Turbopilot 是一个开源的基于大型语言模型的代码完成引擎，在 CPU 上本地运行。

具体来说，TurboPilot 是一个自托管的 GitHub copilot 克隆，它使用 llama.cpp 背后的库在 4GiB 的 RAM 中运行 60 亿参数的 Salesforce Codegen 模型。它很大程度上基于 fauxpilot 项目并受到其启发。

注意：项目处于概念验证阶段，而不是稳定的工具。在这个版本的项目中，自动补全功能非常慢。

开始

尝试该项目的最简单方法是获取预处理模型，然后在 docker 中运行服务器。

获取模型

有 2 个选项来获取模型

选项 A：直接下载 - 简单、快速入门

可以从 Google Drive 下载预转换、预量化的模型。项目组制作了具有 350M、2B 和 6B 参数的 multi 风味模型 - 这些模型在 C 、 C++ 、 Go 、 Java 、 JavaScript 和 Python 上进行了预训练

选项 B：自己转换模型 - 困难，更灵活

如果想自己尝试量化模型，请遵循本指南。

运行 TurboPilot 服务器

下载最新的二进制文件并将其解压缩到根项目文件夹。

运行

./codegen-serve -m ./models/codegen-6B-multi-ggml-4bit-quant.bin

应用程序应在端口 18080 上启动服务器

如果你有一个多核系统，可以通过 -t 选项控制使用多少个 CPU

./codegen-serve -t 6 -m ./models/codegen-6B-multi-ggml-4bit-quant.bin

从 Docker 运行

可以从此处提供的预构建 docker 镜像运行 Turbopilot

仍然需要单独下载模型，然后您可以运行：

docker run --rm -it \ -v ./models:/models \ -e THREADS=6 \ -e MODEL="/models/codegen-2B-multi-ggml-4bit-quant.bin" \ -p 18080:18080 \ ghcr.io/ravenscroftj/turbopilot:latest

仍然需要单独下载模型，然后运行：

docker run --rm -it \
  -v ./models:/models \
  -e THREADS=6 \
  -e MODEL="/models/codegen-2B-multi-ggml-4bit-quant.bin" \
  -p 18080:18080 \
  ghcr.io/ravenscroftj/turbopilot:latest

{
    ... // other settings

    "fauxpilot.enabled": true,
    "fauxpilot.server": "http://localhost:18080/v1/engines",
}

可以使用 CTRL + SHIFT + P 启用fauxpilot 并选择 Enable Fauxpilot

进行补全时，该插件会将 API 调用发送到正在运行的 codegen-serve 进程。然后它将等待每个请求完成，然后再发送进一步的请求。

直接调用API

可以向 http://localhost:18080/v1/engines/codegen/completions 发出请求，它的行为就像同一个 Copilot 端点一样。

例如：

curl --request POST \
  --url http://localhost:18080/v1/engines/codegen/completions \
  --header 'Content-Type: application/json' \
  --data '{
 "model": "codegen",
 "prompt": "def main():",
 "max_tokens": 100
}'