Tabby 是一款开源的 AI 编码助手，支持本地或私有化部署，帮助开发者在保证代码与数据安全的前提下，获得接近甚至优于云端闭源产品的智能编码体验。它可无缝集成到常见 IDE 中，提供代码补全、即时问答、内联聊天等功能，让 AI 像一位全栈队友一样参与日常开发工作。
产品详细介绍
Tabby 的核心定位是“开源、自托管的 AI 编码助手”，重点解决两个问题：提升开发效率与保障数据安全。
- 开源与自托管
- 完全开源：核心组件开放源代码，便于审计与二次开发。
- 自托管部署：支持在本地服务器、企业内网或私有云中运行，无需依赖外部云服务。
- 无需外部 DBMS：内置所需服务组件，降低部署复杂度。
- 安全、透明的 AI 编码体验
- 软件供应链安全：开源可审计，降低引入第三方黑盒服务的风险。
- 数据可控：代码与上下文留在自己的环境中，适合对合规与隐私要求高的团队。
- 透明可配置：模型、日志、访问控制等均可按需配置。
- 高效的代码补全引擎
- 上下文感知：理解当前文件、函数与周边代码结构，给出更贴合场景的补全建议。
- 预测下一步操作：在你输入时实时预测可能的下一行或下一段代码，减少重复性输入。
- 多语言支持：适用于多种主流编程语言和框架（如前后端、全栈场景）。
- IDE 内即时答案与内联聊天
- Answer Engine（答案引擎）：
- 在 IDE 内直接提问，获得清晰的解释、示例代码或调试思路。
- 避免频繁切换浏览器和搜索引擎，保持开发专注度。
- 内联聊天：
- 在代码旁边与 AI 对话，讨论实现方案、重构建议或性能优化。
- 支持基于当前文件或项目上下文进行回答，更贴近实际工程环境。
- 灵活集成与运行环境
- 支持 Cloud IDE：可集成到云端开发环境中，适合远程协作与云原生团队。
- 消费级 GPU 支持：可在常见消费级 GPU 上运行，降低硬件门槛。
- 易于接入现有工具链：可与现有 CI/CD、代码托管平台等配合使用。
- Pochi：全栈 AI 队友
- 任务型协作：不仅给出建议，还能协助规划、执行与检查开发任务。
- 贴合现有流程：融入现有工具与工作流，无需大幅改变团队习惯。
- 适合全栈开发：前端、后端、脚本与基础设施代码都可获得辅助。
简单使用教程
以下为从部署到日常使用的简要流程示例（具体命令与配置以官方文档为准）：
- 环境准备
- 确认有一台可用的服务器或本地机器（支持 CPU 或 GPU）。
- 安装基础环境：
- 推荐使用 Docker / 容器环境，便于快速启动与升级。
- 确保网络与防火墙配置允许 IDE 访问 Tabby 服务端口。
- 部署 Tabby 服务
- 方式一：使用 Docker 启动（示意流程）
- 拉取 Tabby 镜像。
- 通过 docker run 或 docker-compose 启动服务，暴露 HTTP/HTTPS 接口。
- 方式二：本地安装
- 根据官方说明安装依赖（如运行时环境、模型文件等）。
- 启动 Tabby 服务进程，记录服务地址与端口。
- 配置模型与资源
- 在 Tabby 管理界面或配置文件中：
- 选择或下载合适的代码模型（根据语言与硬件能力选择大小与类型）。
- 配置 GPU/CPU 使用策略与并发限制，避免资源占满。
- 集成到 IDE
- 安装对应 IDE 插件/扩展（如 VS Code、JetBrains 系列等）。
- 在插件设置中：
- 填写 Tabby 服务器地址（如 http://localhost:port 或 内网地址）。
- 配置访问密钥或认证方式（如有）。
- 重启 IDE 或重新加载插件，使配置生效。
- 使用代码补全
- 打开项目并开始编写代码：
- 在函数体或类中输入几行代码，Tabby 会自动给出灰色或高亮的补全建议。
- 使用快捷键（如 Tab / Enter，视 IDE 设置而定）接受或部分接受建议。
- 调整补全策略：
- 在插件设置中可配置建议长度、触发方式（自动/手动）等。
- 使用 Answer Engine 即时问答
- 在 IDE 中打开 Tabby 面板或命令面板：
- 输入问题，例如“这段函数的时间复杂度是什么？”、“如何在当前框架中实现文件上传？”。
- Tabby 会结合当前文件上下文给出解释与示例。
- 将回答插入代码：
- 复制示例代码到当前文件，或使用插件提供的一键插入功能（如支持）。
- 使用内联聊天与 Pochi
- 在代码中选中一段函数或文件片段：
- 右键选择“与 Tabby 聊天”或类似命令。
- 提问如“帮我重构这段代码以提高可读性”、“为这段逻辑补充单元测试”。
- 任务式使用 Pochi：
- 描述一个较完整的任务，例如“为当前模块增加分页接口并更新前端调用”。
- 让 Pochi 先给出计划，再逐步执行与检查结果。
- 连接数据源（可选）
- 在 Tabby 配置中接入内部文档、API 说明或知识库：
- 让 AI 在回答时参考团队内部文档，给出更贴合业务的建议。
- 日常维护与升级
- 定期更新 Tabby 版本与模型，以获得更好的补全质量与性能。
- 监控资源使用情况，按需调整并发与硬件配置。
FAQ 常见问题
- Tabby 与 GitHub Copilot 有什么区别？
- Tabby 是开源、自托管的解决方案，可完全运行在本地或私有环境中，代码与数据不必上传到第三方云服务，更适合对安全与合规要求高的团队。
- Tabby 是否必须使用 GPU？
- 否。Tabby 可在 CPU 上运行，但在 GPU 上性能与响应速度会更好。对于中小团队，可使用消费级 GPU 获得较佳体验。
- 支持哪些 IDE？
- Tabby 支持主流 IDE，如 VS Code、部分 JetBrains 系列以及常见 Cloud IDE。具体支持列表与安装方式以官方插件目录为准。
- 会不会上传我的代码到外部服务器？
- 默认自托管部署下，所有代码与上下文都在你自己的服务器或本地环境中处理，不会上传到外部云服务。若自行配置外部模型或服务，则需遵循相应配置与隐私策略。
- 如何提升补全质量？
- 使用更适配的模型（针对常用语言与项目规模选择）。
- 确保项目结构清晰，让 Tabby 能获取足够上下文。
- 及时升级到最新版本，利用新的算法与优化。
- 团队协作场景如何使用？
- 在团队内网部署一套 Tabby 服务，统一管理模型与资源。
- 为每位开发者配置 IDE 插件，统一接入同一服务端。
- 可结合权限控制与日志审计，满足企业级管理需求。
- Pochi 与普通补全有什么不同？
- 普通补全偏向“下一行代码”的预测，而 Pochi 更像一位全栈队友，可以理解任务目标，协助规划步骤、执行修改并进行结果检查，更适合复杂功能开发与重构场景。
