are-copilots-local-yet
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
- Linux
- macOS
- Windows
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)
未说明 (示例配置为 32GB,可运行 7B-14B 量化模型)

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:
- 安装 LM Studio。
- 安装 Continue.dev 扩展 (Extension)。
- 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。 - 转到 LM Studio 中的 Developer (开发者) 选项卡并启动服务器 (Server)。
- 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
- 🐦 宣布此仓库的推文
📈 统计
随时间变化的 Star 数量:
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。
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
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。
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。
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。
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。