Tabby

Tabby是什麼

Tabby是由TabbyML開發的開源、可自我管理的AI編程輔助工具，可用作GitHub Copilot等雲端工具的私有化替代方案。團隊可以在本地伺服器、私有雲或自有的基礎設施上運行模型及服務端。

它並不是一個單獨的大型語言模型，而是一套包含模型服務、程式碼上下文、管理後台、API以及編輯器插件等的完整系統。其實際表現則取決於所選用的補全模型、聊天模型、嵌入模型，以及硬體和程式碼庫的配置。

主要功能

• 在編輯器中提供即時多行代碼補全。
• 圍繞代碼庫回答開發問題並給出相關上下文。
• 透過行內聊天解釋、修改和生成代碼。
• 在代碼瀏覽器中搜尋倉庫並查看符號關係。
• 連接Git倉庫、開發文件以及其他上下文來源。
• 分別配置補全、聊天和嵌入模型。
• 支援本地模型及多種OpenAI相容模型介面。
• 為團隊提供用戶、訪問及使用情況管理。
• 透過OpenAPI接入雲端IDE或內部開發平台。
• 使用Docker、Linux可執行檔及多種雲端平台部署。
• 能夠連接 VS Code、JetBrains、Vim 以及其他編輯器。

核心組件

代碼補全

Tabby會根據目前的檔案、游標附近的程式碼以及專案的上下文，即時提供建議。官方強調其低延遲的即時補全功能，且支援取消請求的功能；同時，透過快取和Tree-sitter程式碼標籤來優化提示的上下文。

• 補全單行或連續多行代碼。
• 預測函數體、條件分支和重複樣板。
• 參考當前檔案的命名與編碼風格。
• 在開發者接受或拒絕時繼續更新建議。
• 透過IDE插件在原有編輯流程中使用。
• 允許管理員選擇專用代碼補全模型。

補全品質優化建議

• 選擇支援目標程式語言的Fill-in-the-Middle模型。
• 優先保證低延遲，再提高模型參數規模。
• 讓檔案名稱、函數名稱和註解清楚地表達意圖。
• 縮小過大的函數，避免上下文被無關代碼佔滿。
• 分別測試常用語言和框架的接受率。
• 將生成的代碼納入格式化、靜態檢查和測試流程。

Answer Engine與代碼問答

Answer Engine允許開發者直接詢問代碼庫的結構、實作方式及使用方法。系統會讀取相關檔案或上下文資料，並產生附有來源資訊的回答，從而減少在倉庫、文件和工單之間切換的次數。

• 解釋某個模組或函數的職責。
• 尋找介面的呼叫位置與依賴關係。
• 根據現有遷移檔案生成新資料庫遷移。
• 總結代碼庫使用的框架和約定。
• 結合開發文件回答配置問題。
• 為新成員提供代碼導航和上手輔助。

行內聊天

行內聊天功能能將自然語言指令與當前選中的程式碼置於同一個編輯位置。它適用於解釋、重構程式碼、產生測試用例或添加註解，但所有的變更都應先檢視差異後再予以接受。

• 解釋選中代碼的邏輯和邊界條件。
• 重構重複代碼或改善可讀性。
• 生成單元測試和測試數據。
• 轉換語言、框架或API呼叫方式。
• 補充文件字串、類型和錯誤處理。
• 根據項目規範修改局部代碼。

上下文提供器

上下文提供器用於將代碼倉庫、開發文件以及其他團隊知識引入 Tabby 中。所取得的上下文資料能提升代碼相關問答的準確性，但同時也會增加需要管理的權限和索引範圍。

• 導入GitHub、GitLab或通用Git倉庫。
• 抓取開發者文件和內部技術說明。
• 為不同項目建立獨立上下文。
• 讓回答引用代碼與文件，而不是只依賴模型記憶。
• 按團隊權限控制可見的倉庫。
• 定期同步更新並移除過期資料。

上下文安全清單

• 不要索引金鑰、憑證、生產配置和客戶數據。
• 為倉庫設定最小讀取權限。
• 確認不同團隊不能檢索彼此的私有專案。
• 人員離職或專案結束後立即撤銷訪問。
• 定期重新同步並刪除歷史敏感內容。
• 對外部文件抓取設定域名白名單。

支援的編輯器

官網列出了VS Code、Neovim、IntelliJ IDEA、Eclipse、Android Studio以及多種JetBrains IDE。不同插件的功能成熟度與版本要求可能有所不同，安裝前應先參考相關的說明文件。

