00:00:00Wenn Sie gerade Copilot verwenden, trainiert Ihr Code vielleicht schon das Modell eines anderen.
00:00:04Man installiert Copilot, es funktioniert super und man macht weiter, aber Teile der Codebasis können tatsächlich
00:00:09Ihren Rechner verlassen.
00:00:10Das kann ein Problem sein.
00:00:12Das hier ist Tabby.
00:00:13Eine Open-Source-Alternative, die uns im Vergleich zu Programmen wie
00:00:17Copilot, Tab9 und Cursor das höchste Maß an Privatsphäre bietet.
00:00:20Wir erhalten die gleiche Geschwindigkeit, die gleiche Autovervollständigung, den gleichen Workflow, und unser Code verlässt nie
00:00:25unseren Rechner.
00:00:26Das ist im Grunde Tabby.
00:00:27Ich zeige Ihnen in den nächsten Minuten, wie man es einrichtet und zum Laufen bringt.
00:00:36Einfach ausgedrückt ist Tabby ein selbstgehosteter KI-Codierungsserver.
00:00:40Man führt es lokal aus, meistens mit Docker, wählt das gewünschte Modell aus und verbindet es dann
00:00:44mit seiner IDE.
00:00:45Das war's schon.
00:00:46Man erhält Code-Vervollständigungen in Echtzeit und einen kontextbezogenen Chat, genau wie man es erwartet.
00:00:50Doch der wahre Grund, warum es Entwickler interessiert, sind nicht nur die Funktionen, sondern die Kontrolle.
00:00:55Ihr Code bleibt ohne Abonnements in Ihrem Netzwerk und es funktioniert komplett offline.
00:01:01Es ist für Teams konzipiert, mit Funktionen wie SSO, RBAC und Audit-Logs, und es ist auf GitHub
00:01:05mit über 33.000 Sternen aus gutem Grund explodiert.
00:01:09Ehrlich gesagt spielt das alles keine Rolle, wenn es sich für Sie nicht gut anfühlt. Also überspringen wir das Ganze
00:01:13und springen direkt zur Demo.
00:01:15Wenn Ihnen solche Tools zur Beschleunigung Ihres Workflows gefallen, abonnieren Sie unbedingt
00:01:19diesen Kanal.
00:01:20Wir veröffentlichen ständig neue Videos.
00:01:22So sieht die Einrichtung in der Praxis aus.
00:01:24Man führt einen Docker-Befehl aus und Tabby läuft lokal.
00:01:28Dann installiert man die VS-Code-Erweiterung, verknüpft sie mit dem lokalen Server und ist fertig.
00:01:34Jetzt erhalten Sie mehrzeilige Vervollständigungen direkt in Ihrem Repo.
00:01:38Hier in Tabby kann ich nachsehen, welche Modelle ich verwende, und Sie sehen
00:01:42hier diese drei Modelle, die lokal ausgeführt werden.
00:01:45Kein Claude oder OpenAI, wohin Ihre Daten gesendet werden.
00:01:48In VS Code kann ich mit einer groben Funktion beginnen, und mit nur einem Tab-Druck vervollständigt
00:01:53Tabby das für mich.
00:01:55Ich kann es noch weiter treiben, indem ich im seitlichen Chat frage, um meinen aktuellen Code
00:02:00zu optimieren und zu erweitern.
00:02:01Es ist alles ziemlich einfach und unkompliziert.
00:02:03Ich kann Code markieren und bitten, ihn auf Performance zu refactoren oder Tests hinzuzufügen.
00:02:07Es antwortet sofort und versteht den Kontext Ihres Repos, nicht nur eine einzelne Datei.
00:02:12Ich kann sogar einen Kommentar einfügen, was ich bauen möchte, und man sieht, wie es hier ansetzt
00:02:16und es tatsächlich für mich erstellt.
00:02:19Auf Localhost ist Tabby immer noch mit allem in VS Code verbunden, sodass ich meine
00:02:23Code-Chats lesen, erweitern und Rückfragen stellen kann.
00:02:27Das wird alles direkt hier auf Localhost gespeichert.
00:02:30Keine Cloud, keine Daten verlassen Ihren Rechner, und es fühlt sich sehr wie Copilot an – außer, und
00:02:35das ist ein großes Außer: Uns gehört alles selbst.
00:02:37Alles klar.
00:02:38Ich habe die Demo kurz gehalten, weil es wirklich so einfach war, es zu starten und loszulegen.
00:02:43Sprechen wir nun darüber, warum das in unserem echten Workflow wichtig ist.
00:02:47Das eigentliche Problem mit Cloud-KI-Tools ist nicht, dass sie schlecht sind.
00:02:51Es ist der Kompromiss, den wir eingehen, der oft verborgen bleibt, oder?
00:02:53Bei Cloud-Tools wird Ihr Code möglicherweise zum Trainieren deren Modelle verwendet.
00:02:57Mit Tabby verlässt Ihr Code niemals Ihr eigenes Netzwerk.
00:03:01Bei Cloud-Tools zahlt man monatlich pro Entwickler – Tabby hingegen ist dauerhaft kostenlos.
00:03:05Nun ja, Cloud-Tools sind es nicht, oder?
