00:00:00如果你现在正在使用 Copilot，你的代码可能已经在训练别人的模型了。
00:00:04你安装了 Copilot，它表现出色，于是你继续工作，但你的部分代码库实际上
00:00:09离开了你的机器。
00:00:10这可能会是个问题。
00:00:12这是 Tabby。
00:00:13一个开源的替代方案，与 Copilot、Tab9 和 Cursor 等工具相比，
00:00:17它能提供最高级别的隐私保护。
00:00:20我们可以获得同样的速度、自动补全和工作流，而且我们的代码永远不会离开
00:00:25我们的机器。
00:00:26这就是 Tabby 的核心。
00:00:27在接下来的几分钟里，我将向你展示如何设置并让它运行起来。
00:00:36简单来说，Tabby 是一个自托管的 AI 编程服务器。
00:00:40你在本地运行它（通常使用 Docker），选择你想要的模型，然后将其连接到
00:00:44你的 IDE。
00:00:45就这样。
00:00:46正如你所期望的，你可以获得实时的代码补全和具备代码库感知能力的聊天功能。
00:00:50但开发者真正关心的不仅仅是功能，而是我们获得的控制权。
00:00:55你的代码保留在你的网络内部，无需任何订阅，且完全支持离线工作。
00:01:01它专为团队构建，具备 SSO、RBAC 和审计日志等功能，
00:01:05它在 GitHub 上已经突破了 33,000 颗星，这绝非偶然。
00:01:09不过老实说，如果体验不好，这些都不重要，所以让我们跳过这些介绍，
00:01:13直接进入演示环节。
00:01:15如果你喜欢这类能加速工作流的工具，请务必订阅
00:01:19本频道。
00:01:20我们一直在推出新的视频。
00:01:22以下是实际的设置过程。
00:01:24运行一条 Docker 命令，Tabby 就在本地启动并运行了。
00:01:28然后安装 VS Code 扩展，将其指向你的本地服务器，就完成了。
00:01:34现在你可以在仓库中直接获得多行代码补全。
00:01:38在 Tabby 中，我可以打开界面查看我正在使用的模型，你可以
00:01:42在这里看到这三个正在本地运行的模型。
00:01:45没有 Claude 或 OpenAI，你的数据不会发送到那里。
00:01:48在 VS Code 中，我可以从一个粗略的函数开始，只需按下 Tab 键，Tabby 就会为我
00:01:53自动补全。
00:01:55我还可以通过侧边聊天进一步要求它优化或扩展
00:02:00我当前的代码。
00:02:01一切都非常简单直观。
00:02:03我可以高亮显示一段代码，并要求它重构以提升性能或添加测试。
00:02:07它响应迅速，并且它理解的是你的整个仓库上下文，而不仅仅是单个文件。
00:02:12我甚至可以输入一段注释来说明我想构建的内容，你可以看到它紧接着
00:02:16就开始为我实际构建出来。
00:02:19在本地主机端，Tabby 仍然连接着 VS Code 中的一切，所以我可以阅读
00:02:23代码对话，甚至进行扩展、跟进和提问。
00:02:27所有这些都保存在本地主机上。
00:02:30没有云端，数据不会离开机器，体验与 Copilot 非常相似，除了——
00:02:35这是一个重要的“除了”——我们实际上拥有所有权。
00:02:37好了。
00:02:38演示过程很简短，因为启动和运行它真的就是这么简单。
00:02:43现在让我们谈谈为什么这在现实工作流中很重要。
00:02:47云端 AI 工具真正的问题并不在于它们不好用。
00:02:51而在于我们所做的权衡是隐性的，对吧？
00:02:53使用云端工具，你的代码可能会被用来训练它们的模型。
00:02:57而使用 Tabby，你的代码永远不会离开你自己的网络。
00:03:01云端工具需要你每个月按开发者付费，尽管它们宣称永远免费。
00:03:05其实不然，对吧？