模型與硬體選擇

Tabby將補全、聊天和嵌入模型分開配置。補全模型對延遲的要求最高，聊天模型更看重推理和上下文品質，嵌入模型則負責代碼與文件的檢索。

官方模型目錄建議，7B至13B模型應使用V100、A100或更新的30/40系列GPU。實際所需的顯存量還會受到量化處理、上下文長度、並發數以及模型架構的影響，因此在部署之前，應在真實的專案上進行壓力測試。

Docker部署教學

1. 準備Linux伺服器、Docker和持久化磁盤。
2. 需要NVIDIA GPU時安裝驅動與容器工具包。
3. 從官方模型目錄選擇補全、聊天和嵌入模型。
4. 建立獨立資料目錄並設定正確的存取權限。
5. 使用官方容器鏡像啟動Tabby Server。
6. 映射服務端口和資料卷，並指定運行設備。
7. 訪問管理介面，建立管理員與安全訪問設定。
8. 安裝IDE插件並填寫伺服器地址與令牌。
9. 用測試倉庫驗證補全、聊天和索引結果。
10. 配置反向代理、TLS、備份、日誌和監控。

生產部署檢查

• 不要把未加密的管理端口直接暴露到公網。
• 使用TLS、強密碼和受控網路入口。
• 將模型緩存、索引和資料庫放入持久化儲存。
• 限制容器權限並掃描鏡像與依賴漏洞。
• 記錄GPU顯存、請求延遲和錯誤率。
• 在升級前備份並測試資料庫遷移。
• 為故障和容量不足準備回滾方案。

Linux獨立安裝

除了 Docker 之外，官方還提供獨立的 Linux 可執行檔，這些檔案適用於 CPU、CUDA 和 Vulkan 環境。要使用 CUDA，通常需要 CUDA 11 或更高版本；至於非 NVIDIA GPU 的情況，則可以考慮使用 Vulkan 版本。

1. 從官方Release選擇與硬件對應的Linux壓縮包。
2. CPU環境選擇CPU構建，NVIDIA環境選擇匹配CUDA構建。
3. 需要其他GPU時查看Vulkan建構和驅動要求。
4. 解壓檔案，並為Tabby與模型服務程式添加執行權限。
5. 指定補全模型、聊天模型、端口和設備啟動服務。
6. 檢查日誌並從本機訪問管理頁面。
7. 完成身分驗證、網路和持久化設定後再開放團隊使用。

外部模型API

Tabby可以透過OpenAI的相容介面來連接某些外部聊天模型服務，但代碼補全功能則不一定能夠重複使用同一個介面。例如，根據官方說明，Hugging Face Inference Providers的相容API並不提供FIM補全模型，因此仍需使用本地的模型來進行補全。

• 確認服務商支援聊天、補全或嵌入中的哪一種介面。
• 不要假設OpenAI相容就支援全部Tabby能力。
• 把API密鑰保存在服務端安全配置中。
• 評估代碼是否會被發送到第三方區域。
• 設定預算、速率限制和失敗回退。
• 核對模型供應商的數據保留和訓練政策。

團隊管理與企業功能

Tabby提供Community、Team和Enterprise三種許可證方案。安全訪問、Answer Engine以及代碼瀏覽器屬於基本功能，而使用報告、遙測策略、認證域及單點登入等管理功能則需在付費方案中才能使用。

套餐與價格

截至2026年8月20日，官方定價頁面顯示，Community版為免費，Team版則為每位使用者每月19美元，而Enterprise版則需聯絡銷售人員，並根據需求以年度方式訂價。除了軟體許可證之外，還需考慮模型、GPU、儲存、網路以及運維等方面的成本。

Tabby Cloud與Pochi費用

官方價格頁面另列有 Tabby Cloud 的按量計費方式，並說明 Pochi 是根據所使用的巨大模型 Token 成本來計算費用，每月還會提供 20 美元的免費額度。雲端版 Tab Completion 目前一直免費，但若使用量過高，可能會要求使用者綁定信用卡，以避免濫用。

Pochi是TabbyML的智能體編程產品，它與自托管版Tabby的許可證並非同一種計費模式。在選擇方案時，必須分別查看雲端模型的費用、團隊許可證的費用，以及本地基礎設施的相關費用。

自託管真實成本

適合哪些使用場景

• 希望代碼不預設發送到公共AI服務的團隊。
• 需要在內網或私有雲部署編程助手的企業。
• 擁有GPU並希望控制模型與推理成本的組織。
• 需要連接私有代碼庫和內部開發文件的團隊。
• 希望統一管理多個編輯器AI體驗的平台團隊。
• 研究代碼補全模型、檢索和提示優化的開發者。
• 最多5人的小團隊使用免費社區版。
• 需要OpenAPI接入雲端IDE或內部工具的平台。

