00:00:00Jika Anda menggunakan Copilot saat ini, kode Anda mungkin sudah melatih model orang lain.
00:00:04Anda menginstal Copilot, kinerjanya luar biasa, lalu Anda lanjut bekerja, tapi sebagian kode Anda sebenarnya bisa
00:00:09meninggalkan komputer Anda.
00:00:10Itu bisa menjadi masalah.
00:00:12Inilah Tabby.
00:00:13Alternatif sumber terbuka yang memberikan tingkat privasi tertinggi dibandingkan dengan
00:00:17alat seperti Copilot, Tab9, dan Cursor.
00:00:20Kita bisa mendapatkan kecepatan, pelengkapan otomatis, serta alur kerja yang sama, dan kode kita tidak pernah keluar dari
00:00:25komputer kita.
00:00:26Itulah inti dari Tabby.
00:00:27Saya akan menunjukkan cara menyiapkan dan menjalankannya dalam beberapa menit ke depan.
00:00:36Secara sederhana, Tabby adalah server pengodean AI yang di-host sendiri.
00:00:40Anda menjalankannya secara lokal, biasanya dengan Docker, memilih model yang diinginkan, lalu menghubungkannya
00:00:44ke IDE Anda.
00:00:45Hanya itu saja.
00:00:46Anda mendapatkan pelengkapan kode waktu nyata dan obrolan berbasis basis kode, seperti yang Anda harapkan.
00:00:50Namun alasan sebenarnya pengembang peduli bukan hanya fiturnya, melainkan kendali yang kita dapatkan.
00:00:55Kode Anda tetap berada di dalam jaringan Anda tanpa langganan apa pun, dan berfungsi penuh secara luring.
00:01:01Ini dibuat untuk tim dengan fitur seperti SSO, RBAC, dan log audit, dan telah menjadi
00:01:05populer di GitHub dengan lebih dari 33.000 bintang karena alasan yang kuat.
00:01:09Sejujurnya, semua ini tidak penting jika rasanya kurang pas bagi Anda, jadi mari kita lewati semua ini
00:01:13dan langsung saja ke demonya.
00:01:15Jika Anda menyukai alat semacam ini untuk mempercepat alur kerja, pastikan untuk berlangganan
00:01:19saluran ini.
00:01:20Kami merilis video setiap saat.
00:01:22Beginilah tampilan pengaturannya yang sebenarnya.
00:01:24Anda menjalankan satu perintah Docker, dan Tabby pun aktif dan berjalan secara lokal.
00:01:28Kemudian Anda instal ekstensi VS Code, hubungkan ke server lokal Anda, dan selesai.
00:01:34Sekarang Anda mendapatkan pelengkapan multi-baris langsung di dalam repositori Anda.
00:01:38Jadi di Tabby, saya bisa membuka bagian model untuk melihat model apa saja yang digunakan, dan Anda bisa lihat
00:01:42bahwa ketiga model ini berjalan secara lokal.
00:01:45Tidak ada Claude atau OpenAI yang menjadi tujuan pengiriman data Anda.
00:01:48Di VS Code, saya bisa mulai dengan fungsi kasar, dan hanya dengan tombol tab, Tabby akan melengkapinya
00:01:53untuk saya.
00:01:55Saya bisa memanfaatkannya lebih jauh dengan mengobrol di panel samping untuk mengoptimalkan dan mengembangkan
00:02:00kode saya saat ini.
00:02:01Semuanya cukup sederhana dan mudah.
00:02:03Saya bisa menyorot beberapa kode dan memintanya untuk melakukan refaktor performa atau menambahkan pengujian.
00:02:07Ia merespons secara instan, dan memahami konteks repositori Anda, bukan hanya satu file saja.
00:02:12Saya bahkan bisa memasukkan komentar tentang sesuatu yang ingin saya buat, dan Anda bisa lihat ia langsung paham
00:02:16dan benar-benar membangunnya untuk saya.
00:02:19Sekarang di localhost, Tabby masih terhubung ke semua hal di VS Code, jadi saya bisa membaca
00:02:23obrolan kode, bahkan mengembangkannya dan memberikan pertanyaan lanjutan.
00:02:27Semua ini tersimpan tepat di sini, di localhost.
00:02:30Tanpa awan (cloud), tidak ada data yang keluar dari mesin Anda, dan rasanya sangat mirip dengan Copilot, kecuali—
00:02:35dan ini pengecualian besar—kita benar-benar memiliki semuanya secara penuh.
00:02:37Baiklah.
00:02:38Saya sengaja membuat demonya cepat karena sejujurnya, memang sesederhana itu untuk mengaktifkan dan menjalankannya.
00:02:43Sekarang mari kita bahas mengapa hal ini sangat penting dalam alur kerja dunia nyata kita.
00:02:47Masalah sebenarnya dengan alat AI berbasis cloud bukanlah karena alat tersebut buruk.
00:02:51Melainkan adanya imbal balik yang tersembunyi, bukan?
00:02:53Dengan alat cloud, kode Anda mungkin digunakan untuk melatih model mereka.
00:02:57Dengan Tabby, kode Anda tidak pernah keluar dari jaringan Anda sendiri, kan?
00:03:01Di alat cloud, Anda membayar biaya per pengembang setiap bulan karena itu gratis selamanya.
00:03:05Sebenarnya tidak, kan?
00:03:07Kita membayarnya.
00:03:08Itulah konsekuensinya.
