เวิร์กช็อป Foundry Local - สร้างแอป AI บนอุปกรณ์

April 21, 2026 · View on GitHub

Foundry Local

เวิร์กช็อป Foundry Local - สร้างแอป AI บนอุปกรณ์

เวิร์กช็อปแบบลงมือปฏิบัติสำหรับการรันโมเดลภาษาในเครื่องของคุณเองและสร้างแอปอัจฉริยะด้วย Foundry Local และ Microsoft Agent Framework

Foundry Local คืออะไร? Foundry Local คือรันไทม์ขนาดเล็กที่ช่วยให้คุณดาวน์โหลด จัดการ และให้บริการโมเดลภาษาได้อย่างเต็มที่บนฮาร์ดแวร์ของคุณเอง มันเปิดเผย API ที่เข้ากันได้กับ OpenAI เพื่อให้เครื่องมือหรือ SDK ใด ๆ ที่รองรับ OpenAI สามารถเชื่อมต่อได้โดยไม่ต้องใช้บัญชีคลาวด์

🌐 รองรับหลายภาษา

รองรับผ่าน GitHub Action (อัตโนมัติและอัปเดตตลอดเวลา)

อาหรับ | เบงกาลี | บัลแกเรีย | พม่า (เมียนมาร์) | จีน (ตัวย่อ) | จีน (ตัวเต็ม, ฮ่องกง) | จีน (ตัวเต็ม, มาเก๊า) | จีน (ตัวเต็ม, ไต้หวัน) | โครเอเชีย | เช็ก | เดนมาร์ก | ดัตช์ | เอสโตเนีย | ฟินแลนด์ | ฝรั่งเศส | เยอรมัน | กรีก | ฮีบรู | ฮินดี | ฮังการี | อินโดนีเซีย | อิตาลี | ญี่ปุ่น | กันนาดา | เขมร | เกาหลี | ลิทัวเนีย | มาเลย์ | มาลายาลัม | มราฐี | เนปาล | ไนจีเรีย พิดจิน | นอร์เวย์ | เปอร์เซีย (ฟาร์ซี) | โปแลนด์ | โปรตุเกส (บราซิล) | โปรตุเกส (โปรตุเกส) | ปัญจาบี (กูรมุขี) | โรมาเนีย | รัสเซีย | เซอร์เบีย (ซีริลลิก) | สโลวัก | สโลวีเนีย | สเปน | สวาฮีลี | สวีเดน | ตากาล็อก (ฟิลิปปินส์) | ทมิฬ | เทลูกู | ไทย | ตุรกี | ยูเครน | อูรดู | เวียดนาม

ต้องการโคลนแบบโลคัล?

รีโพสิทอรีนี้รวมการแปลภาษา 50+ ภาษา ซึ่งเพิ่มขนาดดาวน์โหลดอย่างมีนัยสำคัญ หากต้องการโคลนโดยไม่รวมการแปล ให้ใช้ sparse checkout:

Bash / macOS / Linux:

git clone --filter=blob:none --sparse https://github.com/microsoft-foundry/Foundry-Local-Lab.git
cd Foundry-Local-Lab
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

CMD (Windows):

git clone --filter=blob:none --sparse https://github.com/microsoft-foundry/Foundry-Local-Lab.git
cd Foundry-Local-Lab
git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"

วิธีนี้จะให้ทุกอย่างที่คุณต้องการเพื่อทำคอร์สนี้ให้เสร็จด้วยการดาวน์โหลดที่รวดเร็วยิ่งขึ้น

วัตถุประสงค์การเรียนรู้

เมื่อสิ้นสุดเวิร์กช็อปนี้ คุณจะสามารถ:

