are-copilots-local-yet

GitHub
593 30 中等 2 次阅读 1周前MIT开发框架语言模型
AI 解读 由 AI 自动生成,仅供参考

are-copilots-local-yet 是一个专注于追踪本地化大语言模型(LLM)编程辅助现状的开源汇总项目。随着 AI 技术的飞速发展,许多开发者希望摆脱对云端服务的依赖,寻求更安全、高效的本地代码补全与生成方案。are-copilots-local-yet 正是为此而生,系统地整理了当前可用的本地 Copilot 工具、编辑器扩展、聊天界面及相关模型数据。

are-copilots-local-yet 解决了本地 AI 编程工具信息分散、难以对比的问题。通过这份清单,用户可以轻松找到支持离线使用、隐私保护更强且响应速度更快的替代方案,例如 Tabby、Fauxpilot 等知名项目。此外,are-copilots-local-yet 还提供了背景分析、推荐配置及行业统计,帮助使用者了解技术前沿。

无论是希望保护代码隐私的资深开发者,还是研究本地 AI 应用的研究人员,都能从中获益。are-copilots-local-yet 致力于成为探索本地开发者体验的资源中心,帮助社区共同塑造明天的开发工作流。这份资源不仅仅是列表,更是连接当前技术与未来本地化开发体验的桥梁,让开发者能够在本地环境中享受到智能编码辅助的便利,同时掌握数据主权。

使用场景

某金融科技公司的高级后端工程师正在开发核心交易系统,公司安全政策严禁任何代码片段上传至云端服务器。

没有 are-copilots-local-yet 时

  • 无法使用 GitHub Copilot 等主流云端服务,团队担心代码泄露引发合规风险。
  • 自行搜索本地 AI 编程工具耗时费力,网络信息碎片化严重,难以验证工具可用性。
  • 缺乏对本地模型性能的最新了解,不知道哪些工具支持离线运行或特定编辑器扩展。
  • 离线环境下无法获得智能代码补全,重复性编码工作占用大量时间,开发效率大幅降低。
  • 尝试搭建本地服务时缺乏参考架构,容易在模型选择和环境配置上走弯路。

使用 are-copilots-local-yet 后

  • 通过 are-copilots-local-yet 快速定位到 Tabby、Fauxpilot 等支持本地部署的成熟开源工具。
  • 参考仓库中 curated list 的对比数据,选择了隐私安全且性能匹配项目的本地模型方案。
  • 利用仓库提供的编辑器扩展列表,迅速搭建起离线可用的智能编程环境,无需依赖外网。
  • 在确保数据不出域的前提下,恢复了接近云端的代码补全体验,显著减少样板代码编写时间。
  • 持续关注仓库更新,能够第一时间掌握本地 LLM Copilot 的前沿动态,优化现有工作流。

are-copilots-local-yet 为开发者提供了本地 AI 编程工具的权威导航,帮助企业在保障数据安全的同时最大化开发效率。

运行环境要求

操作系统
  • Linux
  • macOS
  • Windows
GPU

未说明 (本地模型推理建议配备 GPU 或 Apple Silicon,具体取决于模型大小)

内存

未说明 (示例配置为 32GB,可运行 7B-14B 量化模型)

依赖
notes本项目为 curated list(资源列表)仓库,非单一可执行软件,本身无严格环境需求。文中建议的搭配方案为 LM Studio 后端 + Continue.dev 编辑器插件。硬件需求取决于用户选择的具体模型(如 Qwen 2.5 Coder、Deepseek R1),示例中提到 Macbook Pro M2 32GB RAM 可流畅运行 7B-14B 量化模型。本地部署优势包括离线隐私、低延迟及上下文感知。
python未说明 (维护者生成 README 需 python3)
are-copilots-local-yet hero image

快速开始

🛠️ Copilot (代码助手) 已经本地化了吗?

使用开放和本地 LLM (大型语言模型) 模型作为 Copilot (代码助手) 来完成代码、生成项目、充当 Shell (命令行解释器) 助手、自动修复错误等的当前趋势和最前沿状态。

📝 请通过 进行编辑 帮助保持此列表的相关性和最新状态!

