Tabby 是一款面向开发团队与个人开发者的开源 AI 编程助手。它支持本地或私有化部署，提供智能代码补全、IDE 内即时问答、实时聊天与多数据源连接等能力，帮助你在保证代码与数据安全的前提下，大幅提升编码效率与协作体验。

产品详细介绍

Tabby 的核心定位是“开源、自托管的 AI 编程助手”，旨在成为你团队中的全栈 AI 队友（Full-Stack AI Teammate），在日常开发中承担规划、执行与检查等工作，就像一位真正的工程师同事。

开源与自托管，掌控数据与安全

  • 完全开源：源码开放，可审计、可定制，避免闭源黑盒带来的供应链与合规风险。
  • 自托管部署：支持在本地服务器、企业内网、私有云等环境运行，无需依赖外部云服务或第三方 DBMS。
  • 软件供应链安全：可自行构建与部署，满足对安全性、合规性要求较高的团队与组织。

智能代码补全与上下文理解

  • 实时代码补全：在你输入代码时，Tabby 会根据当前文件、项目上下文与你的编码习惯，预测下一行或整段代码。
  • 多语言支持：适用于常见主流编程语言与框架（如前后端、全栈场景），适合个人开发者与团队项目。
  • 上下文感知：理解函数、类、文件结构以及项目上下文，提供更贴合业务逻辑的建议，而不仅是模板式补全。

IDE 内即时问答与内联聊天

  • Answer Engine 答案引擎：在 IDE 中直接提问（如“如何写这个接口的单元测试？”、“这个错误怎么修？”），即时获得清晰的解释与示例代码。
  • 实时 AI 聊天：在代码旁边与 AI 对话，讨论实现方案、重构思路、性能优化等，不必频繁切换到浏览器搜索。
  • 减少打断与上下文切换：所有交互都在 IDE 内完成，保持开发者“心流状态”，提升专注度与效率。

连接数据源，打造更聪明的团队助手

  • 接入项目与文档数据：可连接代码仓库、内部文档等数据源，让 Tabby 在回答问题时结合你自己的项目与知识库。
  • 团队级知识沉淀：随着使用时间增长，AI 助手对团队代码风格、架构模式与最佳实践理解更深，回答更贴合实际场景。

性能与部署灵活性

  • 支持消费级 GPU：可在常见消费级 GPU 上运行，降低硬件门槛与成本。
  • 轻量化架构：无需额外的外部数据库或复杂云组件，部署与维护成本相对可控。
  • 云端与本地双模式：既可在云 IDE 中使用，也可在本地开发环境中集成，适配多种开发工作流。

简单使用教程

以下是从零开始使用 Tabby 的简明步骤示例（具体命令与配置以官方文档为准）：

步骤一：准备运行环境

  1. 硬件与系统：
    • 一台可长期运行的服务器或本地机器（支持 Linux / macOS / 部分 Windows 环境）。
    • 建议配备支持 GPU 的环境以获得更佳推理性能，也可在 CPU 模式下运行（性能略低）。
  2. 基础依赖：
    • 安装 Docker 或容器运行环境（推荐方式）。
    • 或准备好常规开发环境（如 Python/Node 等，视官方部署方式而定）。

步骤二：部署 Tabby 服务

  1. 获取镜像或源码：
    • 使用 Docker：从官方镜像仓库拉取 Tabby 镜像。
    • 或从 Git 仓库克隆源码，自行构建镜像或二进制。
  2. 启动服务：
    • 配置基础参数（端口、模型路径、GPU/CPU 选择等）。
    • 通过 docker run 或编排工具（如 Docker Compose、Kubernetes）启动 Tabby 服务。
  3. 验证运行状态：
    • 在浏览器中访问配置的服务地址，或使用健康检查接口确认服务已正常启动。

步骤三：在 IDE 中安装插件

  1. 选择你的 IDE：
    • 如 VS Code、JetBrains 系列或其他支持的编辑器/IDE。
  2. 安装 Tabby 插件/扩展：
    • 在 IDE 插件市场搜索“Tabby”或“TabbyML”，安装官方扩展。
  3. 配置服务器地址：
    • 在插件设置中填写你部署的 Tabby 服务地址（如 http://localhost:PORT 或内网地址）。
    • 保存配置并重启 IDE（如有需要）。

步骤四：开始使用代码补全

  1. 打开项目：
    • 在 IDE 中打开你的代码仓库或项目文件夹。
  2. 输入代码触发补全：
    • 像平常一样编写代码，Tabby 会在你输入时自动给出灰色或虚线提示的补全建议。
    • 使用 Tab 键或相应快捷键接受建议，或继续输入以获得更合适的补全。
  3. 根据风格调整：
    • 多使用一段时间后，Tabby 会更好地适应你的编码风格与项目模式。

步骤五：使用 Answer Engine 与聊天

  1. 提问获取即时答案：
    • 在 IDE 中选中一段代码或错误信息，使用插件提供的“Ask Tabby”/“Explain”命令。
    • 输入你的问题，例如：
      • “这段函数的时间复杂度是多少？”
      • “帮我写这个接口的单元测试。”
  2. 内联聊天：
    • 打开 Tabby 聊天面板，与 AI 进行多轮对话。
    • 可用于需求澄清、方案对比、重构建议等。
  3. 结合项目上下文：
    • 若已配置数据源连接，Tabby 在回答时会参考你的项目代码与内部文档，给出更贴合业务的建议。

步骤六：团队与高级配置（可选）

  1. 权限与访问控制：
    • 在企业环境中，为不同团队或用户配置访问权限与配额。
  2. 模型与性能调优：
    • 根据硬件资源选择不同大小或类型的模型。
    • 调整并发数、超时时间等参数，平衡响应速度与资源占用。
  3. 监控与日志：
    • 接入监控系统，观察请求量、延迟、错误率等指标。
    • 分析日志以优化使用策略与模型配置。

FAQ 常见问题

Q1：Tabby 与 GitHub Copilot 有什么区别？ A1：Tabby 是开源、自托管的解决方案，你可以完全掌控部署环境、模型与数据；Copilot 为云端闭源服务，数据与推理过程由第三方托管。Tabby 更适合对隐私、安全与可定制性要求较高的团队。

Q2：必须要有 GPU 才能用 Tabby 吗？ A2：不是必须。Tabby 可以在 CPU 环境下运行，只是推理速度相对较慢。若希望在多人团队或大型项目中获得流畅体验，建议使用支持推理加速的 GPU。

Q3：Tabby 支持哪些 IDE？ A3：Tabby 重点支持主流 IDE，如 VS Code、部分 JetBrains 系列以及云端 IDE 等。具体支持列表与安装方式以官方文档与插件市场说明为准。

Q4：我的代码会被上传到外部服务器吗？ A4：如果你选择自托管部署并在本地/内网运行 Tabby，代码与请求都在你控制的环境中处理，不会上传到外部云服务。请根据实际部署方式与网络配置进行确认。

Q5：Tabby 是否支持团队级别的配置与协作？ A5：是的。你可以在服务器层面统一配置模型、资源与访问策略，为多个团队或项目提供统一的 AI 编程服务；同时通过连接代码仓库与内部文档，让 Tabby 成为整个团队的“共享 AI 队友”。