00:03:09Dan dengan alat cloud, kita juga membutuhkan internet.
00:03:11Dengan Tabby, saya tidak perlu membayar, ia berjalan secara luring, dan ini berdampak pada pekerjaan nyata.
00:03:16Jadi, kita mendapatkan lebih sedikit kode berulang (boilerplate) dan bisa merombak kode lama yang berantakan tanpa ragu.
00:03:22Kita bisa mempelajari kerangka kerja (framework) lebih cepat, membuat pengujian dan dokumentasi tanpa harus berpindah-pindah
00:03:26di antara semua alat ini.
00:03:27Jadi, ini benar-benar mengurangi waktu yang terbuang, diharapkan mengurangi risiko, dan memberi lebih banyak kendali atas cara
00:03:33kita bekerja.
00:03:34Itulah mengapa banyak pengembang atau tim yang mementingkan privasi mulai beralih dari alat
00:03:38berbasis cloud ke alat seperti ini.
00:03:41Sekarang mari kita bandingkan dengan opsi lain karena itulah yang benar-benar ingin Anda dengar, bukan?
00:03:45Tabby adalah yang termudah.
00:03:47Kualitasnya bagus, hampir tanpa pengaturan, tetapi ia memang berada di cloud.
00:03:50Kita punya Continued Dev.
00:03:52Ini fleksibel, mengutamakan lokal, tetapi lebih merupakan alat untuk pengguna tingkat lanjut (power user).
00:03:56Tab9 lebih berfokus pada perusahaan (enterprise), dan tentu saja sekarang saya di sini membahas tentang Tabby,
00:04:01yang di-host sendiri, gratis, privasi jauh lebih tinggi, dan dibangun untuk tim.
00:04:05Tapi perbedaan sebenarnya adalah ini: Tabby bukan sekadar plugin, melainkan server pengodean AI khusus.
00:04:11Hal itu benar-benar mengubah segalanya.
00:04:12Anda mendapatkan pengalaman seperti Copilot, fleksibilitas yang disukai di Continue, dan kontrol tingkat tim
00:04:19yang biasanya dikenakan biaya oleh penyedia lain.
00:04:21Jadi alih-alih menyewa akses ke AI, kita sebenarnya memiliki infrastruktur di belakangnya secara mandiri.
00:04:26Mari kita jujur, ya?
00:04:28Karena orang menyukai banyak hal, tapi apakah sumber terbuka saja cukup untuk membuat kita
00:04:32beralih?
00:04:33Nah, pengaturannya cukup cepat, biasanya hanya perlu menjalankan Docker, dan kemudian menyatu dalam
00:04:39alur kerja Anda.
00:04:40Saat Anda tidak ingin terjebak pada satu model, Anda bisa memilih modelnya sendiri, dan secara keseluruhan ia terasa
00:04:44jauh lebih siap untuk tahap produksi dibandingkan sebelumnya.
00:04:47Sekali lagi, sebagai sumber terbuka, ada kekurangannya.
00:04:50Kualitasnya bergantung pada model yang Anda pilih, jadi model yang lebih kecil tidak akan sekuat itu,
00:04:55dan perangkat keras memang berpengaruh.
00:04:56Jika Anda menginginkan performa yang mulus, GPU akan sangat membantu.
00:04:59Saya menjalankan semua ini di Mac M4 Pro, dan rasanya cukup memuaskan.
00:05:04Pengaturannya masih lebih sulit daripada alat cloud, jadi ini tidak ideal untuk siapa pun yang non-teknis,
00:05:09tapi Anda menonton video ini.
00:05:10Saya berasumsi Anda adalah orang teknis.
00:05:11Dan tentu saja, seperti alat AI lainnya, Anda tetap perlu meninjau kodenya.
00:05:14Ini membawa saya ke pertanyaan yang sebenarnya ingin dijawab.
00:05:17Apakah ini layak digunakan?
00:05:19Ya, bisa dibilang begitu, tapi tergantung pada beberapa hal.
00:05:22Anda sebaiknya menggunakan Tabby jika peduli pada privasi, benci langganan, bekerja di lingkungan yang
00:05:27teratur, atau butuh sesuatu yang bisa diandalkan oleh seluruh tim Anda.
00:05:30Dalam kasus tersebut, ini adalah pilihan luar biasa untuk dicoba diintegrasikan ke dalam alur kerja itu, tapi jika
00:05:35Anda menginginkan model mutakhir dengan tanpa pengaturan dan tanpa usaha, jujur saja,
00:05:40alat cloud masih jauh lebih mudah.
00:05:41Perbedaannya sekarang adalah imbal baliknya telah berubah.
00:05:43Kita tidak lagi memilih antara alat cloud pintar dan alat lokal yang lemah, melainkan memilih
00:05:48antara kenyamanan dengan sesuatu seperti Cursor, atau AI yang cukup kuat dengan aturan Anda sendiri.
00:05:54Dan bagi banyak pengembang, hal ini mulai menjadi semakin penting.
00:05:58Tabby tidak mencoba menjadi AI yang paling pintar.
00:06:01Ia mencoba menjadi salah satu yang mungkin benar-benar bisa kita percayai.
00:06:04Saya telah menyertakan tautan dokumen dan repositori di deskripsi.
00:06:06Jika Anda menyukai sumber terbuka dan alat AI lainnya seperti ini, pastikan untuk berlangganan
00:06:11saluran Better Stack.
00:06:12Sampai jumpa di video lainnya.