้นตอนที่ 4 — ตรวจสอบการเชื่อมต่อ

garudust doctor

ถ้าทุกอย่างถูกต้องจะเห็น:

✓ Config loaded     provider=vllm  model=typhoon-v2.1-12b-instruct
✓ API key present   VLLM_API_KEY
✓ LLM reachable     https://api.opentyphoon.ai/v1 → 200 OK
✓ Memory dir        ~/.garudust/memory/ (0 entries)
✓ Session DB        ~/.garudust/sessions.db

ขั้นตอนที่ 5 — ทดสอบสนทนาภาษาไทย

เปิด TUI แบบ interactive:

garudust

ลองพิมพ์:

คุณ: สวัสดีครับ ช่วยแนะนำตัวเองหน่อยได้ไหม

Agent จะตรวจจับภาษาไทยโดยอัตโนมัติและตอบกลับเป็นภาษาไทย โดยไม่ต้องตั้งค่าภาษาเพิ่มเติม

หรือใช้แบบ one-shot:

garudust "สรุปข้อดีข้อเสียของการเปิดบริษัทในไทยแบบสั้นๆ"

ขั้นตอนที่ 6 — ตั้งให้ตอบไทยเป็นค่าเริ่มต้นถาวร

บอก agent ครั้งเดียว มันจำตลอด:

คุณ: ตั้งแต่นี้ไปตอบเป็นภาษาไทยเสมอ ยกเว้นถ้าฉันถามเป็นภาษาอื่น
Agent: [บันทึกลง memory] เข้าใจแล้วครับ จะตอบเป็นภาษาไทยใน session หน้าทุกครั้ง

Garudust บันทึกลง ~/.garudust/memory/ และโหลดขึ้นมาทุก session โดยอัตโนมัติ ไม่ต้องบอกซ้ำอีก

ตัวอย่างการใช้งานจริง

เขียนอีเมลธุรกิจภาษาไทย

garudust "เขียนอีเมลทางการถึงพาร์ทเนอร์ แจ้งว่าต้องการต่อสัญญา partnership อีก 1 ปี พร้อมเสนอเพิ่มงบ 15% และขอนัดประชุมสัปดาห์หน้า"

สรุปเอกสาร PDF ภาษาไทย

garudust "อ่านไฟล์นี้แล้วสรุปประเด็นสำคัญเป็นภาษาไทย 5 ข้อ: /path/to/contract.pdf"

Agent จะเรียก pdf_read tool โดยอัตโนมัติ แล้วสรุปเนื้อหาให้

เขียน template ตอบ LINE OA

garudust "เขียน template ตอบลูกค้าใน LINE OA สำหรับคำถามเรื่อง shipping 5 แบบ ให้เป็นภาษาไทยที่สุภาพและเป็นมิตร พร้อมระบุวันจัดส่งโดยประมาณ"

สร้าง skill ภาษาไทยให้ใช้ซ้ำได้

คุณ: สร้าง skill สำหรับเขียนรายงานสรุปประจำสัปดาห์เป็นภาษาไทย พร้อม format หัวข้อ ผลงานที่ทำ ปัญหาที่พบ และแผนสัปดาห์หน้า
Agent: [เรียก write_skill]
       บันทึก skill 'weekly-report-th' ไปยัง ~/.garudust/skills/weekly-report-th/SKILL.md แล้ว

ครั้งต่อไปแค่พิมพ์:

garudust "ใช้ skill weekly-report-th สรุปสัปดาห์นี้"

ส่ง briefing ภาษาไทยทุกเช้า (Cron)

เพิ่มใน ~/.garudust/.env:

GARUDUST_CRON_JOBS="0 8 * * *=ค้นหาข่าวเศรษฐกิจและเทคโนโลยีไทยล่าสุด สรุปเป็นรายการ 5 ข้อ บันทึกลงไฟล์ ~/briefing-th.md"

เปิด server:

garudust-server

ทุกวันตี 8 โมงเช้า agent จะค้นหาข่าว สรุปเป็นภาษาไทย และบันทึกไฟล์ให้โดยอัตโนมัติ

เปลี่ยนเป็นโมเดลใหญ่เมื่อต้องการ

สำหรับงานที่ซับซ้อนกว่า เช่น วิเคราะห์สัญญา หรือ multi-step planning:

