Tutorial · getestet am 15. November 2026
apfel-KI-Tutorial
Deine erste Antwort von der KI, die schon auf deinem Mac ist, in 60 Sekunden. Danach 11 Jobs, die sie gut erledigt, jeder zum Kopieren und Einfügen mit der echten Ausgabe, und eine ehrliche Liste dessen, was sie nicht kann.
Auf dieser Seite: 15 Abschnitte
- Deine erste Antwort in 60 Sekunden
- 1. Frag deinen Mac nach sich selbst
- 2. Kopierten Text korrigieren
- 3. Belege, PDFs und Skripte auslesen
- 4. Aus normalem Englisch einen Shell-Befehl machen
- 5. JSON, auf das sich deine Skripte verlassen können
- 6. Den Alltag automatisieren: git, Sprachausgabe und fertige Skripte
- 7. Deinen OpenAI-Code kostenlos ausführen
- 8. Gib dem Modell Tools per MCP
- 9. Einen Prompt im Chat testen
- 10. Den Server im Hintergrund laufen lassen
- 11. Apps auf Basis von apfel
- Grenzen und ehrliche Antworten
- Wenn etwas schiefgeht
- Wer das gemacht hat und wie getestet wurde
Deine erste Antwort in 60 Sekunden
Du brauchst einen Mac mit Apple Silicon (M1 oder neuer) und macOS 26 Tahoe oder neuer, außerdem muss Apple Intelligence unter Systemeinstellungen > Apple Intelligence & Siri eingeschaltet sein. Die ersten beiden Punkte prüfst du mit einer Zeile:
sw_vers -productVersion && uname -m
27.0.1
arm64Eine Version ab 26 und arm64 heißen: Du kannst loslegen. Installiere apfel mit Homebrew. Kein Xcode, kein Account, kein API-Key:
brew install apfelStell deine erste Frage:
apfel "In one sentence: what can a small on-device language model do for me?"
A small on-device language model can help you perform tasks like text translation, summarization, and data analysis directly on your device.Diese Antwort kam von Apples Modell auf deinem Mac. Nichts ging an einen Server, und gekostet hat es nichts.
Wenn es nicht klappt: Frag apfel, ob das Modell bereit ist:
apfel --model-info | grep -E 'available|context'
├ available: yes
├ context: 4096 tokensSteht dort available: no, schalte Apple Intelligence in den Systemeinstellungen ein und warte, bis das Modell fertig heruntergeladen ist (laut Installationsanleitung sind das 3 bis 4 GB). Die Sprache deines Macs und die Sprache von Siri müssen dieselbe unterstützte Sprache sein. Solange das Modell nicht verfügbar ist, beendet sich apfel mit Exit-Code 5.
Als Nächstes: die Jobs unten. Jeder beginnt damit, was du nach zwei Minuten in der Hand hast.
1. Frag deinen Mac nach sich selbst
In 2 Minuten hast du: verständliche Antworten zu Festplatte, CPU und Arbeitsspeicher, direkt aus den Befehlen, die du schon kennst.
Wenn ein Terminal-Befehl eine Wand aus Zahlen ausspuckt, will ich eine Antwort in einer Zeile, damit ich handeln kann, ohne eine Manpage zu lesen.
Leite die Ausgabe eines beliebigen Befehls per Pipe an apfel und sag, was du wissen willst:
df -h | apfel "which volume is fullest, one sentence"
/dev/disk3s1 is the fullest volume, with 630Gi used.ps aux | sort -k 3 -nr | head -5 | awk '{print $11, $3"%"}' | apfel "which app is using the most CPU, one sentence"
`/System/Library/CoreServices/RemoteManagement/screensharingd.bundle/Contents/MacOS/screensharingd` is using the most CPU.Halte die Eingabe klein: erst head, awk und grep, dann apfel. Das Modell liest nur ein paar tausend Wörter auf einmal, bei Code weniger (siehe Grenzen).
Wenn es nicht klappt: Manche Befehle schreiben nach stderr, und das leitet eine Pipe nicht weiter. apfel sagt dir das: piped input was empty - if the command prints to stderr, try: command 2>&1 | apfel.
