XcodeBuildMCP
ให้ AI จัดการโปรเจกต์ Xcode สั่ง build และใช้ iOS Simulator
ยังไม่มีคำอธิบายภาษาไทย ดูข้อเท็จจริงด้านล่าง หรือเปิดคำอธิบายต้นฉบับจากผู้ทำ
Actively maintained successor to Alibaba DataX — a fast, versatile, open-source ETL tool for 30+ RDBMS and NoSQL data sources.ถ้าคุณเป็นผู้ทำตัวนี้ คัดลอกโค้ดนี้ไปวางใน README ได้เลย ป้ายลิงก์กลับมาที่หน้านี้
[](https://mcp.popnx.com/th/skills/wgzhao-addax)MCP ที่ต่อ AI เข้ากับบริการในงานเดียวกัน
ให้ AI จัดการโปรเจกต์ Xcode สั่ง build และใช้ iOS Simulator
XcodeBuildMCP provides tools for Xcode project management, simulator management, and app utilities.
Puter MCP enables AI tools to interact with Puter: manage files, websites, workers, and more
หมวดงานเดียวกัน เรียงแบบเดียวกับหน้ารายการ Skill
| ตัวนี้ Addax | MinerU | watermarks-remover | obsidian-skills | anysearch-skill | |
|---|---|---|---|---|---|
| ผู้ทำ | wgzhao | opendatalab | guillaumemeyer | kepano | anysearch-ai |
| จำนวน Skill | 1 | 1 | 1 | 5 | 1 |
| ดาว GitHub | 1,452 | 83,701 | 27,493 | 51,629 | 6,896 |
| แก้โค้ดล่าสุด | 13 พ.ย. 2569 | 13 พ.ย. 2569 | 10 พ.ย. 2569 | 15 ก.ย. 2569 | 13 พ.ย. 2569 |
| สัญญาอนุญาต | Apache-2.0 | – | MIT | MIT | Apache-2.0 |
ชุดคำสั่ง (Skill) 1 ชุดจาก wgzhao ให้ AI อ่านแล้วทำงานตามวิธีนี้ · ไม่ใช่ MCP server
MCP = มือ
ต่อ AI เข้ากับบริการหรือข้อมูลข้างนอก เช่น อ่าน Notion หรือสร้างใบแจ้งหนี้ ต้องมีโปรแกรมหรือ server ทำงานอยู่
Skill = คู่มือ
ไฟล์ข้อความที่สอน AI ว่างานนี้ทำยังไง ไม่ต่อบริการใด
บางตัวคล้ายกัน: Skill บางตัวมีสคริปต์เรียกเครื่องมือ และ MCP บางตัวส่งแค่ความรู้ ให้ดูที่งานที่อยากทำเป็นหลัก
Claude CodeCodex
ตามที่ README ของผู้ทำเขียนไว้ และโฟลเดอร์ที่มีใน repo
บัญชี GitHub wgzhao (บุคคล) เปิดมา 15 ปี
★ 1,452 ดาว · แก้โค้ดล่าสุด 13 พ.ย. 2569
มีสคริปต์ 67 ไฟล์ที่รันบนเครื่องได้: build-module.sh, core/package.xml, core/src/main/bin/addax.py, core/src/main/bin/addax.sh และอีก 63 ไฟล์
ตรวจสคริปต์ได้ไม่ครบ (บางไฟล์ใหญ่เกิน) ควรอ่านเองก่อน
ไม่พบ hook หรือการเขียนค่าตั้งของเครื่อง
ตรวจอัตโนมัติจากไฟล์ใน repo ที่ commit 12ad784 (อ่านไฟล์อย่างเดียว ไม่ได้รัน) ไม่ใช่การรับรองความปลอดภัย อ่านแล้วตัดสินใจเอง
ขั้นแรก: คุณใช้ AI ตัวไหน
เลือกแอปที่ใช้ แล้วหน้านี้จะแสดงเฉพาะวิธีติดตั้งของแอปนั้น
อัปโหลดใน claude.ai ไม่ผ่าน เพราะ SKILL.md ไม่มีชื่อหรือคำอธิบายในส่วนหัว ใช้ทาง "ให้ AI ติดตั้งให้" แทน