00:03:07Wir bezahlen dafür. Das ist der Punkt.
00:03:08Das ist es, was wir bekommen.
00:03:09Und für Cloud-Tools brauchen wir außerdem eine Internetverbindung.
00:03:11Bei Tabby zahle ich nichts, es läuft offline, und das zeigt sich bei der richtigen Arbeit.
00:03:16Wir haben weniger Boilerplate und können unordentlichen Legacy-Code ohne Zögern refactoren.
00:03:22Wir können Frameworks schneller lernen, Tests und Dokumentationen generieren, ohne zwischen all diesen
00:03:26Tools hin- und herzuspringen.
00:03:27Das bedeutet weniger Zeitverschwendung, hoffentlich weniger Risiko und viel mehr Kontrolle darüber,
00:03:33wie wir arbeiten.
00:03:34Deshalb wenden sich viele datenschutzbewusste Entwickler oder Teams von diesen
00:03:38Cloud-First-Tools ab und nutzen Werkzeuge wie dieses.
00:03:41Vergleichen wir es nun mit anderen Optionen, denn das ist es, was Sie hören wollen, oder?
00:03:45Tabby ist am einfachsten.
00:03:47Es bietet tolle Qualität, fast kein Setup, lebt aber in der Cloud.
00:03:50Wir haben Continue Dev.
00:03:52Es ist flexibel, Local-First, aber eher ein Werkzeug für Poweruser.
00:03:56Tab9 ist eher auf Unternehmen ausgerichtet, und dann spreche ich natürlich gerade über Tabby,
00:04:01das selbstgehostet und kostenlos ist, höhere Privatsphäre bietet und für Teams gebaut ist.
00:04:05Aber der wahre Unterschied ist dieser: Tabby ist nicht nur ein Plugin, sondern ein dedizierter KI-Codierungsserver.
00:04:11Das ändert wirklich alles.
00:04:12Man erhält eine Copilot-ähnliche Erfahrung, die Flexibilität von Continue und Kontrollen auf Teamebene,
00:04:19für die andere Anbieter normalerweise Gebühren verlangen.
00:04:21Anstatt also den Zugang zur KI zu mieten, besitzen wir die Infrastruktur dahinter selbst.
00:04:26Seien wir mal ehrlich, oder?
00:04:28Die Leute lieben vieles, aber reicht "Open Source" wirklich aus, um
00:04:32den Wechsel zu wagen?
00:04:33Nun, das Setup geht schnell, meist nur ein Docker-Start, und dann fügt es sich in den
00:04:39Workflow ein.
00:04:40Man ist nicht an ein einziges Modell gebunden, man kann es frei wählen, und insgesamt fühlt es sich
00:04:44jetzt viel einsatzbereiter an als früher.
00:04:47Aber natürlich hat Open Source auch Nachteile.
00:04:50Die Qualität hängt vom gewählten Modell ab; kleinere Modelle sind nicht so leistungsstark,
00:04:55und die Hardware spielt eine Rolle.
00:04:56Wenn man eine flüssige Performance will, hilft eine GPU enorm.
00:04:59Ich lasse das alles auf einem Mac M4 Pro laufen und es fühlte sich ziemlich gut an.
00:05:04Das Setup ist immer noch aufwendiger als bei Cloud-Tools, also nicht ideal für Nicht-Techniker –
00:05:09aber Sie schauen sich das hier an.
00:05:10Ich nehme also an, dass Sie einer sind.
00:05:11Und natürlich muss man, wie bei jedem KI-Tool, den Code immer noch prüfen.
00:05:14Das bringt mich zu der Frage, die wir eigentlich beantwortet haben wollen.
00:05:17Lohnt sich die Nutzung?
00:05:19Ja, irgendwie schon, aber es hängt von ein paar Dingen ab.
00:05:22Sie sollten Tabby verwenden, wenn Ihnen Privatsphäre wichtig ist, Sie Abos hassen, in einem regulierten
00:05:27Umfeld arbeiten oder etwas brauchen, auf das sich Ihr ganzes Team verlassen kann.
00:05:30In diesen Fällen ist es eine hervorragende Wahl für den Workflow. Aber wenn
00:05:35Sie das absolut beste Modell mit null Setup und ohne Aufwand wollen – mal ehrlich – dann
00:05:40sind Cloud-Tools immer noch einfacher.
00:05:41Der Unterschied ist jetzt, dass sich das Abwägen geändert hat.
00:05:43Wir wählen nicht mehr zwischen einem smarten Cloud-Tool und einem schwachen lokalen Tool,
00:05:48sondern zwischen Bequemlichkeit wie bei Cursor oder starker KI zu eigenen Bedingungen.
00:05:54Und für viele Entwickler beginnt das immer mehr zu zählen.
00:05:58Tabby versucht nicht, die smarteste KI zu sein.
00:06:01Es versucht diejenige zu sein, der wir vielleicht tatsächlich vertrauen können.
00:06:04Ich habe einige Dokumente und Repos in der Beschreibung verlinkt.
00:06:06Wenn Ihnen Open Source und andere KI-Tools wie dieses gefallen, abonnieren Sie unbedingt
00:06:11den Better Stack Kanal.
00:06:12Wir sehen uns im nächsten Video.