不適合直接使用的情況

• 沒有伺服器、模型和運維能力的個人用戶。
• 希望下載插件後無需配置即可使用頂級雲模型。
• 無法承擔GPU、電力或外部API成本的團隊。
• 要求生成代碼無需審查和測試即可上線。
• 需要企業SSO但無法購買Enterprise許可證。
• 要求所有企業目錄代碼皆為Apache 2.0的再發行專案。
• 希望完全離線，但又依賴外部模型和文件抓取的環境。

產品優勢

• 核心服務開源，部署架構和代碼可檢查。
• 支援在本地、內網和私有雲控制代碼數據。
• 不強制依賴外部資料庫或雲服務。
• 補全、聊天和嵌入模型可以分別選擇。
• 消費級GPU也能從小模型開始部署。
• IDE、模型服務和上下文檢索形成完整鏈路。
• 支援代碼問答、行內聊天和代碼瀏覽器。
• 上下文提供器可連接團隊倉庫與文件。
• OpenAPI便於接入現有開發基礎設施。
• Community方案適合小團隊免費試用。

使用限制與注意事項

• 自託管不等於零成本，GPU和運維支出可能較高。
• 小模型的複雜代碼理解能力可能弱於大型雲模型。
• 補全延遲會受到模型、顯存、併發和網路影響。
• 代碼索引可能包含金鑰、個人資訊和商業機密。
• 外部聊天API會把相關代碼發送給第三方服務商。
• 生成代碼可能存在漏洞、錯誤依賴和許可證風險。
• 不同IDE插件的功能與升級節奏並不完全一致。
• Team最多50用戶，超過規模需評估Enterprise。
• SSO屬於Enterprise，而非Community或Team。
• 模型權重擁有各自許可證，不能只看Tabby代碼許可。
• 企業目錄使用單獨商業許可證。
• 升級前必須驗證配置、索引和資料庫相容性。

代碼安全與治理

• 生成的代碼必須經過人工審核和自動化測試。
• 對依賴套件運行漏洞和許可證掃描。
• 禁止向提示上下文加入密鑰與生產憑證。
• 為管理員、倉庫及一般開發者設定最低權限。
• 記錄模型、提示版本和代碼變更來源。
• 對高風險倉庫關閉未批准的外部模型路由。
• 建立錯誤建議、資料洩露及服務中斷的應變流程。
• 定期審計遙測策略、日誌保留和用戶席位。

GitHub與開源許可證

Tabby的官方倉庫由TabbyML負責維護，目前其核心內容是依照Apache License 2.0來授權的。倉庫的許可證中明確規定，企業功能相關的檔案需遵循該倉庫中的獨立許可證規定，而第三方組件則仍需遵守其原有的許可條款。

企業目錄的代碼可以為了開發和測試的目的而被複製或修改，但用於正式生產環境時，則需要有效的 Tabby Enterprise 授權以及正確的用戶數量限制。因此，Tabby應被視為一種開源核心產品，而非所有功能都遵循同一個開源授權規定。

基本資訊

推薦指數

4.7 / 5。Tabby提供從模型服務、代碼檢索到IDE插件的完整自託管解決方案，適合重視資料控制與可配置性的團隊；不過，企業授權規則、硬體成本以及持續運維等方面的問題，都需仔細評估。

常見問題

Tabby可以免費使用嗎？

可以。Community方案為最多5用戶免費，仍需自行承擔伺服器、GPU、儲存和運維成本。

Tabby與GitHub Copilot有什麼區別？

Tabby強調開源核心、自託管和模型可配置，Copilot主要是託管雲服務。兩者在模型品質、管理體驗和成本結構上不同。

一定需要GPU嗎？

不一定，小模型可以在CPU或Apple Silicon上運行，但實時補全體驗通常更依賴低延遲GPU。團隊並發使用前應進行壓測。

可以連接外部大模型嗎？

可以連接部分OpenAI相容的聊天介面，但補全與嵌入介面的相容性則有所不同。不能假設某個API能同時支援所有的模型組件。

Team方案多少錢？

截至核驗日為每用戶每月19美元，最多50用戶。價格和權益可能調整，應以官方訂閱頁面為準。

Tabby支援SSO嗎？

支持，但官方定價頁面將單點登入列為Enterprise功能。Community和Team不包含此項。

Tabby提供API嗎？

提供。官方文件包含OpenAPI參考，可用於IDE、雲端開發環境及內部平台整合。

Tabby是完全開源嗎？

並非所有的目錄都採用相同的開源許可證。核心代碼主要為 Apache 2.0，而企業用戶的目錄則使用 Tabby Enterprise License。