# เปลี่ยนชั่วคราวใน TUI
/model typhoon-v2.5-30b-a3b-instruct

# หรือเปลี่ยนถาวร
garudust config set model typhoon-v2.5-30b-a3b-instruct

อย่าลืมอัปเดต context_window ใน config.yaml ด้วย:

model: typhoon-v2.5-30b-a3b-instruct
context_window: 32768

แก้ปัญหาเบื้องต้น

อาการ	สาเหตุ	วิธีแก้
`HTTP 401 Unauthorized`	API key ผิด	ตรวจสอบ `VLLM_API_KEY` ใน `~/.garudust/.env`
`HTTP 429 Too Many Requests`	เกิน rate limit	รอ ~1 นาที — Garudust retry อัตโนมัติ
Agent ตอบภาษาอังกฤษตลอด	ยังไม่ได้ตั้ง memory	บอกครั้งเดียว: "ตอบเป็นภาษาไทยเสมอ"
Agent ไม่เรียก tool	โมเดลข้าม tool call	ระบุชัดขึ้น: "ใช้ web_search หา..." หรือเปลี่ยนเป็น 30B
Context เกิน	prompt ยาวเกินไป	ลด `context_window` หรือเปิด compression

Config สรุปฉบับสมบูรณ์

# ~/.garudust/config.yaml

# --- LLM ---
provider: vllm
base_url: https://api.opentyphoon.ai/v1
model: typhoon-v2.1-12b-instruct    # หรือ typhoon-v2.5-30b-a3b-instruct

# --- Context ---
context_window: 8192                # 8192 สำหรับ 12B, 32768 สำหรับ 30B
compression:
  enabled: true
  threshold_fraction: 0.65

# --- Memory ---
nudge_interval: 5                   # บันทึก fact ทุก 5 iteration (0 = ปิด)

# ~/.garudust/.env
VLLM_API_KEY=sk-ty-xxxxxxxxxxxxxxxxxxxxxxxxxxxx

ลิงก์ที่เกี่ยวข้อง

Garudust: github.com/garudust-org/garudust-agent
Typhoon API: opentyphoon.ai
Typhoon Docs: docs.opentyphoon.ai
Typhoon Rate Limits: docs.opentyphoon.ai/en/rate-limits
Garudust Latest Release: v0.2.8

Garudust + Typhoon = AI agent ที่รันบน hardware ของคุณเอง พูดภาษาไทยได้ดี และไม่ส่งข้อมูลออกนอกบ้านถ้าคุณ self-host Typhoon เอง

Garudust: A Self-Improving AI Agent Runtime Built in Rust

Garudust — Wed, 13 May 2026 08:31:13 +0000

WELCOME Garudian!!!

Most AI agent frameworks share the same two problems: they're heavy to deploy, and they forget everything the moment a session ends.

Garudust takes a different approach. It's a self-hostable AI agent runtime written entirely in Rust — a single ~10 MB binary that starts in under 20 milliseconds, remembers what you teach it across sessions, and gets smarter with every conversation.

No Python runtime. No Docker required for local use. No cloud dependency.

Current release: v0.2.8 — released 12 May 2025. The project moved from v0.1.0 to v0.2.8 in under two weeks, so it's moving fast.

What Makes Garudust Different?

There's no shortage of AI agent frameworks. Here's why Garudust stands out:

	Garudust	Python-based agents
Binary size	~10 MB	100–500 MB (with deps)
Cold start	< 20 ms	2–10+ seconds
Memory	Persistent across sessions	Usually in-memory only
Self-improvement	Built-in skill learning loop	Manual, if at all
Multi-platform	Telegram, Discord, Slack, LINE, WhatsApp, Matrix, HTTP	Varies
LLM backends	Any OpenAI-compatible + Bedrock	Varies

The self-improvement loop is what makes it genuinely different. When Garudust discovers a repeatable multi-step workflow during a session, it writes a skill file automatically. Next time you ask for the same thing, it already knows how to do it.