目录

📋 概述

本地 Copilot (代码助手) 现在功能已完全健全,尽管输出质量仍不如 GitHub (代码托管平台) Copilot 等云端服务提供的质量。

本文档是本地 Copilot (代码助手)、Shell (命令行解释器) 助手和相关项目的精选列表。旨在为那些希望调查现有工具的人提供资源,并帮助开发者发现此类项目的最前沿状态。

📚 背景

2021 年,GitHub (代码托管平台) 发布了 Copilot,它很快在开发者中流行起来。此后,随着围绕 LLM (大型语言模型) 的 AI 发展热潮,可以在消费级机器上运行的本地模型变得可用,Copilot (代码助手) 走向本地化似乎只是时间问题。

GitHub (代码托管平台) Copilot 的许多感知局限性与其封闭和云端托管的性质有关。

作为替代方案,本地 Copilot (代码助手) 支持:

  • 🌐 离线和私人使用
  • ⚡ 提高响应速度
  • 📚 更好的项目/上下文感知
  • 🎯 能够运行针对特定语言/任务专用的模型
  • 🔒 约束 LLM (大型语言模型) 输出 以适应特定格式/语法。

🧩 编辑器扩展

用于使用 LLM (大型语言模型) 完成代码的编辑器扩展:

名称 编辑器 :star: 发布 备注
GitHub Copilot VSCode (Visual Studio Code 编辑器), vim (文本编辑器) 9125 2021-6-29 GitHub (代码托管平台) 原创,非本地或非开源。
Cursor VSCode (Visual Studio Code 编辑器) 27112 2023-3-14 VSCode (Visual Studio Code 编辑器) 的分支,非开源
Fauxpilot VSCode (Visual Studio Code 编辑器) 14645 2022-9-3 早期本地 PoC (概念验证)。已停止维护?
Tabby VSCode (Visual Studio Code 编辑器), vim (文本编辑器), IntelliJ (集成开发环境) 29074 2023-9-30 完成光标选择
turbopilot VSCode (Visual Studio Code 编辑器) 3818 2023-4-10 支持 FIM (Fill-In-the-Middle,中间填充) 的补全,灵感来自 fauxpilot
HuggingFace-vscode VSCode (Visual Studio Code 编辑器) 1255 2023-6-19 Tabnine 的分支,支持 Starcoder
localpilot VSCode (Visual Studio Code 编辑器) 3369 2023-10-2 用于轻松在本地托管模型的实用程序,用于配合官方 Copilot (代码助手) 扩展使用自定义 API (应用程序接口) 端点。
StarcoderEx VSCode (Visual Studio Code 编辑器) 101 2023-5-5 完成光标选择
WizardCoder-VSC VSCode (Visual Studio Code 编辑器) 145 2023-6-19 PoC (概念验证),有文章可用
KoboldAIConnect VSCode (Visual Studio Code 编辑器) 2023-10-7 使用本地 KoboldAI 后端的 Copilot (代码助手) 克隆
gen.nvim vim (文本编辑器) 1323 2023-10-1 使用自定义提示编辑选择
uniteai VSCode (Visual Studio Code 编辑器), emacs (文本编辑器), LSP (语言服务器协议) 309 2023-8-27
Privy VSCode (Visual Studio Code 编辑器) 916 2024-1-8 隐私优先的编码助手。
twinny VSCode (Visual Studio Code 编辑器) 3279 2024-1-24 最直接的本地托管 AI 代码补全 VS Code 插件
continue 21966 2023-5-24 带有聊天、自动补全和操作的 VSCode (Visual Studio Code 编辑器) 扩展。

🛠️ 工具

尝试根据规格生成项目/功能的工具:

名称 :star: 发布 备注
gpt-engineer 52940 2023-6-6 指定你想要它构建的内容,AI 会请求澄清,然后构建它。
gpt-pilot 32250 2023-7-18 与 gpt-engineer 非常相似
aider 25618 2023-6-8 终端中的 AI 结对编程,适用于现有的大型代码库
rift 3051 2023-6-20 VSCode (Visual Studio Code 编辑器) 扩展。让你通过聊天编写代码,使你的 IDE (集成开发环境) 具有代理能力,AI 工程师与你并肩工作。
mentat 2583 2023-7-25 Mentat 协调多个位置和文件的编辑。
clippinator 364 2023-4-15 使用 Agent (智能体) 团队进行计划、编写、调试和测试
Refact.AI 1660 2023-10-06 完整的可自托管代码补全、聊天和训练服务,配有 VSCode (Visual Studio Code 编辑器) 扩展。
LocalCompletion 27 2023-11-15 支持任何 OpenAI (人工智能公司) 兼容 Backend (后端) 的行内补全

