Canonical: https://instain.ru/de/ai/tabby/ Language: de TabbyML Assistent für die Entwicklung # Tabby. Selbst gehosteter Assistent mit Auto-Add-On und Chat 4.28 / 5 [Katalogbewertung](https://instain.ru/de/ai/tabby/#editorial-rating) [Offizielle Website ](https://www.tabbyml.com/) Tabby gibt Tipps im Editor und unterstützt den Chat. Der Befehl wählt aus, wo der Server arbeitet, welche Modelle für verschiedene Funktionen verantwortlich sind und auf welche Repositories zugegriffen werden kann. ![Offizielle Seite des Tabby Entwicklungsassistenten](https://instain.ru/assets/images/tabby-screen-d76193b17890-1200.webp) Offizielle Seite des Entwicklungsassistenten Tabby. [Quelle öffnen ](https://www.tabbyml.com/) ## Modell für Tipps und Modell für Dialog Tabby arbeitet nach dem Schema mit dem Server und der Erweiterung des Editors. Die automatische Erweiterung muss schnell genug reagieren, während der Entwickler druckt. Für den Dialog ist es wichtiger, die Frage und den Kontext zu behandeln. Die Hilfe beschreibt die Anpassung von Modellen für verschiedene Aufgaben. Daher lohnt es sich, die gleiche Auswahl für Tipps und Chat separat zu überprüfen. Beginnen Sie mit einem kleinen Repository, in dem Sie die Verzögerung und Relevanz von Vorschlägen bewerten können. Beenden Sie zuerst die normale Funktion und stellen Sie dann eine Frage zu den zugehörigen Anrufen. Vergleichen Sie die Antworten nicht nur in der Länge. Für die automatische Ergänzung ist ein kurzer Hinweis nützlich, der in den bereits eingegebenen Code passt. ## Ein Beispiel mit Parser Ergänzen Sie einen Testparser für die Konfiguration, der eine leere Zeichenfolge und einen unbekannten Schlüssel verarbeitet. Prüfen Sie, ob die Erweiterung beim Tippen passende Verzweigungen vorschlägt. Fragen Sie danach im Chat, welcher Pfad für welche Eingabe ausgeführt wird. Vergleichen Sie die Antwort mit dem Code. Verweist der Agent auf eine andere Funktionsversion, prüfen Sie, welches Projekt im Editor geöffnet und ob das passende Repository verfügbar ist. Messen Sie bei der zweiten Iteration, wie lange es dauert, auf demselben Gerät zu reagieren. Der Wechsel zu einem größeren Modell kann die einzelnen Antworten verbessern und die Auto-Add-Ons unangenehm machen. ## Wo die Verarbeitung stattfindet Tabby kann man bei sich haben. Wenn Sie einen externen Endpunkt konfigurieren, kann sich das Modell auf einer anderen Maschine oder beim Lieferanten befinden. Wenn eine Aufgabe vollständig lokal verarbeitet werden muss, überprüfen Sie die Adressen aller konfigurierten Modelle und Abfragerouten, bevor Sie den geschlossenen Code öffnen. ## Für welche Aufgaben geeignet - Automatisches Add-on über einen internen Server mit dem Editor verbinden - Modelle für Tipps und Dialoge aufteilen Funktionen ## Stärken - Entwickler beschreibt lokale Modellvarianten - Endpunkte für Modelle lassen sich konfigurieren Zu berücksichtigen ## Einschränkungen - Die Größe des Modells und die Ausrüstung beeinflussen die Arbeitsgeschwindigkeit - Überprüfen Sie beim Anschließen eines externen Modells, welchen Kontext es sendet ## Auswahl und Bedingungen Kostenlose Nutzung Ja Testphase Nicht bestätigt Keine Registrierung erforderlich Nicht bestätigt Russische Benutzeroberfläche Nicht bestätigt Lokale Installation Ja API Nicht bestätigt „Nicht bestätigt“ bedeutet, dass nicht genügend Informationen vorliegen. Die Funktion kann dennoch verfügbar sein; prüfen Sie die Angaben des Entwicklers. Eingabeformate Code, Text Ergebnis Code, Text ### Bedingungen Der Quellcode ist verfügbar. Die Bereitstellung erfordert Rechenressourcen und ein externer Modelldienst kann Gebühren erheben. Überprüfen Sie beim Anschließen eines externen Modells, welchen Kontext es sendet Von der Aufgabe zum ersten Ergebnis ## Praxisbeispiel Aufgabe Automatisches Add-on über einen internen Server mit dem Editor verbinden Was Sie vorbereiten sollten Lernparser, zwei Anmeldebeispiele und ein Testprojekt im Editor mit einem angepassten Tabby. ### Aufgabenbeschreibung oder Prompt Erklären Sie, welcher Zweig des Parsers für eine leere Zeile und einen unbekannten Schlüssel arbeitet. Zeigen Sie die zugehörigen Kontrollen an. ### Erwartetes Ergebnis Erläutern Sie die beiden Verarbeitungspfade und Hinweise am Ort der Testerweiterung. ### So prüfen Sie das Ergebnis - Vergleichen Sie die Antwort mit der offenen Version des Codes. - Überprüfen Sie die Adressen der Modellserver, bevor Sie ein geschlossenes Projekt verbinden. Ein redaktionelles Lernbeispiel für eine Aufgabenbeschreibung, kein Ergebnis eines eigenen Praxistests des Dienstes. Prüfen Sie die Verfügbarkeit des benötigten Modus, die Rechte am Ausgangsmaterial und die Bedingungen für die Nutzung des Ergebnisses. Details überprüfen ## Offizielle Quellen - [Tabby-Seite ](https://www.tabbyml.com/) - [Konfigurieren von Tabby-Modellen und externen Endpunkten ](https://tabby.tabbyml.com/docs/administration/model/) - [Zugang und Zahlungsbedingungen ](https://github.com/TabbyML/tabby) Die Beschreibung basiert auf den Materialien des Entwicklers. Die Funktionen, Preise und Verfügbarkeit können variieren. Bitte überprüfen Sie die Quelle vor der Verwendung. Das Tool im Überblick Entwickler TabbyML Kategorie [Code](https://instain.ru/de/category/code/) Zugang Sie benötigen einen Tabby-Server und eine Erweiterung für den unterstützten Editor. Die Geräteanforderungen hängen von den ausgewählten Modellen ab. Zahlung Der Quellcode ist verfügbar. Die Bereitstellung erfordert Rechenressourcen und ein externer Modelldienst kann Gebühren erheben. API Keine separate API angegeben [Entwicklerbedingungen ](https://github.com/TabbyML/tabby) Katalogbewertung 4.28 / 5 Funktionen 4.10 / 5 Arbeitsszenarien 4.10 / 5 Ökosystem 4.40 / 5 Dokumentation 4.50 / 5 Die Punkte dienen der Orientierung im Katalog. Sie sind weder Nutzerbewertungen noch Ergebnisse persönlicher Tests. [Siehe Methodik ](https://instain.ru/de/methodology/)