Tabby: un asistente nativo de programación de inteligencia artificial que se integra en VSCode

Introducción general

Tabby es un asistente de programación de IA de código abierto, desarrollado por el equipo TabbyML, que los usuarios pueden desplegar ellos mismos localmente o en un servidor. Ofrece funciones similares a Copiloto GitHub Tabby soporta múltiples lenguajes de programación y puede integrarse en herramientas de desarrollo como VSCode y Vim. Según datos oficiales, en abril de 2025, la última versión v0.24.0 soporta autenticación LDAP y notificaciones de tareas en segundo plano, y su funcionalidad sigue optimizándose. Es adecuada para desarrolladores o equipos preocupados por la privacidad.

Tabby:可集成到 VSCode 的本地自托管AI编程助手

 

Lista de funciones

  • Finalización del códigoSugiera una o varias líneas de código en tiempo real al introducir el código para mejorar la eficacia.
  • Asistente de chat inteligente: Responde a preguntas de programación o genera fragmentos de código a través del diálogo.
  • Implantación autónomaFunciona en local o en la nube, protege la privacidad de los datos y permite la personalización.
  • Compatibilidad con varios modelosSe pueden utilizar modelos de código abierto como StarCoder-1B, Qwen2-1.5B, etc.
  • sensible al contexto: Comprender el contexto del código y ofrecer un asesoramiento preciso.
  • Integración IDECompatible con VSCode, Vim, IntelliJ y otros editores importantes.
  • navegador de código: Navegue por el código del proyecto con funciones de búsqueda y navegación.
  • Estadísticas de uso: Visualiza los datos de uso de la finalización de código y el chat.
  • Autenticación LDAP: Los usuarios de empresa pueden gestionar los permisos a través de LDAP (nuevo en v0.24.0).

 

Utilizar la ayuda

Proceso de instalación

Tabby necesita ser construido por el usuario, aquí están los pasos detallados basados en Docker.

  1. Preparar el entorno
    • Asegúrese de que Docker está instalado (versión 20.10 o superior).
    • Si utilizas una GPU, debes instalar el controlador NVIDIA y CUDA Toolkit (se recomienda la versión 11.8 o 12.x).
    • Reserva al menos 10 GB de espacio de almacenamiento para modelos y datos.
  2. Tirar de los espejos
    Ejecute el siguiente comando en el terminal para obtener la última Tabby:
docker pull tabbyml/tabby
  1. Iniciar el servidor
    Utilice el siguiente comando para iniciar, escuchando en el puerto 8080 por defecto:
docker run -it --gpus all -p 8080:8080 -v $HOME/.tabby:/data tabbyml/tabby serve --model TabbyML/StarCoder-1B --device cuda --chat-model Qwen2-1.5B-Instruct
  • --gpus all: Activa la aceleración por GPU (no se puede eliminar la GPU).
  • -p 8080:8080Asigna el puerto del contenedor localmente.
  • -v $HOME/.tabby:/data:: Los datos se almacenan localmente .tabby Carpeta.
  • --model: Especifica el modelo de completado de código, por defecto StarCoder-1B.
  • --chat-model: Especifica el modelo de chat, por defecto Qwen2-1.5B-Instruct.
  • --device cudautilizar GPU, si no hay GPU cambiar a cpu.
  1. Verificaciones
    Tras el arranque, acceda a http://localhost:8080. Si se muestra la página de bienvenida o el registro indica "Listening at 0.0.0.0:8080", se ha realizado correctamente.
  2. Instalación de extensiones IDE
  • VSCode: Busque "Tabby" en el mercado de extensiones, instálelo y establezca la dirección del servidor en http://localhost:8080.
  • VimInstalación mediante el gestor de complementos TabbyML/vim-tabbyEjecutar npx tabby-agent --stdio Conexiones.
  • IntelliJ: Busque "Tabby" en el JetBrains Marketplace para instalar y configurar la dirección.

Funciones principales

Finalización del código

  • procedimientoIntroduzca el código en el IDE y Tabby mostrará un cuadro de sugerencias. Pulse Tab Aceptación.Esc Rechazo.
  • Funciones destacadas: Se admite el conocimiento del contexto. Por ejemplo, la entrada def sort_listpuede sugerir:
def sort_list(lst):
return sorted(lst)
  • Parámetros de ajusteEn config.toml modificación max_input_length(por defecto 1024) y max_output_tokens(por defecto 512).

Asistente de chat inteligente

  • Formas de abrirEn VSCode, haz clic en el icono Tabby de la barra lateral para abrir el panel de chat.
  • UtilizaciónPreguntas de entrada como "Escriba una función de desduplicación de matrices en JavaScript", que Tabby devolverá:
function uniqueArray(arr) {
return [...new Set(arr)];
}

También puede hacerse a través del @ Consulte el documento para añadir contexto.

  • Ejecutar comando: Introduzca similar dir para ver los resultados de la simulación (v0.23.0 Mejorada).

navegador de código

  • ruta de accesoHaga clic en "Explorador de códigos" en la interfaz web.
  • flujo de trabajoIntroduzca palabras clave (por ejemplo class), código de búsqueda. Soporte de filtrado por tipo de archivo, haga clic en los resultados para saltar a una ubicación específica.
  • Actualizar funciones: v0.23.0 Experiencia de navegación optimizada con soporte para más opciones de navegación.

nota complementaria

  • lanzamiento inicial: La descarga del modelo puede tardar entre 5 y 10 minutos, dependiendo de la red.
  • optimización del rendimiento: Uso --parallelism 4 Aumentar la potencia de procesamiento concurrente (requiere hardware de gama alta).
  • Apoyo comunitarioDisponible a través de Slack (links.tabbyml.com/join-slack) Busca ayuda.

 

escenario de aplicación

  1. desarrollo personal
    Un desarrollador de front-end despliega Tabby localmente, utilizándolo para complementar el Reaccione Códigos de componentes para ahorrar tiempo en entradas duplicadas.
  2. Colaboración empresarial
    La empresa instaló Tabby en un servidor interno y, gracias a la autenticación LDAP, los miembros del equipo pudieron resolver rápidamente los errores mediante la función de chat.
  3. Educación y formación
    Los estudiantes aprenden C++ con Tabby, haciendo la pregunta "¿Qué es un puntero?" en el chat y obteniendo ejemplos de código y explicaciones.

 

CONTROL DE CALIDAD

  1. ¿Qué modelos admite Tabby?
    StarCoder-1B (completado de código) y Qwen2-1.5B-Instruct (chat) son compatibles por defecto, y los usuarios pueden sustituir otros modelos de código abierto.
  2. ¿Cuáles son las ventajas del autoalojamiento?
    Los datos no se suben a la nube, están completamente localizados para escenarios sensibles a la privacidad y pueden ajustarse libremente para su configuración.
  3. ¿Cuáles son los requisitos mínimos de hardware?
    La CPU funciona con 8 GB de RAM y la GPU con 16 GB de RAM y 4 GB de memoria de vídeo.
© declaración de copyright
AiPPT

Artículos relacionados

Sin comentarios

Debe iniciar sesión para participar en los comentarios.
Acceder ahora
ninguno
Sin comentarios...