คัดลอกประโยคนี้ไปวางในแชตของ Claude Code
เลือกเฉพาะโปรเจกต์ ให้วางในแชตที่เปิดอยู่ในโฟลเดอร์ของโปรเจกต์นั้น · AI จะบอก path ให้ดูก่อนติดตั้งเสมอ
AI จะบอกก่อนว่าจะทำอะไร และขออนุญาตคุณทุกขั้น
เปิด Claude Code ใหม่ แล้วพิมพ์ /Addax หรือสั่งงานที่ตรงเรื่อง Claude จะเลือกใช้เอง
ตรวจกับเอกสารทางการล่าสุด 12 พ.ย. 2569 · แหล่ง: code.claude.com
Skill คือคำสั่งที่ AI จะทำตาม อ่านไฟล์ก่อนติดตั้ง และติดตั้งเฉพาะจากผู้ทำที่เชื่อถือได้
Mac: กด Command+Space พิมพ์ Terminal · Windows: คำสั่งด้านล่างใช้ใน PowerShell ไม่ได้ ให้ใช้ทาง “ให้ AI ติดตั้งให้” ด้านบนแทน
คำสั่งนี้ดาวน์โหลด repo ไว้ชั่วคราว แล้วคัดลอกเฉพาะโฟลเดอร์ที่มี SKILL.md
กำลังตรวจคำสั่ง · ปุ่มคัดลอกจะขึ้นเมื่อตรวจผ่าน
Skill ที่ติดตั้งเองใช้ได้ในแอป ChatGPT บนคอม, Codex CLI และส่วนขยาย Codex ใน IDE · ChatGPT บนเว็บและมือถือใช้ Skill ที่ติดตั้งเองไม่ได้ ใช้ได้เฉพาะ Skill ที่มากับปลั๊กอินในไดเรกทอรี
แอป ChatGPT บนคอมมี Codex อยู่ในตัว Codex อ่าน Skill จากโฟลเดอร์ ~/.agents/skills
เปิด Codex ในแอป ChatGPT บนคอม แล้ววางประโยคนี้ในแชต
AI จะบอก path ให้ดูก่อนติดตั้งเสมอ
AI จะบอกก่อนว่าจะทำอะไร และขออนุญาตคุณทุกขั้น
วางโฟลเดอร์ addax ไว้ที่ ~/.agents/skills/addax
~ คือโฟลเดอร์บ้านของคุณ ($HOME)
Skill คือคำสั่งที่ AI จะทำตาม อ่านไฟล์ก่อนติดตั้ง และติดตั้งเฉพาะจากผู้ทำที่เชื่อถือได้
Mac: กด Command+Space พิมพ์ Terminal · Windows: คำสั่งด้านล่างใช้ใน PowerShell ไม่ได้ ให้ใช้ทาง “ให้ AI ติดตั้งให้” ด้านบนแทน
คำสั่งนี้ดาวน์โหลด repo ไว้ชั่วคราว แล้วคัดลอกเฉพาะโฟลเดอร์ที่มี SKILL.md
กำลังตรวจคำสั่ง · ปุ่มคัดลอกจะขึ้นเมื่อตรวจผ่าน
ตรวจกับเอกสารทางการล่าสุด 15 พ.ย. 2569 · แหล่ง: learn.chatgpt.com
ใช้ Skill ที่ติดตั้งเองไม่ได้ ใช้ได้เฉพาะ Skill ที่มากับปลั๊กอินในไดเรกทอรี
อยากใช้ Skill นี้กับ ChatGPT ให้ใช้แอป ChatGPT บนคอมตามวิธีด้านบน
ตรวจกับเอกสารทางการล่าสุด 15 พ.ย. 2569 · แหล่ง: learn.chatgpt.com
คัดลอกประโยคนี้ไปวางในแชตของ Codex · ใช้ได้ทั้ง Codex ในแอป ChatGPT บนคอม, Codex CLI และส่วนขยายใน IDE
เลือกเฉพาะโปรเจกต์ ให้วางในแชตที่เปิดอยู่ในโฟลเดอร์ของโปรเจกต์นั้น · AI จะบอก path ให้ดูก่อนติดตั้งเสมอ
AI จะบอกก่อนว่าจะทำอะไร และขออนุญาตคุณทุกขั้น
Codex เห็น Skill ที่ติดตั้งใหม่เอง ถ้ายังไม่ขึ้นให้ปิดแล้วเปิด Codex ใหม่ · เรียกใช้: ใน ChatGPT พิมพ์ @ แล้วเลือก Skill · ใน Codex CLI หรือส่วนขยายใน IDE พิมพ์ /skills หรือพิมพ์ $ แล้วตามด้วยชื่อ Skill
ตรวจกับเอกสารทางการล่าสุด 15 พ.ย. 2569 · แหล่ง: learn.chatgpt.com