Als Nächstes: Derselbe Trick funktioniert mit git log, lsof, pmset -g batt, Logdateien und allem anderen, was Text ausgibt.
2. Kopierten Text korrigieren
In 2 Minuten hast du: einen Befehl, der die Grammatik von allem korrigiert, was in deiner Zwischenablage liegt, egal aus welcher App.
Wenn ich schnell eine Nachricht in Slack, Mail oder im Browser tippe, will ich sie bereinigt haben, ohne eine weitere App zu öffnen, damit ich sie in Sekunden wieder einfügen kann.
Kopiere einen Text und führe dann die mittlere Zeile aus. pbpaste liest die Zwischenablage, pbcopy schreibt das Ergebnis zurück:
printf 'can u send me the slides from yesterdays meeting i lost them' | pbcopy
pbpaste | apfel "Rewrite the text above with correct grammar and spelling. Reply with the rewritten text only." | pbcopy
pbpaste
Can you send me the slides from yesterday’s meeting? I lost them.Warum "the text above": apfel setzt den per Pipe übergebenen Text an den Anfang und deine Anweisung dahinter (Quelle). Mit der kurzen Anweisung "fix grammar and spelling, reply with the corrected text only" hat das Modell auf die Nachricht geantwortet, statt sie zu korrigieren, nämlich mit Could you let me know which meeting you're referring to?. Als wir den Text benannt haben, den es bearbeiten soll, hat es in unserem Test geklappt.
Wenn es nicht klappt: Lies das Ergebnis, bevor du es abschickst. Ein kleines Modell verdreht manchmal den Sinn: Als wir es baten, diesen Satz ins Deutsche zu übersetzen, wurde aus "Can you send me" ein "Can I send you".
Als Nächstes: Pack die mittlere Zeile in einen Shell-Alias oder eine Kurzbefehle-Aktion "Shell-Skript ausführen" und leg ein Tastenkürzel darauf.
3. Belege, PDFs und Skripte auslesen
In 2 Minuten hast du: Antworten zu einem Bild, einem gescannten PDF oder einem Skript, gelesen auf deinem Mac mit Apples Texterkennung.
Wenn ein Kassenbon, ein Scan oder eine unbekannte Datei in meinem Downloads-Ordner landet, will ich die eine Information, die ich brauche, damit ich sie ablegen kann, ohne sie zu öffnen.
Hänge eine Datei mit -f an. Wir haben ein Testbild eines Kassenbons (receipt.png) mit diesen Zeilen erstellt:
CAFE APFEL
2x Melange 9.80
1x Sachertorte 7.90
1x Apfelstrudel 6.50
TOTAL EUR 24.20
14.11.2026 21:14apfel -f receipt.png "What is the total? Just the amount."
24.20Derselbe Kassenbon als reines Bild-PDF funktioniert auch, weil apfel auf gescannten Seiten eine Texterkennung ausführt:
apfel -f receipt.pdf "What is the total? Just the amount."
24.20Und jede Textdatei, zum Beispiel ein Shell-Skript:
apfel -f apfel-demos/gitsum "What does this script do? Two sentences."
This script summarizes recent Git activity by summarizing the last N commits, grouping related changes, and generating a concise report. It uses Apple Intelligence to format the output, and optionally copies the summary to the clipboard.Dieses Skript bekommst du in Job 6. Mehrere Dateien hängst du mit -f a.txt -f b.txt an.
Wenn es nicht klappt: Exit-Code 4 heißt, die Datei ist zu lang für das Modell (siehe Grenzen). Exit-Code 3 heißt, Apples Sicherheitsfilter hat sie blockiert; die Anleitung zur Dateiextraktion empfiehlt für diesen Fall --permissive.
4. Aus normalem Englisch einen Shell-Befehl machen
In 2 Minuten hast du: den Befehl, der dir nicht eingefallen ist, ohne jedes Drumherum, sodass du ihn direkt kopieren kannst.