🗨️ 聊天界面

带有 Shell (命令行解释器)/REPL (读取 - 求值 - 输出循环)/notebook (交互式笔记本) 访问权限的聊天界面。 类似于/灵感来自 ChatGPT 的 "Advanced Data Analysis" 功能(以前称为 "Code Interpreter")。

名称 :star: 备注
open-interpreter 57982 开源的、本地运行的 OpenAI (人工智能公司) 代码解释器实现
gptme 3131 支持开放模型。由我 @ErikBjare 开发
octogen 256 在 Docker (容器化平台) 环境中执行的本地代码解释器。
terminal-x 34 非常早期的原型,将自然语言转换为 Shell (命令行解释器) 命令,自 2021 年 9 月起未维护
DODA >50 基于 Electron (跨平台桌面应用框架) 的本地 OpenAI (人工智能公司) 开发助手 GUI (图形用户界面)

🤖 模型

与本地 Copilot (代码助手) 使用相关的模型。按最新发布顺序排列。

Name Size Languages :star: Released Notes
Phind CodeLlama v2 34B Many 829 2023-8-27
WizardCoder-Python 7/13/34B Python 765 2023-8
CodeLlama 7/13/34B Many 16165 2023-8
WizardCoder 15B 80+ 750 2023-6 Starcoder 的 Fine-tuning (微调) 版本
replit-glaive 3B 1? 88 2023-7 在高质量数据上 Fine-tuning (微调) 的小型模型,性能令人印象深刻。
Starcoder 15B 80+ 7351 2023-5
replit-v1-3b 3B 20+ 724 2023-5
SantaCoder 1.1B Python, Java, JavaScript 331 2023-4 从 'The Stack' 中选择性训练 3 种语言的微型模型
Qwen 2.5 Coder 32b 92 different languages 3998 2024-11
Deepseek R1 671B Many 3052 2025-01

注意: 由于新模型发布的速度,本节注定会过时。

📚 数据集

与模型训练相关的数据集。

Name Size Languages :star: Released Notes
The Stack 3TB/6TB 358 760 2022-10 自 v1.1 版本起排除弱 Copyleft (著佐权) 许可证(MPL, LGPL, EGL)

工具

其他相关的有用工具。

Name :star: Released Notes
ollama 111009 2023-8-27 轻松在本地启动并运行 Large Language Models (大型语言模型)。

建议设置

如上所示,模型和编辑器扩展 (Extension) 有很多选项。如果你使用 VS Code 或 JetBrains 并希望立即开始,可以使用以下设置:

  1. 安装 LM Studio
  2. 安装 Continue.dev 扩展 (Extension)。
  3. 在 LM Studio 中下载一个或多个模型。截至 2025 年 1 月,Qwen 2.5 Coder 是 Autocomplete (自动补全) 的好选择,Deepseek R1 是对话的好选择。根据你的硬件,你需要尝试哪种模型大小和 Quantization (量化) 级别能提供足够的速度。例如在配备 32GB RAM 的 Macbook Pro M2 上,Qwen2.5-Coder-7B-Instruct-Q4_K_M 适用于 Autocomplete (自动补全),DeepSeek-R1-Distill-Qwen-14B-Q4_0 适用于对话。
  4. 转到 LM Studio 中的 Developer (开发者) 选项卡并启动服务器 (Server)。
  5. 通过添加所选模型配置 Continue.dev 扩展 (Extension)。例如:
    {
        "models": [
            {
            "apiBase": "http://localhost:1234/v1/",
            "title": "Deepseek R1",
            "model": "bartowski/deepseek-r1-distill-qwen-14b",
            "provider": "lmstudio"
            }
        ],
        "tabAutocompleteModel": {
            "provider": "lmstudio",
            "apiBase": "http://localhost:1234/v1/",
            "title": "Qwen 2.5 Coder",
            "model": "qwen2.5-coder-7b-instruct"
        },
    }
    

📰 历史

📈 统计

随时间变化的 Star 数量:

Stargazers over time

相似工具推荐

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。

162.1k|★★★☆☆|今天
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上

139k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。

107.7k|★★☆☆☆|2天前
开发框架图像Agent

NextChat

NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。

87.6k|★★☆☆☆|今天
开发框架语言模型

ML-For-Beginners

ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。

85k|★★☆☆☆|今天
图像数据工具视频

ragflow

RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。

77.1k|★★★☆☆|2天前
Agent图像开发框架