Skill คือคำสั่งที่ AI จะทำตาม อ่านไฟล์ก่อนติดตั้ง และติดตั้งเฉพาะจากผู้ทำที่เชื่อถือได้
Mac: กด Command+Space พิมพ์ Terminal · Windows: คำสั่งด้านล่างใช้ใน PowerShell ไม่ได้ ให้ใช้ทาง “ให้ AI ติดตั้งให้” ด้านบนแทน
คำสั่งนี้ดาวน์โหลด repo ไว้ชั่วคราว แล้วคัดลอกเฉพาะโฟลเดอร์ที่มี SKILL.md
กำลังตรวจคำสั่ง · ปุ่มคัดลอกจะขึ้นเมื่อตรวจผ่าน
คัดลอกประโยคนี้ไปวางในแชตของ Cursor
เลือกเฉพาะโปรเจกต์ ให้วางในแชตที่เปิดอยู่ในโฟลเดอร์ของโปรเจกต์นั้น · AI จะบอก path ให้ดูก่อนติดตั้งเสมอ
AI จะบอกก่อนว่าจะทำอะไร และขออนุญาตคุณทุกขั้น
ใน Agent chat ของ Cursor พิมพ์ / แล้วเลือก Addax
ตรวจกับเอกสารทางการล่าสุด 12 พ.ย. 2569 · แหล่ง: cursor.com
Skill คือคำสั่งที่ AI จะทำตาม อ่านไฟล์ก่อนติดตั้ง และติดตั้งเฉพาะจากผู้ทำที่เชื่อถือได้
Mac: กด Command+Space พิมพ์ Terminal · Windows: คำสั่งด้านล่างใช้ใน PowerShell ไม่ได้ ให้ใช้ทาง “ให้ AI ติดตั้งให้” ด้านบนแทน
คำสั่งนี้ดาวน์โหลด repo ไว้ชั่วคราว แล้วคัดลอกเฉพาะโฟลเดอร์ที่มี SKILL.md
กำลังตรวจคำสั่ง · ปุ่มคัดลอกจะขึ้นเมื่อตรวจผ่าน
สำหรับแอปอื่นที่อ่าน Skill ได้ ประโยคนี้มี path ของ Claude Code, Codex และ Cursor ให้ AI เลือกตามแอปที่ใช้ · คัดลอกประโยคนี้ไปวางในแชตของแอป
เลือกเฉพาะโปรเจกต์ ให้วางในแชตที่เปิดอยู่ในโฟลเดอร์ของโปรเจกต์นั้น · AI จะบอก path ให้ดูก่อนติดตั้งเสมอ
AI จะบอกก่อนว่าจะทำอะไร และขออนุญาตคุณทุกขั้น
ตรวจกับเอกสารทางการล่าสุด 12 พ.ย. 2569 · แหล่ง: code.claude.com, learn.chatgpt.com, cursor.com
แอปอื่นที่รองรับ Agent Skills (เช่น Gemini CLI, GitHub Copilot) เก็บ skill ในโฟลเดอร์ต่างกัน ดูคู่มือของแอปนั้น แล้วคัดลอกโฟลเดอร์ที่มี SKILL.md ไปวาง
ตรวจโฟลเดอร์ skill กับคู่มือทางการของ Claude Code, Codex และ Cursor เมื่อ 11 พ.ย. 2569
ข้อความต่อไปนี้มาจาก repo ของผู้ทำ ไม่ใช่คำสั่งของ PopNx MCP
แสดง 8,000 ตัวอักษรแรก · เปิดไฟล์เต็มบน GitHub
# SKILL: Addax 项目知识
## 1. 项目整体认识
### 1.1 项目定位
- **名称**:Addax
- **类型**:通用开源 ETL 工具(Extract–Transform–Load)
- **起源**:基于阿里巴巴 DataX 的 fork 与演进
- **目标**:在多种异构数据源之间,提供稳定、高效、可扩展的“离线数据同步”能力
### 1.2 核心价值
- 支持 **30+ SQL/NoSQL/文件/时序/大数据** 数据源
- 使用 **JSON 任务配置** 即可完成复杂同步,无需写代码
- 插件化架构,Reader / Writer / Transformer 解耦,可自由扩展
- 提供 **数据质量监控、速率控制、错误容忍、脏数据探测** 等生产级能力
- 既可命令行运行,也可通过 **Server 模块 HTTP 接口** 异步提交和管理任务
- 有配套的 **addax-admin / addax-ui** 项目做 Web 管控
---
## 2. 概念与架构模型
### 2.1 核心业务概念
在与用户讨论 / 理解需求时,应优先按以下抽象模型理解:
- **Job(作业)**
- 一次完整的数据同步任务,从一个源到一个目标
- 通过一个 JSON 文件描述:数据源 reader、目标端 writer、变换规则、速率控制、错误阈值等