Architecture at a Glance

Garudust is a multi-crate Rust workspace. Every concern is its own crate:

crates/
  garudust-core        Shared traits & types — zero I/O
  garudust-transport   LLM adapters (Anthropic, OpenRouter, Bedrock, Ollama, vLLM, …)
  garudust-tools       Tool registry + built-in toolsets
  garudust-memory      FileMemoryStore (markdown) + SessionDb (SQLite + FTS5)
  garudust-agent       Agent run loop, context compressor, prompt builder
  garudust-platforms   Telegram, Discord, Slack, LINE, WhatsApp, Matrix, Webhook
  garudust-cron        Cron scheduler
  garudust-gateway     axum HTTP gateway — /chat, /chat/stream, /chat/ws, /metrics

bin/
  garudust             CLI: interactive TUI, one-shot, setup, doctor, config
  garudust-server      Headless: all platforms + HTTP + cron in one process

This composable design means you can add a new tool, platform adapter, or LLM transport without touching anything outside the relevant crate. Most contributions are under 100 lines.

Getting Started in 3 Minutes

Install

Download a pre-built binary from GitHub Releases — no Rust required:

tar -xzf garudust-*-x86_64-unknown-linux-musl.tar.gz
sudo mv garudust garudust-server /usr/local/bin/

Or install directly from crates.io:

cargo install garudust garudust-server

Or build from source (requires Rust 1.75+):

git clone https://github.com/garudust-org/garudust-agent
cd garudust-agent
cargo build --release

Configure

Run the setup wizard — it walks you through provider selection and saves your API key:

garudust setup

Garudust supports: Anthropic, OpenRouter, AWS Bedrock, Ollama, vLLM, or any OpenAI-compatible endpoint. Swap providers with a single env var — no code changes needed.

The wizard pre-fills existing values and masks secrets. Press Enter to keep a value unchanged — a small detail that makes re-configuration much less painful.

Chat

garudust   # interactive TUI

Or run a one-shot task:

garudust "summarise the git log from the last 7 days into a changelog"
garudust --model anthropic/claude-opus-4-7 "review this PR for security issues"

Persistent Memory

This is the feature that changes how you work with the agent day to day.

Garudust automatically saves facts to ~/.garudust/memory/ — preferences, project conventions, corrections you make:

You: always format JSON with 2-space indent
Agent: Got it — I'll use 2-space indent for JSON from now on.

The next session starts with that preference already loaded. You never repeat yourself.

A built-in nudge fires every few iterations during long tasks, prompting the agent to persist new facts before the session ends:

# ~/.garudust/config.yaml
nudge_interval: 5   # inject memory reminder every 5 LLM iterations (0 = off)

Memory is also protected from prompt injection — recalled facts are wrapped in <untrusted_memory> tags so the model treats them as data, not instructions.

What gets saved:

Preferences — output format, language, tone, tool choices
Project details — paths, configs, conventions, known quirks
Corrections — anything you tell the agent to stop doing

What does not get saved: session logs, task progress, one-off details. Only facts that will matter in future sessions.

The Skill System

Skills are reusable instruction sets stored as plain Markdown files in ~/.garudust/skills/. They're hot-reloaded on every call — edit a file and the next message picks up the change immediately.

~/.garudust/skills/
  git-workflow/SKILL.md
  daily-standup/SKILL.md
  rust-code-review/SKILL.md

Skills are created automatically

When Garudust discovers a multi-step workflow, it writes the skill itself:

You: write a skill for reviewing Rust PRs
Agent: [calls write_skill]
       Saved to ~/.garudust/skills/rust-code-review/SKILL.md

Skills stay up to date

The skill reflection pipeline (v0.2.0) automatically updates skills after complex tasks. If steps are outdated or wrong, the agent patches the file — no manual maintenance required.

Skill-level tool permissions (v0.2.1)

Each skill declares exactly which tools it's allowed to use via frontmatter:

---
name: git-workflow
description: Opinionated Git commit and PR workflow
version: 1.0.0
tools: [terminal, read_file, write_file]
---

Always write conventional commits. Run tests before pushing.
Open a draft PR first, then mark ready when CI is green.

This limits the blast radius of any skill — it can't call tools it hasn't declared.

Install skills from the hub (v0.2.5)

garudust skill install facebook-workflow
garudust skill list
garudust skill uninstall facebook-workflow

Skills pull from garudust-hub and install their required tools automatically. If the tool needs a runtime (python3, node, etc.) that isn't on PATH, you get a warning immediately at install time — not a silent failure at run time.

