免费开源的自托管AI编程助手
Tabby 正式推出 Repository Context 功能，标志着其从单一文件补全向全项目上下文感知的重大跨越。该更新允许 LLM 在代码补全时访问整个仓库的上下文，显著提升了对项目整体架构、命名规范及依赖关系的理解能力。这对于维护大型代码库、进行跨文件重构以及减少上下文幻觉具有革命性意义，是构建下一代智能 IDE 的关键一步。
Tabby 于 2023 年 10 月 16 日推出针对代码生成的评估机制，旨在解决 LLM 在代码任务中缺乏量化反馈的痛点。该更新引入了 Repository Context（仓库上下文）与 Agent 评估框架，支持在真实代码库环境中测试模型表现。通过细粒度的评分指标与自动化测试集成，开发者可精准衡量模型在 Zero-shot 及 Fine-tuning 场景下的实际产出质量，推动 AI 编码助手从‘可用’走向‘可靠’。
Tabby 正式推出业界首个专注于代码生成的 LLM 排行榜，旨在解决自托管 AI 编程助手选型难、效果参差不齐的痛点。该榜单通过多维度评估模型在代码补全、调试及复杂任务中的表现，为开发者提供了基于实证数据的选型指南，推动了开源 AI 编程工具从“可用”向“好用”的跨越。
Tabby 官方宣布支持连接私有 GitHub 仓库，标志着其从通用代码助手向企业级私有化部署迈出了关键一步。此次更新允许开发者在本地部署的 Tabby 实例中直接读取私有代码上下文，解决了企业数据隐私与 AI 辅助编程之间的核心矛盾。该功能不仅提升了代码补全的准确性，更为企业构建安全、可控的 AI 开发环境提供了坚实基础。
Tabby 宣布完成 320 万美元种子轮融资，并正式发布 v0.3.0 版本，核心亮点为原生 RAG（检索增强生成）功能与 Doc Ingestion API 的上线。此次更新允许开发者将私有文档直接接入本地 LLM，显著提升了代码生成的上下文理解能力。结合最新融资，Tabby 正加速构建企业级自托管 AI 编码生态。
Tabby 正式推出 Stream Laziness 功能，旨在解决大语言模型（LLM）代码补全中的延迟问题。该功能通过优化推理策略，实现了流式输出与计算任务的解耦，显著降低了首字生成时间（TTFT）并提升了整体响应速度。对于依赖实时代码补全的开发者而言，这一更新意味着更流畅的编码体验和更低的等待成本。