00:03:07我们是在付费购买。
00:03:08这就是现实。
00:03:09而且云端工具还必须联网。
00:03:11使用 Tabby，我不需要付费，它在离线运行，这在实际工作中很有用。
00:03:16因此，我们能减少模板代码，能更有底气地重构混乱的遗留代码。
00:03:22我们可以更快地学习框架，生成测试和文档，而无需在各种
00:03:26工具之间跳来跳去。
00:03:27所以，这能减少时间的浪费，降低风险，并让我们对
00:03:33工作方式拥有更多的控制权。
00:03:34这就是为什么许多关注隐私的开发者或团队开始从这些
00:03:38云优先工具转向此类工具的原因。
00:03:41现在让我们把它与其他选项进行对比，因为这正是你们想听的，对吧？
00:03:45Tabby 是最容易上手的。
00:03:47它质量很高，几乎不需要设置，但它确实存在于云端。
00:03:50我们还有 Continue dev。
00:03:52它很灵活，是本地优先的，但它更像是一个高级用户工具。
00:03:56Tab9 则更倾向于企业用户，然后显然，我现在讨论的是 Tabby，
00:04:01它是自托管的，免费，隐私级别更高，并且是为团队构建的。
00:04:05但真正的区别在于：Tabby 不仅仅是一个插件，它是一个专门的 AI 编程服务器。
00:04:11这彻底改变了一切。
00:04:12你既能获得类似 Copilot 的体验，又能获得人们在 Continue 中喜欢的那种灵活性，以及团队级的控制，
00:04:19而这些功能在其他工具中通常是要收费的。
00:04:21所以，我们不再是租赁 AI 的访问权限，而是实际拥有了背后的基础设施。
00:04:26咱们说句实话，对吧？
00:04:28人们喜欢很多东西，但仅仅“开源”这一点，是否足以让人
00:04:32决定切换呢？
00:04:33它的设置非常快，通常只需启动一个 Docker，然后它就会融入你的
00:04:39工作流。
00:04:40你不会被锁定在单一模型中，你可以自由选择，而且总的来说，
00:04:44它现在给人的感觉比以前更接近生产级标准。
00:04:47当然，开源也有缺点。
00:04:50质量取决于你选择的模型，所以较小的模型可能不够强大，
00:04:55而且硬件配置也很重要。
00:04:56如果你想要流畅的性能，一块好的 GPU 会有很大帮助。
00:04:59我是在 Mac M4 Pro 上运行这一切的，感觉非常不错。
00:05:04比起云端工具，它的设置工作还是更多一些，所以不适合非技术人员，
00:05:09既然你在看这个视频，
00:05:10我想你应该是技术人员。
00:05:11当然，和任何 AI 工具一样，你仍然需要审查代码。
00:05:14这引出了我们真正想知道的问题。
00:05:17这值得使用吗？
00:05:19值得，某种程度上，但这取决于几件事。
00:05:22如果你在乎隐私、讨厌订阅、在受监管的环境中工作，或者
00:05:27你需要一个整个团队都能依赖的东西，那么你应该使用 Tabby。
00:05:30在这些情况下，将其整合到工作流中是一个绝佳的选择，但
00:05:35如果你追求零配置、不费吹灰之力的极致模型体验，
00:05:40老实说，云端工具依然更省事。
00:05:41现在的区别在于权衡点已经变了。
00:05:43我们不再是在“聪明的云端工具”和“弱小的本地工具”之间做选择，你是在
00:05:48选择像 Cursor 这样的便利性，还是按你自己的方式使用足够强大的 AI。
00:05:54对于许多开发者来说，这一点正变得越来越重要。
00:05:58Tabby 并不是要成为最聪明的 AI。
00:06:01它努力成为那个我们真正可以信任的 AI。
00:06:04我在描述栏里附上了一些文档和仓库链接。
00:06:06如果你喜欢开源和其他类似的 AI 工具，请务必订阅
00:06:11Better Stack 频道。
00:06:12我们下期视频再见。