Multi-Platform Gateway

garudust-server runs HTTP, all platform adapters, and cron jobs in a single process. Set the relevant env vars and start the server — every adapter runs together.

Platform	Required env var(s)
Telegram	`TELEGRAM_TOKEN`
Discord	`DISCORD_TOKEN`
Slack	`SLACK_BOT_TOKEN` + `SLACK_APP_TOKEN`
LINE	`LINE_CHANNEL_SECRET` + `LINE_CHANNEL_ACCESS_TOKEN`
WhatsApp	Meta Cloud API credentials
Matrix	`MATRIX_HOMESERVER` + `MATRIX_USER` + `MATRIX_PASSWORD`
HTTP	Always-on at `POST /chat` — no token needed

TELEGRAM_TOKEN=123:ABC \
LINE_CHANNEL_SECRET=abc... \
garudust-server --anthropic-key sk-ant-...

One binary, every channel.

HTTP API

Three transport modes:

# Blocking
curl -X POST http://localhost:3000/chat \
  -H "Content-Type: application/json" \
  -d '{"message": "write a haiku about Rust"}'

# Streaming (Server-Sent Events)
curl -X POST http://localhost:3000/chat/stream \
  -H "Content-Type: application/json" \
  -d '{"message": "explain async/await in 3 sentences"}'

# WebSocket: ws://localhost:3000/chat/ws
# Send: {"message": "..."} → Receive: text chunks ... {"done": true}

Prometheus-compatible metrics at /metrics. Health check at /health.

Cron Scheduling

Run agent tasks on a schedule with a single env var:

GARUDUST_CRON_JOBS="0 9 * * *=Write a morning briefing and save to ~/briefing.md" \
garudust-server --anthropic-key sk-ant-...

Combined with the skill system and a platform adapter, this becomes a powerful automation layer — daily social media posts, standup summaries, report generation, or any workflow you can describe in plain text.

Built-in Tools

Tool	What it does	Since
`web_fetch`	Fetch any URL (capped at 512 KB)	v0.1.0
`web_search`	Brave Search API; falls back to DuckDuckGo	v0.1.0
`browser`	Control Chrome via CDP — navigate, click, screenshot, JS	v0.1.0
`read_file` / `write_file`	Filesystem access	v0.1.0
`terminal`	Run shell commands (sandboxed via Docker, opt-in)	v0.1.0
`memory`	Persistent key-value store	v0.1.0
`session_search`	Full-text search across past conversations (SQLite FTS5)	v0.1.0
`delegate_task`	Spawn parallel sub-agents; results returned in order	v0.1.0
`list_directory`	Browse filesystem	v0.2.0
`http_request`	Make REST API calls directly without curl	v0.2.0
`pdf_read`	Extract text from PDF files	v0.2.0
`write_skill`	Create or update skills on the fly	v0.1.0

MCP Support

Connect any MCP server in ~/.garudust/config.yaml:

mcp_servers:
  - name: filesystem
    command: npx
    args: ["-y", "@modelcontextprotocol/server-filesystem", "/tmp"]
  - name: postgres
    command: npx
    args: ["-y", "@modelcontextprotocol/server-postgres", "postgresql://localhost/mydb"]

Security

A few things worth highlighting for anyone self-hosting:

Terminal sandbox — shell commands run inside a hardened Docker container (--cap-drop ALL, --security-opt no-new-privileges:true, tmpfs /tmp). Opt-in via terminal_sandbox: docker in config.
ConstitutionalApprover — LLM-based approval gate for commands, not regex that can be bypassed via shell obfuscation.
DNS TOCTOU fix — a custom SafeResolver closes the gap where a hostname could resolve to a private IP between the check and the actual request.
Prompt injection protection — recalled memory is wrapped in <untrusted_memory> tags so the model treats it as data, not instructions.
Structured audit log — every tool call is logged at INFO level with session ID, tool name, and arguments.
LLM retry with exponential backoff — transient 429/5xx errors are retried automatically.

Usage Footer

Every completed task appends a summary (added in v0.2.2):

[5 iter | 24657in 689out tok | ~$0.003 @ Qwen3-14B-AWQ]

Iterations, token counts, estimated cost, and model — useful for understanding what tasks actually cost at scale.