Wenn ich die Flags von find, du oder tar vergessen habe, will ich den Befehl aus einem normalen Satz, damit ich im Terminal bleiben kann.
--code gibt nur den Code aus, ohne Erklärung:
apfel --code "one find command that lists files larger than 100MB in my home folder"
find /Users/yourusername/home -type f -size +100MDie Flags stimmen, aber den Ordner hat sich das Modell ausgedacht. Dein Home-Ordner ist ~ (hier also: find ~ -type f -size +100M).
apfel --code "a python function that removes duplicates from a list but keeps the order"
def remove_duplicates_preserve_order(lst):
seen = set()
result = []
for item in lst:
if item not in seen:
seen.add(item)
result.append(item)
return resultLies jeden Befehl, bevor du ihn ausführst. In unseren Tests hat das Modell auch falsche geliefert. Auf die Frage nach "the 10 largest files in the current folder" gab es ls -lh | head -n 10 aus, und das listet die ersten 10 Einträge auf, nicht die größten. Auf "show open ports" schlug es netstat -tuln | grep LISTEN vor, mit Linux-Flags; unter macOS kommt dabei gar nichts heraus. Auf einem Mac listet lsof -iTCP -sTCP:LISTEN -n -P sie auf.
Als Nächstes: Das Demo-Skript cmd aus Job 6 verpackt das und fragt nach, bevor es etwas ausführt (-x) oder den Befehl kopiert (-c).
5. JSON, auf das sich deine Skripte verlassen können
In 2 Minuten hast du: strukturierte Daten aus unordentlichem Text, als JSON, das immer zu deinem Schema passt.
Wenn ich Namen, Zahlen oder Daten aus E-Mails und Notizen brauche, will ich Felder statt Fließtext, damit ich sie an jq, eine Tabelle oder ein Skript weitergeben kann.
Speichere ein JSON Schema als contact.schema.json:
{
"type": "object",
"properties": {
"name": { "type": "string" },
"city": { "type": "string" },
"phone": { "type": "string" }
},
"required": ["name", "city", "phone"]
}Dann leite den Text per Pipe mit --schema hinein. apfel schränkt das Modell so ein, dass die Ausgabe gültiges JSON für dieses Schema ist:
echo "Hi, I am Maria Lopez from Vienna, call me on +43 660 1234567" | apfel --schema contact.schema.json "Extract the contact" | jq .
{
"name": "Maria Lopez",
"city": "Vienna",
"phone": "+43 660 1234567"
}Die Schlüssel kommen in der Reihenfolge zurück, in der dein Schema sie deklariert.
Für jede beliebige Antwort als JSON mit Metadaten nimmst du -o json:
apfel -o json "Translate to German: apple" | jq -r .content
ApfelFür eine ganze Liste gibt es --batch: eine JSON-Zeile pro Datensatz rein, eine Ergebniszeile pro Datensatz raus, jeder Datensatz in einer frischen Session. Drei Produktbewertungen in einer Textdatei:
cat reviews.txt
Love it, works offline and it is fast.
Crashes every time I open a PDF.
It is okay, it does the job.
jq -Rc '{custom_id: (input_line_number|tostring), prompt: ("Classify the sentiment of this review as positive, negative or neutral. Reply with one word. Review: " + .)}' reviews.txt | apfel --batch | jq -r '"\(.custom_id) \(.status) \(.content)"'
1 ok Positive
2 ok Negative
3 ok Neutral
apfel: batch: 3 records, 3 ok, 0 failedjq -R macht aus jeder Zeile einen Datensatz; die letzte Zeile ist apfels Zusammenfassung auf stderr. Ein Datensatz, der fehlschlägt, bekommt status: "error", und der Batch läuft weiter.
Wenn es nicht klappt: apfel unterstützt eine Teilmenge von JSON Schema (Objekte, Strings, Enums, Zahlen, Booleans, Arrays, lokale $ref). Bei einem nicht unterstützten Schlüsselwort wie pattern bricht apfel mit Exit-Code 2 ab und nennt es; die Liste steht im Dokument zur API-Kompatibilität.
