Twinny: AI ассистент для кодирования в VS Code без облака

Twinny: AI ассистент для кодирования в VS Code без облака

Twinny — это open-source AI ассистент для кодирования в VS Code, который работает в твоей сети. Основная задача проекта — обеспечить код комплетирование, чат, правки и ревью, используя локальные или хостинговые модели, без связывания с внешними API.

В отличие от других решений, Twinny не требует завязки на облачные сервисы и позволяет держать данные в безопасности на своем сервере. Идеален для команд, где конфиденциальность и контроль имеют значение. Можно настроить общий шлюз для команды, который будет обслуживать всех разработчиков на локальном уровне.

Проект написан на JavaScript и предоставляет возможность запуска локального сервера с помощью команды npx twinny-server quickstart. Установить можно через Marketplace VS Code, начиная с версии 1.93. Бесплатный доступ для первых пяти пользователей, далее — 6 долларов за человека в месяц. Учти, что нужные модели и сервер ты должен настроить самостоятельно.

Проект twinny представляет собой AI кодового ассистента для Visual Studio Code, который работает локально и не требует выхода в интернет. С его помощью ты можешь получать автозаполнение кода, редактировать код на месте, пользоваться чатом, проводить ревью кода и многим другим, используя модельный сервер по своему выбору: на своём компьютере, на другом устройстве, на предоставляемом API или на общем шлюзе для команды. Проект является бесплатным, открытым исходным кодом и лицензируется по MIT, без телеметрии и обязательной регистрации.

Как начать

Для установки и запуска twinny следуй следующим шагам:

  1. Установи twinny из Marketplace (требуется версия VS Code 1.93 или выше).
  2. Запусти модельный сервер. Ollama, LM Studio и llama.cpp доступны на своих портах при первом запуске; twinny предложит выбрать, какие модели использовать.
  3. Начни набирать код. Автозаполнения будут отображаться в виде призрачного текста; в боковой панели доступен чат.

Дополнительное руководство по началу работы и решение распространённых проблем можно найти в [документации](https://docs.twinny.dev/getting-started/quick-start/).

Функционал

twinny предоставляет следующие возможности:

  • Автозаполнение кода: предложения по завершению кода в реальном времени, учитывающие контекст из открытых файлов и недавних изменений.
  • Встроенное редактирование: функция, позволяющая описать изменения и просмотреть их в редакторе.
  • Чат с твоим кодом: возможность прикреплять файлы и элементы кода для обсуждения.
  • Индекс рабочего пространства: позволяет выполнять поиск по рабочему пространству и отображает источники в ответах.
  • Ревью кода: возможность оценивать изменения в ветках, а также генерировать сообщения коммитов из изменений.
  • Терминал: возможность писать команды на основе описания и получать их результаты.

Серверы и провайдеры моделей

Модели могут запускаться на различных платформах:

  • На вашем компьютере: Ollama, LM Studio, llama.cpp и другие.
  • На другом устройстве: используя зашифрованное соединение между компьютерами.
  • На предоставляемом API: OpenAI, Anthropic и другие.
  • На шлюзе команды: подключение к `twinny-server` для использования моделей, установленных командой.

Командная работа

Для работы в команде предусмотрен `twinny-server`, который служит шлюзом и обеспечивает взаимодействие между всеми разработчиками. Он позволяет установить модели и управлять доступом:

npx twinny-server quickstart

Каждому разработчику предоставляется индивидуальный ключ, ведётся учёт использования и ошибок без доступа к содержанию кода.

Бесплатное использование доступно для пяти разработчиков, после чего необходимо приобрести лицензию. Возможности лицензии включают поддержку плагинов, запись запросов и другую функциональность.

Ограничения и заключение

Проект активно развивается и предлагает множество функций для повышения продуктивности разработчиков. Основные ограничения связаны с количеством пользователей и необходимостью установки модели на поддерживаемых платформах. Основные возможности и настройка доступны в [документации](https://docs.twinny.dev/).

Радар проекта: 75 из 100 — зрелый и живой проект

ИмпульсТемпЗрелостьСообществоСвежестьСтартПродакшенДовериеДокументацияЭкосистема75
  • Импульс 12 ≈ 27 звёзд в месяц
  • Темп разработки 86 134 коммита за 12 недель
  • Зрелость 100 проекту 3 года, 59 релизов
  • Сообщество 65 31 участник, 243 форка
  • Свежесть 98 последний коммит — 2 дня назад
  • Быстрый старт 75 есть: команда установки, сайт/демо, примеры
  • Готовность к продакшену 80 релиз v4.0.20, автосборка
  • Безопасность и доверие 75 лицензия MIT, организация
  • Документация 95 README 8.1 тыс. знаков, 9 разделов, папка docs
  • Экосистема 61 1 подписчик на обновления, 18 тем
Как считаем

Только открытые данные GitHub на 14.11.2026, без оценок нейросети. Каждая ось — от 0 до 100, итог — среднее.

  • Импульс — звёзд в день: за время наших замеров, а пока их нет — за всю жизнь проекта; 200 в день — максимум.
  • Темп разработки — коммитов за последние 12 недель; 300 — максимум. Пока GitHub не досчитал статистику, ось не учитывается.
  • Зрелость — возраст проекта (3 года — максимум) и число релизов (30 — максимум), поровну.
  • Сообщество — участников с коммитами (200 — максимум) и форков (5000 — максимум), поровну.
  • Свежесть — дней с последнего коммита: сегодня — 100, полгода и больше или архив — 0.
  • Быстрый старт — в README есть команда установки, раздел «быстрый старт» или примеры использования, в репозитории — Docker и папка примеров, у проекта есть сайт или демо.
  • Готовность к продакшену — релизы, версия 1.0 и выше, автосборка (GitHub Actions), тесты, лицензия, журнал изменений.
  • Безопасность и доверие — открытая лицензия (своя — половина балла), политика безопасности (SECURITY.md), проект организации, правила для участников, не в архиве.
  • Документация — объём и структура README, папка docs или сайт, оценка «здоровья сообщества» GitHub.
  • Экосистема — звёзды (50 тыс. — максимум), подписчики на обновления (1000 — максимум), темы репозитория.

Открыть на GitHub: twinnydotdev/twinny →

Что нового на GitHub — короткие обзоры на русском Новые обзоры приходят в Telegram. Без спама, по делу.
Подписаться

Похожие статьи

Популярные темы на сайте