Self-Hosted LLM Support

If you run your own LLM (vLLM, Ollama), Garudust connects with zero friction:

# Ollama
OLLAMA_BASE_URL=http://localhost:11434
GARUDUST_MODEL=llama3.2

# vLLM
VLLM_BASE_URL=http://localhost:8000/v1
VLLM_API_KEY=token-abc123
GARUDUST_MODEL=Qwen/Qwen3-14B-AWQ

No cloud required. Your data stays local.

Docker

echo "OPENROUTER_API_KEY=sk-or-..." > .env
docker compose up

The compose file is included in the repo.

Contributing

Good first issues:

New tool — wrap any CLI or API as a Tool impl in garudust-tools
New platform — implement PlatformAdapter (Signal, etc.)
Improve TUI — multi-line input, syntax highlighting, mouse support
Tests — integration, property, snapshot

git clone https://github.com/garudust-org/garudust-agent
cd garudust-agent
cargo build
cargo test --workspace
cargo clippy --workspace --all-targets -- -W clippy::all -W clippy::pedantic

Build an AI-Powered Auto-Post Bot for Facebook with Garudust

Garudust — Wed, 13 May 2026 08:07:57 +0000

Social media managers spend hours crafting posts, finding images, and hitting "publish." What if a single terminal command could do all of that — research a topic, write an engaging post, generate a matching image, and publish it to your Facebook Page automatically?

That's exactly what Garudust does. It's an open-source AI agent written in Rust that connects to any OpenAI-compatible LLM (local or cloud) and runs multi-step workflows through a simple skill system.

In this guide, you'll set up Garudust and run a fully automated Facebook post workflow from scratch.

What You'll Build

One command → one full Facebook post:

garudust "use skill facebook-workflow, post about AI news today, page_id=YOUR_PAGE_ID"

The agent will:

🔍 Search the web for recent news on your topic
📄 Read and summarize the best article it finds
🎨 Generate a matching image with overlay text
✍️ Write a detailed post with hashtags in your target language
📢 Publish everything to your Facebook Page — no manual steps

Prerequisites

Before you start, make sure you have:

Rust (stable) — install via rustup.rs
A Facebook Page you manage
A Facebook Developer App with pages_manage_posts permission
An LLM endpoint — local (vLLM / Ollama) or cloud (OpenRouter / Anthropic)
Optional: A Hugging Face token for AI image generation

Step 1 — Install Garudust

cargo install garudust

Then run the interactive setup wizard:

garudust setup

This creates two files:

~/.garudust/config.yaml — non-secret settings
~/.garudust/.env — API keys and tokens

Step 2 — Configure Your LLM

Garudust separates settings from secrets. Open ~/.garudust/config.yaml:

# Non-secret settings — safe to share or commit
model: Qwen/Qwen3-14B-AWQ    # or gpt-4o, claude-3-5-sonnet, etc.
provider: vllm                # vllm | ollama | anthropic | openrouter
base_url: http://localhost:8000/v1

context_window: 32768
compression:
  enabled: true
  threshold_fraction: 0.65

Then add your secrets to ~/.garudust/.env:

# Secrets only — never put model or URL here
VLLM_API_KEY=your-vllm-key
HF_TOKEN=hf_xxxxxxxxxxxx

💡 Design principle: config.yaml holds everything that isn't a secret (model name, provider, URLs, behavior tuning). .env holds only API keys. This makes it trivial to share your config without leaking credentials.

Using a cloud provider instead? Here's how each maps:

Provider	config.yaml	.env
vLLM (local)	`provider: vllm` + `base_url`	`VLLM_API_KEY`
Ollama (local)	`provider: ollama` + `base_url`	(none needed)
Anthropic	`provider: anthropic`	`ANTHROPIC_API_KEY`
OpenRouter	`provider: openrouter`	`OPENROUTER_API_KEY`

Step 3 — Get a Facebook Page Access Token

Go to developers.facebook.com → My Apps → create a new app
Add the Facebook Login product
Open the Graph API Explorer, select your app and your Page
Generate a token with these permissions:
- pages_manage_posts
- pages_read_engagement
Exchange it for a long-lived Page Access Token (valid 60 days)
Add it to your .env:

FACEBOOK_ACCESS_TOKEN=EAAxxxxxxxxxxxxxxxx

Your Page ID is visible in Page Settings under About, or in the Page URL.

