00:00:00Если вы сейчас пользуетесь Copilot, ваш код, возможно, уже участвует в обучении чужой модели.
00:00:04Вы устанавливаете Copilot, он отлично работает, и вы идете дальше, но части вашей кодовой базы на самом деле
00:00:09могут покидать ваш компьютер.
00:00:10И это может стать проблемой.
00:00:12Знакомьтесь, это Tabby.
00:00:13Open-source альтернатива, которая обеспечивает высочайший уровень конфиденциальности по сравнению с
00:00:17такими инструментами, как Copilot, Tab9 и Cursor.
00:00:20Мы получаем ту же скорость, то же автодополнение, тот же рабочий процесс, и при этом наш код никогда не покидает
00:00:25наше устройство.
00:00:26В этом и заключается суть Tabby.
00:00:27В ближайшие несколько минут я покажу вам, как его настроить и запустить.
00:00:36Если говорить просто, Tabby — это self-hosted сервер ИИ для написания кода.
00:00:40Вы запускаете его локально, обычно через Docker, выбираете нужную модель и подключаете
00:00:44его к своей IDE.
00:00:45Вот и все.
00:00:46Вы получаете автодополнение кода в реальном времени и чат с контекстом всей кодовой базы — всё, как и ожидалось.
00:00:50Но настоящая причина, по которой это важно для разработчиков, не только в функциях, а в контроле.
00:00:55Ваш код остается внутри вашей сети, без подписок, и всё работает полностью офлайн.
00:01:01Он создан для команд: есть SSO, RBAC и логи аудита. Не зря он
00:01:05взлетел на GitHub, набрав более 33 000 звезд.
00:01:09Честно говоря, всё это не имеет значения, если инструмент неудобен в работе, так что давайте пропустим теорию
00:01:13и перейдем прямо к демо.
00:01:15Если вам нравятся подобные инструменты для ускорения работы, обязательно подпишитесь на
00:01:19наш канал.
00:01:20У нас постоянно выходят новые видео.
00:01:22Вот как на самом деле выглядит процесс настройки.
00:01:24Вы запускаете одну команду Docker, и Tabby уже работает локально.
00:01:28Затем устанавливаете расширение для VS Code, указываете адрес локального сервера, и готово.
00:01:34Теперь вы получаете многострочное автодополнение прямо внутри вашего репозитория.
00:01:38Здесь, в интерфейсе Tabby, я могу зайти и проверить используемые модели. Как видите,
00:01:42сейчас запущены три модели, и все они работают локально.
00:01:45Никаких Claude или OpenAI, куда могли бы уйти ваши данные.
00:01:48В VS Code я могу набросать черновик функции, и по нажатию клавиши Tab Tabby допишет
00:01:53её за меня.
00:01:55Я могу пойти дальше и пообщаться с ним в чате сбоку, чтобы оптимизировать или расширить
00:02:00текущий код.
00:02:01Всё предельно просто и понятно.
00:02:03Я могу выделить участок кода и попросить его провести рефакторинг для производительности или добавить тесты.
00:02:07Он отвечает мгновенно и понимает контекст всего репозитория, а не только одного файла.
00:02:12Я могу даже оставить комментарий с описанием того, что нужно создать, и, как видите, он подхватывает мысль
00:02:16и генерирует решение.
00:02:19Теперь на localhost: Tabby всё еще связан со всем, что происходит в VS Code, так что я могу перечитать
00:02:23историю чатов, дополнить их или задать уточняющие вопросы.
00:02:27Всё это сохраняется прямо здесь, на локальном хосте.
00:02:30Никаких облаков, никакие данные не покидают машину. Ощущения очень похожи на Copilot, но
00:02:35с одним огромным «но»: теперь всё принадлежит нам.
00:02:37Хорошо.
00:02:38Я не стал затягивать демо, потому что запуск действительно настолько прост.
00:02:43А теперь давайте обсудим, почему это важно для реального рабочего процесса.
00:02:47Проблема облачных ИИ-инструментов не в том, что они плохие.
00:02:51А в том, что цена, которую мы платим, часто скрыта, верно?
00:02:53В облачных сервисах ваш код может использоваться для обучения их моделей.
00:02:57С Tabby ваш код никогда не покидает пределы вашей собственной сети.
00:03:01За облачные инструменты вы платите за каждого разработчика ежемесячно, хотя говорят, что это якобы навсегда.
00:03:05На самом деле нет, верно?