#วัตถุประสงค์
1ติดตั้ง Foundry Local และจัดการโมเดลด้วย CLI
2เชี่ยวชาญกับ Foundry Local SDK API สำหรับการจัดการโมเดลแบบโปรแกรม
3เชื่อมต่อกับเซิร์ฟเวอร์อนุมานโลคัลโดยใช้ SDK ของ Python, JavaScript และ C#
4สร้างท่อผลิต Retrieval-Augmented Generation (RAG) ที่อิงคำตอบกับข้อมูลของคุณเอง
5สร้างเอเย่นต์ AI ที่มีคำแนะนำและบุคลิกคงที่
6ประสานงานเวิร์กโฟลว์หลายเอเย่นต์ด้วยวงจรฟีดแบ็ก
7สำรวจแอปยอดเยี่ยมในเชิงผลิต - Zava Creative Writer
8สร้างเฟรมเวิร์กการประเมินด้วยชุดข้อมูลทองคำและการให้คะแนนแบบ LLM-as-judge
9ถอดรหัสเสียงด้วย Whisper - พูดเป็นข้อความบนอุปกรณ์โดยใช้ Foundry Local SDK
10คอมไพล์และรันโมเดลกำหนดเองหรือ Hugging Face ด้วย ONNX Runtime GenAI และ Foundry Local
11เปิดใช้งานโมเดลโลคัลให้เรียกใช้งานฟังก์ชันภายนอกด้วยรูปแบบ tool-calling
12สร้าง UI บนเบราว์เซอร์สำหรับ Zava Creative Writer พร้อมสตรีมมิ่งเรียลไทม์

ข้อกำหนดเบื้องต้น

ข้อกำหนดรายละเอียด
ฮาร์ดแวร์แรมอย่างน้อย 8 GB (แนะนำ 16 GB); ซีพียูรองรับ AVX2 หรือตัวเร่งกราฟิก GPU ที่รองรับ
ระบบปฏิบัติการWindows 10/11 (x64/ARM), Windows Server 2025 หรือ macOS 13+
Foundry Local CLIติดตั้งผ่าน winget install Microsoft.FoundryLocal (Windows) หรือ brew tap microsoft/foundrylocal && brew install foundrylocal (macOS) ดูคำแนะนำ เริ่มต้นใช้งาน สำหรับรายละเอียด
รันไทม์ภาษาPython 3.9+ และ/หรือ .NET 9.0+ และ/หรือ Node.js 18+
Gitสำหรับโคลนรีโพสิทอรีนี้

เริ่มต้นใช้งาน

# 1. โคลนที่เก็บข้อมูล
git clone https://github.com/microsoft-foundry/foundry-local-lab.git
cd foundry-local-lab

# 2. ตรวจสอบว่า Foundry Local ถูกติดตั้งแล้ว
foundry model list              # แสดงรายชื่อโมเดลที่มีอยู่
foundry model run phi-3.5-mini  # เริ่มการแชทแบบอินเทอร์แอคทีฟ

# 3. เลือกรายวิชาภาษาของคุณ (ดู Part 2 lab สำหรับการตั้งค่าเต็มรูปแบบ)
ภาษาเริ่มต้นอย่างรวดเร็ว
Pythoncd python && pip install -r requirements.txt && python foundry-local.py
C#cd csharp && dotnet run
JavaScriptcd javascript && npm install && node foundry-local.mjs

ส่วนของเวิร์กช็อป

ส่วนที่ 1: เริ่มต้นกับ Foundry Local

คู่มือการปฏิบัติ: labs/part1-getting-started.md

  • Foundry Local คืออะไร และทำงานอย่างไร
  • การติดตั้ง CLI บน Windows และ macOS
  • การสำรวจโมเดล - รายการ ดาวน์โหลด และรัน
  • ความเข้าใจเกี่ยวกับนามแฝงของโมเดลและพอร์ตแบบไดนามิก

ส่วนที่ 2: เจาะลึก Foundry Local SDK

คู่มือการปฏิบัติ: labs/part2-foundry-local-sdk.md

  • เหตุผลที่ใช้ SDK แทน CLI สำหรับการพัฒนาแอปพลิเคชัน
  • อ้างอิง API SDK เต็มรูปแบบสำหรับ Python, JavaScript และ C#
  • การจัดการบริการ, การเรียกดูแคตตาล็อก, วงจรชีวิตโมเดล (ดาวน์โหลด, โหลด, ปล่อย)
  • รูปแบบเริ่มต้นอย่างรวดเร็ว: ตัวสร้าง Python bootstrap, JavaScript init(), C# CreateAsync()
  • ข้อมูลเมตา FoundryModelInfo, นามแฝง และการเลือกโมเดลที่เหมาะสมกับฮาร์ดแวร์

ส่วนที่ 3: SDKs และ APIs

คู่มือการปฏิบัติ: labs/part3-sdk-and-apis.md

  • การเชื่อมต่อกับ Foundry Local จาก Python, JavaScript และ C#
  • การใช้ Foundry Local SDK เพื่อจัดการบริการแบบโปรแกรม
  • การสตรีมจบแชทผ่าน OpenAI-compatible API
  • อ้างอิงวิธี SDK สำหรับแต่ละภาษา