Step 4 — Install the Skill and Tools

garudust skill install facebook-workflow

This pulls the skill from garudust-hub and automatically installs the required tools: facebook_post and generate_image.

Verify everything is in place:

garudust skill list
# ✓ facebook-workflow  v3.0.0

garudust tool list
# ✓ facebook_post
# ✓ generate_image
# ✓ web_search
# ✓ web_fetch

Step 5 — Run Your First Auto-Post

garudust "use skill facebook-workflow, research latest AI news, write a detailed post, generate an image, post to page_id=831735183365530"

Watch the agent work through each step:

[web_search]     searching: AI news 2025...
[web_fetch]      fetching top result...
[generate_image] creating /tmp/fb_post_image.png...
[facebook_post]  publishing to page 831735183365530...

Posted — ID: 831735183365530_122126910027165465
[5 iter | 24657in 689out @ Qwen3-14B-AWQ]

Your post is live. ✅

How It Works Under the Hood

The facebook-workflow skill is a plain Markdown file at:

~/.garudust/skills/facebook-workflow/SKILL.md

It guides the agent through four steps:

Step 1 — Research   →  web_search + web_fetch (1 search, 1 fetch)
Step 2 — Image      →  generate_image (1024×576, with overlay text)
Step 3 — Post       →  facebook_post (page_id + message + image_path)
Step 4 — Report     →  confirm post_id or surface the error

Each step explicitly tells the model which tool to call and when. This prevents weak models from staying in "text mode" and skipping tool calls entirely — a common failure mode in multi-step agent workflows.

Automatic Context Management

For models with small context windows (e.g. 27K tokens), Garudust handles overflow automatically:

Compresses conversation history when it reaches 65% of the context limit
Caps max_tokens at context_window / 8 to always leave room for input
Retries with a smaller output budget (/16 → /32) if the first attempt still overflows

You don't need to think about tokens — just set context_window in config.yaml and the agent handles the rest.

Step 6 — Customize the Post Format

The post format is defined directly in the skill file. Edit it:

nano ~/.garudust/skills/facebook-workflow/SKILL.md

Find the post format section and adjust it to your style:

**Post format (minimum 200 words):**

[hook — 1–2 attention-grabbing sentences, use a question or surprising fact]

[background — why this matters, 2–3 sentences of context]

[main content — facts, figures, and deep details from research, 3–4 sentences]

[real example — a company, product, or case study, 2–3 sentences]

[impact & trends — what this means for the future, 2–3 sentences]

[call to action — ask for opinions or suggest next steps, 1–2 sentences]

#hashtag1 #hashtag2 #hashtag3 #hashtag4 #hashtag5

Want posts in English instead of Thai? Change the language note. Want longer posts? Raise the minimum word count. The model will follow whatever format you define here.

Step 7 — Automate with a Daily Cron Job

Create a shell script:

# /usr/local/bin/daily-ai-post.sh
#!/bin/bash
garudust "use skill facebook-workflow, latest AI technology news, write a detailed post, generate an image, post to page_id=YOUR_PAGE_ID" \
  >> ~/.garudust/post.log 2>&1

Make it executable and add it to cron:

chmod +x /usr/local/bin/daily-ai-post.sh
crontab -e

# Post every day at 9:00 AM
0 9 * * * /usr/local/bin/daily-ai-post.sh

That's it — fully automated daily posts with zero manual work.

Troubleshooting

Symptom	Cause	Fix
`required tool facebook_post not called`	Model skipped the tool call	Retry, or switch to a stronger model
`HTTP 400 context overflow`	Prompt too long for context window	Reduce `context_window` or set a smaller `web_fetch` limit
`FACEBOOK_ACCESS_TOKEN not set`	Missing secret	Add to `~/.garudust/.env`
Post published but has no image	`generate_image` failed silently	Check `HF_TOKEN` in `.env`
Token expired after 60 days	Short-lived token used	Regenerate a long-lived Page Access Token

What to Try Next

Multiple languages — add "write in English" or "write in Japanese" to your task
Topic rotation — pass a topics array in a shell script and pick one per day
Multiple pages — loop over page IDs to cross-post automatically
Custom image styles — edit the generate_image prompt in the skill to match your brand