- Job 是业务上的最小单位,如 “从 MySQL 表 A 同步到 PostgreSQL 表 B”
- **Task(子任务)**
- 为提升性能,将一个 Job 拆分为多个 Task 并发执行
- 每个 Task 负责同步一部分数据(如若干分表、某一范围分片)
- **TaskGroup**
- 一组 Task 的集合,由框架统一调度执行
- 每个 TaskGroup 内有若干通道(channel),每个 channel 负责一条 `Reader → Channel → Writer` 流水线
- **Reader 插件**
- 数据采集模块,负责从“源数据源”读取数据,发送给框架
- 只关心“如何正确读”,不关注类型转换、指标统计等通用问题
- **Writer 插件**
- 数据写入模块,负责从框架拿数据写入“目标端”
- 只关心“如何正确写”,通用逻辑由框架处理
- **Transformer(数据转换)**
- 可选模块,在 Reader 和 Writer 之间对数据进行转换
- 支持内置 UDF:`dx_substr` / `dx_pad` / `dx_replace` / `dx_filter` / `dx_map` / `dx_null_to_default` / `dx_groovy`
- 可以做脱敏、字段裁剪、补全、过滤、自定义 Groovy 脚本转换等
- **Channel(通道)**
- Reader 到 Writer 之间的数据通路和缓冲队列
- 决定并发度 & 流量控制(基于字节数、记录数、通道数)
### 2.2 架构概览
- **整体框架**:Framework + 插件(Reader / Writer / Transformer)
- 数据通路(简化):
- **源端 → Reader → Framework(Channel) → Writer → 目标端**
- 作业生命周期(JobContainer 内部):
1. `preHandler()` – 作业前置处理
2. `init()` – 初始化 reader/writer 插件
3. `prepare()` – 源端和目标端的准备工作
4. `split()` – 按并发度拆分成多个 Task
5. `schedule()` – 将 Task 组织为 TaskGroup,并发执行
6. `post()` – 全局后置收尾(如 rename 影子表)
7. `postHandler()` – 作业后置处理
- Task 执行:
- 每个 Task 固定以 `Reader → Channel → Writer` 的线程模型执行
- Channel 内以 Record/Column 为单位传输数据
---
## 3. SKILL:与用户交互时的“领域语言”
### 3.1 如何理解/解释一个 Job JSON
Job JSON 顶层结构:
```json
{
"job": {
"settings": {},
"content": {
"reader": {},
"writer": {},
"transformer": []
}
}
}
```
- `job.settings`
- 控制本次任务的全局行为
- 重点字段:
- `speed.byte`:每秒允许的最大字节数(Bps),`-1` 表示不限制
- `speed.record`:每秒允许的最大记录数
- `speed.channel`:通道数(影响 Task 数量)
- `errorLimit.record`:允许错误记录总数
- `errorLimit.percentage`:允许错误记录占比
- `job.content.reader`
- 必填,描述数据源及其读取方式
- 核心字段(以关系型数据库为例):
```json
{
"name": "mysqlreader",
"parameter": {
"username": "",
"password": "",
"column": [],
"autoPk": false,
"splitPk": "",
"connection": [
{
"jdbcUrl": [],
"table": []
}
],
"where": ""
}
}
```
- `job.content.writer`
- 必填,描述落地目标及写入策略
- 核心字段(以关系库为例):
```json
{
"name": "mysqlwriter",
"parameter": {
"username": "",
"password": "",
"writeMode": "",
"column": [],
"session": [],
"preSql": [],
"postSql": [],
"connection": [
{
"jdbcUrl": "",
"table": []
}
]
}
}
```
- `job.content.transformer`
- 可选,列表形式,每个元素为一个转换规则
- 内置函数使用命名参数(推荐):
```json
{
"transformer": [
{
"name": "dx_substr",
"parameter": { "idx": 1, "pos": 0, "length": 3 }
}
]
}
```