ตัวอย่างโค้ด:

ภาษาไฟล์คำอธิบาย
Pythonpython/foundry-local.pyแชทสตรีมมิ่งพื้นฐาน
C#csharp/BasicChat.csแชทสตรีมมิ่งกับ .NET
JavaScriptjavascript/foundry-local.mjsแชทสตรีมมิ่งกับ Node.js

ส่วนที่ 4: Retrieval-Augmented Generation (RAG)

คู่มือการปฏิบัติ: labs/part4-rag-fundamentals.md

  • RAG คืออะไรและเหตุใดจึงสำคัญ
  • การสร้างฐานความรู้ในหน่วยความจำ
  • การดึงข้อมูลด้วยการทับซ้อนคำสำคัญพร้อมการให้คะแนน
  • การประพันธ์พรอมต์ระบบที่ตั้งอยู่บนข้อมูลจริง
  • การรันท่อ RAG แบบครบถ้วนบนอุปกรณ์

ตัวอย่างโค้ด:

ภาษาไฟล์
Pythonpython/foundry-local-rag.py
C#csharp/RagPipeline.cs
JavaScriptjavascript/foundry-local-rag.mjs

ส่วนที่ 5: การสร้าง AI Agents

คู่มือการปฏิบัติ: labs/part5-single-agents.md

  • AI Agent คืออะไร (ต่างจากเรียกใช้ LLM โดยตรง)
  • รูปแบบ ChatAgent และ Microsoft Agent Framework
  • คำสั่งระบบ, บุคลิก และการสนทนาหลายรอบ
  • ผลลัพธ์แบบมีโครงสร้าง (JSON) จากเอเย่นต์

ตัวอย่างโค้ด:

ภาษาไฟล์คำอธิบาย
Pythonpython/foundry-local-with-agf.pyเอเย่นต์เดี่ยวพร้อม Agent Framework
C#csharp/SingleAgent.csเอเย่นต์เดี่ยว (รูปแบบ ChatAgent)
JavaScriptjavascript/foundry-local-with-agent.mjsเอเย่นต์เดี่ยว (รูปแบบ ChatAgent)

ส่วนที่ 6: เวิร์กโฟลว์หลายเอเย่นต์

คู่มือการปฏิบัติ: labs/part6-multi-agent-workflows.md

  • ท่อเวิร์กโฟลว์หลายเอเย่นต์: นักวิจัย → นักเขียน → บรรณาธิการ
  • การประสานลำดับและวงจรฟีดแบ็ก
  • การกำหนดค่าแบบแชร์และการส่งต่อแบบมีโครงสร้าง
  • การออกแบบเวิร์กโฟลว์หลายเอเย่นต์ของคุณเอง

ตัวอย่างโค้ด:

ภาษาไฟล์คำอธิบาย
Pythonpython/foundry-local-multi-agent.pyท่อสามเอเย่นต์
C#csharp/MultiAgent.csท่อสามเอเย่นต์
JavaScriptjavascript/foundry-local-multi-agent.mjsท่อสามเอเย่นต์

ส่วนที่ 7: Zava Creative Writer - แอปการศึกษาระดับสูง

คู่มือการปฏิบัติ: labs/part7-zava-creative-writer.md

  • แอปแบบการผลิตหลายเอเย่นต์ที่มีเอเย่นต์เฉพาะ 4 ตัว
  • ท่อแบบลำดับพร้อมวงจรฟีดแบ็กโดยผู้ประเมิน
  • การสตรีมเอาต์พุต, การค้นหาแคตตาล็อกสินค้า, การส่งต่อ JSON แบบมีโครงสร้าง
  • การใช้งานเต็มรูปแบบใน Python (FastAPI), JavaScript (Node.js CLI), และ C# (.NET console)

ตัวอย่างโค้ด:

ภาษาโฟลเดอร์คำอธิบาย
Pythonzava-creative-writer-local/src/api/บริการเว็บ FastAPI พร้อมผู้จัดการกระบวนการ
JavaScriptzava-creative-writer-local/src/javascript/แอป CLI Node.js
C#zava-creative-writer-local/src/csharp/แอป console .NET 9