6. Den Alltag automatisieren: git, Sprachausgabe und fertige Skripte
In 2 Minuten hast du: eine Zusammenfassung deiner letzten Arbeit, einen Mac, der dir laut sagt, wenn ein langer Job fertig ist, und acht fertige KI-Shell-Skripte.
Wenn ich die Aufgabe wechsle oder auf einen Build warte, will ich kleine Automatisierungen, die Dinge erklären und ansagen, damit ich nicht mehr aufs Terminal starren muss.
Fass zusammen, was du gemacht hast, aus einem beliebigen git-Repository heraus:
git log --oneline -10 | apfel "summarize what I have been working on, two sentences"
I've been updating star counts to 6,608 and refining ISO datetimes with timezone handling in the Article JSON-LD. Additionally, I've implemented the apfel AI tutorial and redesigned the pre-header with a centered line about the project.Lass deinen Mac sprechen, wenn etwas fertig ist. Leite die Antwort per Pipe an say und stell deinen langen Befehl mit && davor:
apfel "tell me cheerfully that my build just finished, one short sentence, no emoji" | sayDer Test-Mac hatte keine Tonausgabe, deshalb haben wir die Sprache stattdessen in eine Datei aufgenommen (| say -o build-done.aiff, 102.880 Bytes Audio). Gesprochen hat er den Satz Your build is finished, and I'm glad you asked!.
apfel bringt außerdem acht Demo-Skripte mit. Schreib sie in einen Ordner:
apfel --demos
apfel: wrote 9 demo files to /Users/arthurficial/work/apfel-i18n-video-2026-11-15/tut/apfel-demos
• cmd
• explain
• gitsum
• mac-narrator
• naming
• oneliner
• port
• wtdEines, das uns im Test gefallen hat:
./apfel-demos/naming "function that retries HTTP requests with exponential backoff"
retryExponentialBackoff | exponential_retry_backoff | exponential delay retry
retryWithExponentialBackoff | exponential_retry_http_backoff | HTTP retry with delay
backoffRetryHTTP | exponential_http_retry | retry with exponential pauseNicht jede Demo war in unseren Durchläufen gut: oneliner "count unique IP addresses in access.log" stieß an das Längenlimit und gab einen kaputten Befehl aus, und explain erfand eine Fehlermeldung, die es gar nicht gab. Das Demo-README listet alle acht auf.
7. Deinen OpenAI-Code kostenlos ausführen
In 2 Minuten hast du: einen lokalen Server, der die OpenAI Chat Completions API spricht, sodass vorhandener SDK-Code gegen deinen Mac läuft statt gegen ein kostenpflichtiges Cloud-Modell.
Wenn ich mit dem OpenAI SDK einen Prototyp baue, will ich einen kostenlosen lokalen Endpunkt, damit ich ohne Keys, Rechnungen und ohne Daten nach außen zu schicken bauen und testen kann.
Starte den Server in einem Terminal-Tab:
apfel --serve
apfel server v1.18.0
├ endpoint: http://127.0.0.1:11434
├ model: apple-foundationmodel
├ cors: disabled
├ origin: localhost only (http://127.0.0.1, http://localhost, http://[::1])
├ token: none
├ health: public
├ max concurrent: 5
├ debug: off
└ ready
Endpoints:
POST http://127.0.0.1:11434/v1/chat/completions
GET http://127.0.0.1:11434/v1/models
GET http://127.0.0.1:11434/health
2026-11-15T13:39:31+0100 info Hummingbird: [HummingbirdCore] Server started and listening on 127.0.0.1:11434Ruf ihn in einem zweiten Tab auf wie OpenAI:
curl -s http://localhost:11434/v1/chat/completions -H "Content-Type: application/json" -d '{"model":"apple-foundationmodel","messages":[{"role":"user","content":"Say hello to my terminal in five words."}]}' | jq -r '.choices[0].message.content'
Hello, terminal.Das offizielle OpenAI Python SDK funktioniert unverändert. Nur die Basis-URL und der Modellname sind anders. Speichere das als hello.py:
from openai import OpenAI
client = OpenAI(base_url="http://localhost:11434/v1", api_key="unused")
reply = client.chat.completions.create(
model="apple-foundationmodel",
messages=[{"role": "user", "content": "Give me three names for a coffee shop run by robots."}],
)
print(reply.choices[0].message.content)python3 -m venv venv && ./venv/bin/pip -q install openai
./venv/bin/python hello.py
1. RoboBrew
2. CogCafé
3. Circuit SipDer Server lauscht nur auf deinem eigenen Mac (127.0.0.1) und lehnt Anfragen von Webseiten mit anderen Origins ab. Um ihn für dein Netzwerk zu öffnen, gib ihm einen Token: apfel --serve --host 0.0.0.0 --token-auto (Anleitung zur Server-Sicherheit).