- 旧的 `columnIndex` + `paras` 位置参数仍然兼容,但已标记废弃,会在日志中提示迁移
AI 在阅读/生成 Job 时,应显式区分:
- 全局控制(settings) vs 数据流定义(reader/writer) vs 转换规则(transformer)
### 3.2 任务拆分与并发推导逻辑
- 用户设定并发度:`job.settings.speed.channel = N`
- 框架内部:
1. Reader 的 `split()` 按源端特性拆成若干 Task(如按分表、分片、主键范围等)
2. Writer 的 `split()` 需与 Reader 的 Task 数量 **1:1 对齐**
3. Scheduler 根据 `taskGroup.channel`(`conf/core.json` 中配置)决定 TaskGroup 数量:
- `taskGroupCount = speed.channel / taskGroup.channel`
- 与用户讨论“为什么任务这么慢/这么多连接”时,应从:
- `speed.channel`
- Reader 拆分策略(是否按 `splitPk` / 分区表)
- 目标端写入瓶颈(Writer 能力、批量大小等)
入手解释。
### 3.3 数据质量与错误处理
Addax 在数据质量方面的关键点:
- **类型不丢失/不失真**
- 内部抽象了统一的 Column 类型:`Long / Double / String / Date / Timestamp / Bool / Bytes`
- 每个插件有自己的类型转换策略,保证最小损失
- **错误控制**
- 通过 `errorLimit.record` 和 `errorLimit.percentage` 控制“可容忍错误”
- 超过阈值即认为任务失败
- **脏数据(Dirty Data)**
- 概念:传输过程中因各种原因(例如类型不匹配)导致出错的记录
- 能够过滤、识别、收集与展示脏数据,并统计数量和字节数
- Transformer 层若抛出异常/返回 null,也会影响成功/失败/过滤计数
AI 在帮助用户排错时:
- 应主动询问/检查:错误是否集中在类型转换、特定列、特定插件
- 建议合理设置 `errorLimit`,在保障数据质量和任务稳定之间平衡
---
## 4. 使用方式与运行环境
### 4.1 安装与运行
- **运行时环境**
- Java:JDK 17
- Python 2.7+ / 3.7+(仅 Windows 使用本地脚本时需要)
- **三种典型使用方式**
1)Docker 运行示例:
```bash
docker pull quay.io/wgzhao/addax:latest
docker run -ti --rm --name addax \
quay.io/wgzhao/addax:latest \
/opt/addax/bin/addax.sh /opt/addax/job/job.json
```
2)一键安装脚本(Linux / macOS):
```bash
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/wgzhao/Addax/master/install.sh)"
```
- 安装目录:
- macOS:`/usr/local/addax`
- Linux:`/opt/addax`
3)源码编译:
```bash
git clone https://github.com/wgzhao/addax.git
cd addax
mvn clean package
mvn package -Pdistribution # 或 assembly:single
# 产出目录示例:target/addax-<version>
```
- **首次运行任务**
```bash
bin/addax.sh job/job.json
```
### 4.2 命令行工具 addax.sh
基本用法:
```bash
bin/addax.sh <job_file> [options]
```
关键参数(AI 在给终端命令建议时要正确使用):
- `-h, --help`:帮助
- `-v, --version`:版本
- `-l, --log`:指定日志文件路径
- `-d, --debug`:开启调试模式(IDEA 远程调试会用到)
- `-L, --log-level`:`DEBUG | INFO | WARN | ERROR`
- `-j, --jvm`:追加 JVM 参数
- `-p, --params`:向 Job 传入动态参数(`-Dkey=value` 形式)
示例(动态参数):
```bash
bin/addax.sh job/test.json \
-p "-Dusername=root -Dpassword=123456 -Dparam1=value1 -Dparam2=value2"
```
Job JSON 中可以通过 `${param}` 访问这些值,比如 `${username}`。
日期变量(`${curr_*}` / `${biz_*}`)不再由 `addax.sh` 注入:经 addax-admin 调度时由管理端按任务业务日填充;直接运行 `addax.sh` 时需通过 `-p` 显式传入,例如 `-p "-Dbiz_date_short=20250716"`。
