Tabby

TabbyML

⭐ 34k开源免费

可自部署的 AI 编程助手，代码数据不出内网。

🌐 官网 / 文档 GitHub 仓库 ↗

它能帮你做什么

自建一个私有代码补全助手，代码数据完全不出你的机器 / 内网
给团队搭一个共享的、数据可控的 Copilot
在没有外网 / 涉密环境里也能用 AI 编程
支持 VS Code、JetBrains 等主流 IDE

解读

Tabby 是一个可以自己部署的 AI 编程助手，代码和数据完全留在自己机器 / 内网，一个字都不外传。相当于自建一个私有 Copilot。

它的典型场景是：公司注重代码保密、或在没有外网的涉密/内网环境里，又想用 AI 补全提效。你把它部署在一台服务器上，团队的 IDE 都连过去共享。

门槛：需要装 Docker、最好有 NVIDIA 显卡。比「装个插件」的 Continue 重一些，适合愿意自部署的团队或个人。

适合谁

注重代码隐私、或需要在公司内网用 AI 编程的团队 / 个人。需要装 Docker，有 NVIDIA 显卡体验最佳；比装插件的 Continue 门槛高，适合愿意自部署的人。

开始前的准备

一台装了 Docker 的机器，最好带 NVIDIA 显卡（补全更快）。
约几 G 硬盘放代码模型。
VS Code 或 JetBrains。

手把手教程

装 Docker：docker.com 下载安装并启动。
起服务：按文档 tabby.tabbyml.com 上的一条 docker run 命令启动 Tabby（首次会自动下模型）。
打开管理页：浏览器访问它的地址（默认 localhost:8080），选一个代码模型。
装 IDE 插件：在 VS Code / JetBrains 装 Tabby 插件。
连接：在插件设置里填你的 Tabby 服务地址。
开写：打字时它会给补全，按 Tab 采纳。

常见问题 / 踩坑

没有 GPU 能跑吗？

能，用 CPU 模式，但补全会慢。个人小规模够用；团队多人用建议上 GPU。

和 Continue 有啥区别？

Continue 是接现成模型的插件、上手快；Tabby 是自建一整套服务、数据完全自控，更适合内网 / 团队。

数据真的不外传吗？

是。模型和推理都在你自己的服务器上，代码不出内网，这正是它的核心卖点。

进阶技巧

团队用：把 Tabby 部署在一台带 GPU 的服务器上，大家的 IDE 都连过去，共享一套。
选和你主力语言匹配的代码模型，补全会更准。

打不开 GitHub / 国内访问

文档 tabby.tabbyml.com 可访问；Docker 镜像慢就配国内加速器。模型随镜像下载，全程可不碰 GitHub。