ส่วนที่ 8: การพัฒนานำโดยการประเมินผล

คู่มือการปฏิบัติ: labs/part8-evaluation-led-development.md

  • สร้างเฟรมเวิร์กการประเมินแบบเป็นระบบสำหรับเอเย่นต์ AI ด้วยชุดข้อมูลทองคำ
  • การตรวจสอบตามกฎ (ความยาว, การครอบคลุมคำสำคัญ, คำต้องห้าม) + การให้คะแนน LLM-as-judge
  • การเปรียบเทียบแบบข้างเคียงของตัวแปรพรอมต์ด้วยบัตรคะแนนรวม
  • ขยายรูปแบบเอเย่นต์ Zava Editor จากส่วนที่ 7 สู่ชุดทดสอบแบบออฟไลน์
  • ใช้ได้ทั้ง Python, JavaScript และ C#

ตัวอย่างโค้ด:

ภาษาไฟล์คำอธิบาย
Pythonpython/foundry-local-eval.pyเฟรมเวิร์กประเมินผล
C#csharp/AgentEvaluation.csเฟรมเวิร์กประเมินผล
JavaScriptjavascript/foundry-local-eval.mjsเฟรมเวิร์กประเมินผล

ส่วนที่ 9: การถอดเสียงเสียงด้วย Whisper

คู่มือการปฏิบัติ: labs/part9-whisper-voice-transcription.md

  • การถอดเสียงพูดเป็นข้อความโดยใช้ OpenAI Whisper ที่ทำงานแบบออฟไลน์
  • การประมวลผลเสียงที่เน้นความเป็นส่วนตัว - เสียงจะไม่ถูกส่งออกจากอุปกรณ์ของคุณ
  • ใช้ Python, JavaScript และ C# กับ client.audio.transcriptions.create() (Python/JS) และ AudioClient.TranscribeAudioAsync() (C#)
  • รวมไฟล์เสียงตัวอย่างธีม Zava สำหรับฝึกปฏิบัติ

ตัวอย่างโค้ด:

ภาษาไฟล์คำอธิบาย
Pythonpython/foundry-local-whisper.pyการถอดเสียงเสียง Whisper
C#csharp/WhisperTranscription.csการถอดเสียงเสียง Whisper
JavaScriptjavascript/foundry-local-whisper.mjsการถอดเสียงเสียง Whisper

หมายเหตุ: ห้องปฏิบัติการนี้ใช้ Foundry Local SDK เพื่อดาวน์โหลดและโหลดโมเดล Whisper แบบอัตโนมัติ จากนั้นส่งเสียงไปยังจุดเชื่อมต่อท้องถิ่นที่รองรับ OpenAI สำหรับการถอดเสียง โมเดล Whisper (whisper) แสดงในแคตตาล็อก Foundry Local และทำงานทั้งหมดบนอุปกรณ์ - ไม่จำเป็นต้องใช้คีย์ API คลาวด์หรือการเข้าถึงเครือข่าย

ส่วนที่ 10: การใช้โมเดลแบบกำหนดเองหรือ Hugging Face

คู่มือห้องปฏิบัติการ: labs/part10-custom-models.md

  • การแปลงโมเดล Hugging Face ไปเป็นรูปแบบ ONNX ที่เพิ่มประสิทธิภาพโดยใช้ ONNX Runtime GenAI model builder
  • การคอมไพล์เฉพาะฮาร์ดแวร์ (CPU, NVIDIA GPU, DirectML, WebGPU) และการปรับค่าความแม่นยำ (int4, fp16, bf16)
  • การสร้างไฟล์กำหนดค่ารูปแบบแชทสำหรับ Foundry Local
  • เพิ่มโมเดลที่คอมไพล์แล้วลงในแคชของ Foundry Local
  • เรียกใช้โมเดลกำหนดเองผ่าน CLI, REST API และ OpenAI SDK
  • ตัวอย่างอ้างอิง: การคอมไพล์ Qwen/Qwen3-0.6B แบบครบวงจร