### 4.3 Server 模块(HTTP 提交任务)
- 用途:通过 HTTP 提交 Job JSON 并异步执行,可查询进度和结果
- 启动脚本:`core/src/main/bin/addax-server.sh`
启动示例:
```bash
./addax-server.sh start # 默认并发上限 30
./addax-server.sh start -p 50 --daemon # 最大并发 50,后台运行
./addax-server.sh stop
```
并发配置优先级:
1. 命令行 `-p` / `--parallel`
2. 环境变量 `ADDAX_SERVER_PARALLEL`
3. 默认 30
HTTP 接口:
1)提交任务
- URL: `/api/submit?k1=v1&k2=v2`
- Method: POST
- Body: Job JSON
示例:
```bash
curl 'http://localhost:10601/api/submit?jobName=example-job' \
-H 'Content-Type: application/json' \
-d @job/job.json
```
响应:
```json
{ "taskId": "xxxx-xxxx-xxxx" }
```
或并发达到上限时:
```json
{ "error": "ERROR: Maximum number of concurrent tasks reached." }
```
2)查询任务状态
- URL: `/api/status?taskId={taskId}`
- Method: GET
- 响应:
```json
{
"taskId": "xxxx-xxxx-xxxx",
"status": "SUCCESS",
"result": "Job example-job executed.",
"error": null
}
```
AI 在设计自动化系统(如调度、工作流)时,可建议用户使用 Server 模块通过 HTTP 集成。
---
## 5. 插件系统与二次开发
### 5.1 支持的数据源(典型)
Reader / Writer 插件覆盖的常见系统包括但不限于:
- 关系库:MySQL, PostgreSQL, Oracle, SQLServer, SQLite, Greenplum, DB2, Sybase, Doris, StarRocks 等
- NoSQL / KV:Cassandra, Redis, MongoDB, HBase(1.x, 2.x,多种模式)
- 大数据 / 文件:HDFS, Hive, Kudu, Iceberg, Paimon, S3/MinIO, FTP, 本地文件(txt/dbf/excel/json)
- 时序 / 流:InfluxDB/InfluxDB2, TDengine, Kafka, streamreader/streamwriter
- 其它:Access, SAP HANA, ClickHouse, Databend 等
当用户问“是否支持 XXX 数据源”时,应:
- 优先在 docs/reader 与 docs/writer 列表中查找对应 `xxxreader`/`xxxwriter`
- 若暂不支持,可建议走 **插件开发** 路线,说明难度和接口模型
### 5.2 插件开发模型
- 插件 = 一个 Java 模块 + `plugin.json` 描述 + 若干 jar 依赖
- 入口类需继承:
- `Reader` 或 `Writer` 抽象类
- 内部包含两个静态内部类:`Job` 和 `Task`
- 插件目录结构(约定):
```text
${ADDAX_HOME}/plugin
├── reader
│ └── <plugin_name>
│ ├── <plugin_name>-<version>.jar
│ ├── libs/ -> 指向 shared 依赖目录的符号链接
│ ├── plugin.json
│ └── plugin_job_template.json
└── writer
└── ...
```
`plugin.json` 示例:
```json
{
"name": "mysqlwriter",
"class": "com.wgzhao.addax.plugin.writer.mysqlwriter.MysqlWriter",
"description": "Use Jdbc connect to database, execute insert sql.",
"developer": "wgzhao"
}
```
注意:
- 目录名必须与 `plugin.json` 中的 `name` 一致
- 框架通过 `ถาม แชร์เคล็ดลับ หรือแจ้งว่าใช้ไม่ได้ เรียงตามที่คนกดว่ามีประโยชน์
ยังไม่มีใครโพสต์ ถามหรือแชร์เป็นคนแรกได้เลย
ข้อความในส่วนนี้เขียนโดยผู้ใช้ ไม่ใช่ทีม PopNx