Wenn es nicht klappt: Connection refused heißt, der Server läuft nicht. Embeddings und der alte Endpunkt /v1/completions liefern HTTP 501, weil das On-Device-Modell sie nicht anbietet.
Als Nächstes: Die Maintainer dokumentieren Setups für VS Code Copilot (nur Chat), opencode, Zed sowie Node.js, Ruby, PHP und sechs weitere Sprachen. Für diese Seite haben wir sie nicht erneut getestet.
8. Gib dem Modell Tools per MCP
In 2 Minuten hast du: ein Modell, das eine Live-Webseite liest und zusammenfasst, über ein Tool nach dem Model Context Protocol.
Wenn die Antwort auf einer Webseite steht, will ich, dass das Modell sie selbst abruft, damit ich eine Zusammenfassung bekomme, ohne Text hin und her zu kopieren.
Installiere die apfel-mcp-Tools, die für das kleine Kontextfenster gebaut sind:
brew install Arthur-Ficial/tap/apfel-mcpBinde eins mit --mcp an und frag. -q blendet die Rohausgabe des Tools aus:
apfel -q --mcp $(which apfel-mcp-url-fetch) "Summarize https://apfel.franzai.com/ in 3 bullets"
- **Purpose**: apfel is a Swift 6.3 tool that wraps Apple’s on-device LLM (part of macOS 26’s Apple Intelligence) and exposes it via a CLI, HTTP server, and interactive chat with context management.
- **Features**: It handles terminal commands, JSON output, file attachments, real token counting, and context trimming (4,096 or 8,192 tokens depending on hardware), while converting OpenAI tool schemas to Apple’s native format.
- **Technical details**: Built using the FoundationModels framework, it runs on Apple Silicon’s Neural Engine and GPU without network or cloud dependencies, and is open-source under MIT license.Im selben Paket stecken apfel-mcp-ddg-search (Websuche), apfel-mcp-search-and-fetch und apfel-mcp-fs (liest eine lokale Datei). Jeder MCP-Server funktioniert: ein lokaler Skriptpfad oder eine https://-URL.
Auch Tools mit mehreren benannten Argumenten funktionieren. Hier der Taschenrechner aus dem apfel-Repository (mcp/calculator/server.py): Das Modell ruft multiply mit beiden Argumenten auf, apfel führt es aus, und das Modell antwortet mit dem Ergebnis:
apfel --mcp ./server.py "What is 15 times 27?"
mcp: /Users/arthurficial/work/apfel-i18n-video-2026-11-15/tut/./server.py - add, subtract, multiply, divide, sqrt, power, round_number
tool: multiply({"a": 15, "b": 27}) = 405
15 times 27 is 405.Die Zeile tool: zeigt dir, welchen Aufruf apfel ausgeführt hat. Vor apfel 1.18.0 sah das Modell die Argumentnamen nicht und riet sie, deshalb schlug ein Aufruf wie dieser fehl (Issue #555, behoben in Pull Request #556). Siehst du hier invalid arguments, aktualisiere mit brew upgrade apfel.
9. Einen Prompt im Chat testen
In 2 Minuten hast du: ein Gespräch im Terminal, das sich merkt, was du vorher gesagt hast.