ส่วนที่ 11: การเรียกใช้งานเครื่องมือด้วยโมเดลท้องถิ่น

คู่มือห้องปฏิบัติการ: labs/part11-tool-calling.md

  • เปิดให้โมเดลท้องถิ่นเรียกฟังก์ชันภายนอกได้ (tool/function calling)
  • กำหนดสคีมาของเครื่องมือโดยใช้รูปแบบการเรียกฟังก์ชันของ OpenAI
  • จัดการการสนทนาแบบหลายรอบของการเรียกใช้งานเครื่องมือ
  • ดำเนินการเรียกเครื่องมือภายในเครื่องและส่งผลลัพธ์กลับไปยังโมเดล
  • เลือกโมเดลที่เหมาะสมสำหรับสถานการณ์การเรียกเครื่องมือ (Qwen 2.5, Phi-4-mini)
  • ใช้ ChatClient ของ SDK สำหรับการเรียกใช้งานเครื่องมือ (JavaScript)

ตัวอย่างโค้ด:

ภาษาไฟล์คำอธิบาย
Pythonpython/foundry-local-tool-calling.pyการเรียกใช้เครื่องมือกับเครื่องมือพยากรณ์อากาศ/ประชากร
C#csharp/ToolCalling.csการเรียกใช้เครื่องมือด้วย .NET
JavaScriptjavascript/foundry-local-tool-calling.mjsการเรียกใช้เครื่องมือด้วย ChatClient

ส่วนที่ 12: การสร้าง Web UI สำหรับ Zava Creative Writer

คู่มือห้องปฏิบัติการ: labs/part12-zava-ui.md

  • เพิ่มส่วนหน้าเว็บเบราว์เซอร์ให้กับ Zava Creative Writer
  • ให้บริการ UI ร่วมกันจาก Python (FastAPI), JavaScript (Node.js HTTP), และ C# (ASP.NET Core)
  • ประมวลผลการสตรีม NDJSON ในเบราว์เซอร์ด้วย Fetch API และ ReadableStream
  • แสดงสถานะตัวแทนแบบสดและสตรีมข้อความบทความแบบเรียลไทม์

โค้ด (UI ร่วม):

ไฟล์คำอธิบาย
zava-creative-writer-local/ui/index.htmlรูปแบบหน้า
zava-creative-writer-local/ui/style.cssการจัดรูปแบบ
zava-creative-writer-local/ui/app.jsตัวอ่านสตรีมและตรรกะการอัพเดต DOM

ส่วนเสริมของ Backend:

ภาษาไฟล์คำอธิบาย
Pythonzava-creative-writer-local/src/api/main.pyปรับปรุงเพื่อให้บริการ UI แบบสแตติก
JavaScriptzava-creative-writer-local/src/javascript/server.mjsเซิร์ฟเวอร์ HTTP ใหม่ห่อหุ้ม orchestrator
C#zava-creative-writer-local/src/csharp-web/Program.csโปรเจ็กต์ ASP.NET Core minimal API ใหม่

ส่วนที่ 13: การทำเวิร์กช็อปเสร็จสมบูรณ์

คู่มือห้องปฏิบัติการ: labs/part13-workshop-complete.md

  • สรุปทุกสิ่งที่คุณได้สร้างในทั้ง 12 ส่วน
  • แนวคิดเพิ่มเติมในการขยายแอปพลิเคชันของคุณ
  • ลิงก์ไปยังแหล่งข้อมูลและเอกสารประกอบ