Forem: Garudust

Cron & Scheduled Tasks in Garudust Agent — Autonomous Agents That Run Without You

How It Works

Three Ways to Set Up Cron Jobs

1. config.yaml — Permanent, survives restarts

2. CLI flag or environment variable — One-off / Docker

3. Runtime via chat — No restart needed

Memory Maintenance (Bonus)

Practical Examples

Morning Briefing

Log Monitoring

Weekly Git Summary

Sending Results to Telegram

Disabling Cron Tools

Summary

Chat With Your Documents Using Garudust Agent — No Vector Database Required

How It Works

Setup

Your First Ingestion

The Four RAG Tools

Re-ingesting a file

Forgetting a document

FTS5 Query Syntax

Real-World Use Cases

1. Company Knowledge Base

2. Contract and Legal Review

3. Log Analysis

4. Codebase Documentation

Ingesting Files Sent via Telegram or LINE

Multiple Documents at Once

Limitations

Summary

ให้ AI พูดภาษาไทยได้ด้วย Garudust Agent + iApp TTS

TTS คืออะไร และทำไมต้อง iApp

ขั้นตอนที่ 1 — ติดตั้ง tts tool จาก Hub

ขั้นตอนที่ 2 — เพิ่ม Provider Profile ใน config.yaml

ขั้นตอนที่ 3 — เพิ่ม API Key ใน .env

ทดสอบผ่าน CLI

เบื้องหลัง — run.py ทำงานยังไง

เปลี่ยน Provider ได้ทันทีโดยไม่แตะโค้ด

ขั้นต่อไปที่ทำได้

สรุป

10 Things You Can Do With Logs Using Garudust Agent 🦅

10 Things You Can Do With Logs Using Garudust Agent 🦅

Setup in 60 Seconds

1. 🕵️ Explain Why an Incident Happened

2. 📊 Generate a Weekly Incident Report

3. 🔁 Detect Crash Loops Before They Become Outages

4. 🌡️ Baseline "Normal" and Alert on Deviations

5. 🔒 Audit Security Events

6. 📈 Build a Performance Degradation Timeline

7. 🤖 Auto-Remediate Known Issues

8. 🔍 Trace a Single Request Across Services

9. 📝 Generate a CHANGELOG from Deploy Logs

10. ⏰ Schedule All of the Above

The Mental Model Shift

What's Next

ตรวจจับ Log Anomaly อัตโนมัติด้วย Garudust Agent 🦅

ตรวจจับ Log Anomaly อัตโนมัติด้วย Garudust Agent 🦅

🤔 ปัญหาจริงที่นักพัฒนาเจอ

🛠️ ติดตั้ง Garudust

วิธีที่ 1 — ใช้ Pre-built Binary (แนะนำ)

วิธีที่ 2 — Build จาก Source (ต้องมี Rust 1.75+)

ตั้งค่าเริ่มต้น

📦 ติดตั้ง log-analyst Skill

🔍 ใช้งานจริง: วิเคราะห์ Log ทันที

กรณีที่ 1 — วิเคราะห์ syslog

กรณีที่ 2 — วิเคราะห์ Application Log

กรณีที่ 3 — เปรียบเทียบ Log สองช่วงเวลา

⏰ Cron: ตรวจ Log อัตโนมัติ ทุก 30 นาที

แจ้งเตือนผ่าน Telegram อัตโนมัติ

🏭 Use Case จริง: ระบบ Industrial / Edge AI

✏️ เขียน Skill เองสำหรับ Log Format เฉพาะทาง

🔧 Tool เพิ่มเติมจาก garudust-hub

📊 เปรียบเทียบ: Garudust vs วิธีเดิม

🚀 เริ่มต้น 5 นาที

สรุป

Build a Self-Improving AI Agent in Rust with Garudust — Daily Briefing Bot in 10 Minutes

Why Garudust?

Prerequisites

1. `config.yaml` — Permanent, survives restarts

9. 📝 Generate a `CHANGELOG` from Deploy Logs

📦 ติดตั้ง `log-analyst` Skill

`~/.garudust/.env`

`~/.garudust/config.yaml`