00:03:07Мы за это платим.
00:03:08Вот что мы имеем.
00:03:09И для облачных инструментов обязательно нужно подключение к интернету.
00:03:11С Tabby я не плачу за подписку, он работает офлайн, и это проявляется в реальной работе.
00:03:16В итоге мы пишем меньше шаблонного кода и можем без опасений рефакторить запутанный легаси-код.
00:03:22Мы быстрее осваиваем новые фреймворки, генерируем тесты и документацию, не переключаясь между
00:03:26кучей разных инструментов.
00:03:27По сути, это меньше впустую потраченного времени, меньше рисков и гораздо больше контроля над тем,
00:03:33как мы работаем.
00:03:34Вот почему многие разработчики и команды, заботящиеся о приватности, начинают переходить с
00:03:38облачных решений на подобные инструменты.
00:03:41Теперь давайте сравним его с другими вариантами, ведь именно это вы и хотите услышать, верно?
00:03:45Tabby — самый простой.
00:03:47Он дает отличное качество и почти не требует настройки, но работает локально.
00:03:50Есть ещё Continue Dev.
00:03:52Он гибкий, ориентирован на локальную работу, но это скорее инструмент для опытных пользователей.
00:03:56Tab 9 больше заточен под корпоративный сегмент, и вот теперь мы говорим о Tabby,
00:04:01который является self-hosted, бесплатным, обеспечивает высокую приватность и подходит для команд.
00:04:05Но главное отличие вот в чем: Tabby — это не просто плагин, а выделенный ИИ-сервер для кодинга.
00:04:11И это действительно всё меняет.
00:04:12Вы получаете опыт как в Copilot, гибкость, которую любят в Continue, и командный контроль,
00:04:19за который другие обычно берут деньги.
00:04:21Так что вместо аренды доступа к ИИ, мы фактически владеем всей инфраструктурой.
00:04:26Давайте будем честными.
00:04:28Людям много чего нравится, но достаточно ли просто открытого исходного кода,
00:04:32чтобы действительно перейти на него?
00:04:33Настройка проходит быстро, обычно достаточно запустить контейнер в Docker, и дальше он просто встраивается в ваш
00:04:39рабочий процесс.
00:04:40Вы не привязаны к одной модели — вы сами её выбираете. И в целом сейчас продукт выглядит
00:04:44гораздо более готовым к промышленному использованию, чем раньше.
00:04:47Опять же, у open-source есть и минусы.
00:04:50Качество зависит от выбранной модели: маленькие модели не будут такими мощными,
00:04:55да и аппаратное обеспечение имеет значение.
00:04:56Для плавной работы наличие GPU очень сильно поможет.
00:04:59Я запускаю всё это на Mac M4 Pro, и работает вполне достойно.
00:05:04Настройка всё равно сложнее, чем у облачных инструментов, так что это не лучший вариант для нетехнических специалистов,
00:05:09но вы ведь смотрите это видео.
00:05:10Предполагаю, что вы к ним не относитесь.
00:05:11И, конечно, как и с любым ИИ-инструментом, код всё равно нужно проверять.
00:05:14Это подводит нас к главному вопросу.
00:05:17Стоит ли это использовать?
00:05:19Да, пожалуй, но это зависит от нескольких факторов.
00:05:22Вам стоит использовать Tabby, если вам важна приватность, вы ненавидите подписки, работаете в строго
00:05:27регулируемой среде или вам нужен инструмент, на который может положиться вся команда.
00:05:30В таких случаях это отличный выбор для интеграции в рабочий процесс. Но если
00:05:35вам нужна абсолютно лучшая модель с нулевой настройкой и без лишних усилий, то, честно говоря,
00:05:40облачные инструменты всё еще проще.
00:05:41Разница лишь в том, что баланс сил изменился.
00:05:43Мы больше не выбираем между умным облаком и слабым локальным решением. Теперь вы выбираете
00:05:48между удобством того же Cursor или достаточно мощным ИИ на ваших собственных условиях.
00:05:54И для многих разработчиков это становится всё более важным фактором.
00:05:58Tabby не пытается быть самым умным ИИ.
00:06:01Он пытается быть тем ИИ, которому мы, возможно, действительно можем доверять.
00:06:04Я оставил ссылки на документацию и репозитории в описании.
00:06:06Если вам интересен open-source и подобные ИИ-инструменты, обязательно подпишитесь на
00:06:11канал Better Stack.
00:06:12Увидимся в следующем видео.