โครงสร้างโปรเจ็กต์

├── python/                        # Python examples
│   ├── foundry-local.py           # Basic chat
│   ├── foundry-local-with-agf.py  # Single agent (AGF)
│   ├── foundry-local-rag.py       # RAG pipeline
│   ├── foundry-local-multi-agent.py # Multi-agent workflow
│   ├── foundry-local-eval.py      # Agent evaluation framework
│   ├── foundry-local-whisper.py   # Whisper voice transcription
│   ├── foundry-local-tool-calling.py # Tool/function calling
│   └── requirements.txt
├── csharp/                        # C# examples
│   ├── Program.cs                 # CLI router (chat|rag|agent|multi|eval|whisper|toolcall)
│   ├── BasicChat.cs               # Basic chat
│   ├── RagPipeline.cs             # RAG pipeline
│   ├── SingleAgent.cs             # Single agent (ChatAgent pattern)
│   ├── MultiAgent.cs              # Multi-agent workflow
│   ├── AgentEvaluation.cs         # Agent evaluation framework
│   ├── WhisperTranscription.cs    # Whisper voice transcription
│   ├── ToolCalling.cs             # Tool/function calling
│   └── csharp.csproj
├── javascript/                    # JavaScript examples
│   ├── foundry-local.mjs          # Basic chat
│   ├── foundry-local-with-agent.mjs # Single agent
│   ├── foundry-local-rag.mjs     # RAG pipeline
│   ├── foundry-local-multi-agent.mjs # Multi-agent workflow
│   ├── foundry-local-eval.mjs     # Agent evaluation framework
│   ├── foundry-local-whisper.mjs  # Whisper voice transcription
│   ├── foundry-local-tool-calling.mjs # Tool/function calling
│   └── package.json
├── zava-creative-writer-local/ # Production multi-agent app
│   ├── ui/                        # Shared browser UI (Part 12)
│   │   ├── index.html             # Page layout
│   │   ├── style.css              # Styling
│   │   └── app.js                 # Stream reader and DOM updates
│   └── src/
│       ├── api/                   # Python FastAPI service
│       │   ├── main.py            # FastAPI server (serves UI)
│       │   ├── orchestrator.py    # Pipeline coordinator
│       │   ├── foundry_config.py  # Shared Foundry Local config
│       │   ├── requirements.txt
│       │   └── agents/            # Researcher, Product, Writer, Editor
│       ├── javascript/            # Node.js CLI and web server
│       │   ├── main.mjs           # CLI entry point
│       │   ├── server.mjs         # HTTP server with UI (Part 12)
│       │   ├── foundryConfig.mjs
│       │   └── package.json
│       ├── csharp/                # .NET 9 console app
│       │   ├── Program.cs
│       │   └── ZavaCreativeWriter.csproj
│       └── csharp-web/            # .NET 9 web API (Part 12)
│           ├── Program.cs
│           └── ZavaCreativeWriterWeb.csproj
├── labs/                          # Step-by-step lab guides
│   ├── part1-getting-started.md
│   ├── part2-foundry-local-sdk.md
│   ├── part3-sdk-and-apis.md
│   ├── part4-rag-fundamentals.md
│   ├── part5-single-agents.md
│   ├── part6-multi-agent-workflows.md
│   ├── part7-zava-creative-writer.md
│   ├── part8-evaluation-led-development.md
│   ├── part9-whisper-voice-transcription.md
│   ├── part10-custom-models.md
│   ├── part11-tool-calling.md
│   ├── part12-zava-ui.md
│   └── part13-workshop-complete.md
├── samples/
│   └── audio/                     # Zava-themed WAV files for Part 9
│       ├── generate_samples.py    # TTS script (pyttsx3) to create WAVs
│       └── README.md              # Sample descriptions
├── AGENTS.md                      # Coding agent instructions
├── package.json                   # Root devDependency (mermaid-cli)
├── LICENSE                        # MIT licence
└── README.md

แหล่งข้อมูล

แหล่งข้อมูลลิงก์
เว็บไซต์ Foundry Localfoundrylocal.ai
แคตตาล็อกโมเดลfoundrylocal.ai/models
Foundry Local GitHubgithub.com/microsoft/foundry-local
คู่มือเริ่มต้นMicrosoft Learn - Foundry Local
เอกสารอ้างอิง Foundry Local SDKMicrosoft Learn - SDK Reference
Microsoft Agent FrameworkMicrosoft Learn - Agent Framework
OpenAI Whispergithub.com/openai/whisper
ONNX Runtime GenAIgithub.com/microsoft/onnxruntime-genai

สิทธิ์ใช้งาน

วัสดุเวิร์กช็อปนี้จัดทำขึ้นเพื่อวัตถุประสงค์ทางการศึกษา

ขอให้สนุกกับการสร้างสรรค์! 🚀

ข้อสงวนสิทธิ์:
เอกสารนี้ได้รับการแปลโดยใช้บริการแปลภาษาด้วย AI Co-op Translator แม้ว่าเราจะพยายามให้ความถูกต้อง แต่โปรดทราบว่าการแปลอัตโนมัติอาจมีข้อผิดพลาดหรือความไม่ถูกต้อง เอกสารต้นฉบับในภาษาดั้งเดิมควรถือเป็นแหล่งข้อมูลที่เชื่อถือได้ สำหรับข้อมูลที่สำคัญ ขอแนะนำให้ใช้การแปลโดยผู้เชี่ยวชาญมนุษย์ เราไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความผิดใด ๆ ที่เกิดจากการใช้การแปลนี้