Wenn ich an einem Prompt für ein Skript feile, will ich schnell ein paar Runden ausprobieren, damit ich sehe, wie das Modell reagiert, bevor ich es automatisiere.
apfel --chat
Apple Intelligence · on-device LLM · apfel v1.18.0
────────────────────────────────────────────────────────
Type 'quit' to exit.
you› My name is Franz. I live in Vienna.
ai› Hello, Franz. It's nice to meet you. I'm here to help with any questions or tasks you might have. How can I assist you today?
you› Suggest one thing I could do there this weekend. One sentence.
ai› You could visit the Kunsthistorisches Museum to explore its impressive collection of art and artifacts.
you› What is my name?
ai› Your name is Franz.
you› quit
Goodbye.Eine Persona gibst du mit -s vor, zum Beispiel apfel --chat -s "You are a patient Python tutor". Wenn ein langer Chat nicht mehr ins Kontextfenster passt, verwirft apfel standardmäßig die ältesten Runden; die Anleitung zum Kontext erklärt die anderen Strategien. Ein Fenster mit Buttons gibt es mit apfel-chat.
10. Den Server im Hintergrund laufen lassen
In 2 Minuten hast du: einen OpenAI-kompatiblen Server, der beim Login von selbst startet und immer auf Port 11434 bereitsteht.
Wenn Tools auf meinem Mac jeden Tag den lokalen Endpunkt nutzen, will ich, dass er immer läuft, damit ich ihn nicht mehr von Hand starten muss.
brew services start apfel
==> Successfully started `apfel` (label: sh.brew.apfel)
curl -s http://127.0.0.1:11434/health | jq -c '{status, model_available, context_window}'
{"status":"ok","model_available":true,"context_window":4096}
brew services stop apfel
Stopping `apfel`... (might take a while)
==> Successfully stopped `apfel` (label: sh.brew.apfel)Einstellungen wie der Port, ein Token oder MCP-Server sind Umgebungsvariablen, zum Beispiel APFEL_PORT=8080 brew services start apfel. Alle stehen in der Anleitung zum Hintergrunddienst.
11. Apps auf Basis von apfel
In 2 Minuten hast du: dasselbe On-Device-Modell in einem Fenster, in der Menüleiste oder per Tastenkürzel, falls dir Apps lieber sind als das Terminal.
Sie stammen von denselben Maintainern (der "apfel tree" im README). Wir haben am 15. November 2026 geprüft, dass jeder Installationsname in Homebrew existiert; die Apps selbst haben wir für diese Seite nicht getestet.
| App | Was sie macht | Installation |
|---|---|---|
| apfel-chat | Chat-App mit gestreamten Antworten, Sprache und Bildanalyse | brew install Arthur-Ficial/tap/apfel-chat |
| apfel-clip | Aktionen für die Zwischenablage in der Menüleiste: zusammenfassen, übersetzen, umformulieren | brew install Arthur-Ficial/tap/apfel-clip |
| apfel-quick | Taste drücken, fragen, Antwort lesen, wegklicken | brew install Arthur-Ficial/tap/apfel-quick |
| apfelpad | Notizblock, in dem die KI eine Formel ist, die du in eine Zelle schreibst | brew install Arthur-Ficial/tap/apfelpad |
| apfel-mcp | MCP-Tools, passend zugeschnitten auf das kleine Fenster (Job 8) | brew install Arthur-Ficial/tap/apfel-mcp |
| apfel-run | apfel mit gespeicherter Konfiguration und einer Liste von MCP-Servern | brew install Arthur-Ficial/tap/apfel-run |
| apfel-tag | Tags, Themen und Emotionen für jeden Text, den du per Pipe hineingibst | brew install Arthur-Ficial/tap/apfel-tag |
| apfel-gui | Debug-Fenster: Requests, MCP-Nachrichten, Sprache | brew install Arthur-Ficial/tap/apfel-gui |
Grenzen und ehrliche Antworten
apfel gibt dir Apples On-Device-Modell. Das README beziffert es auf etwa 3 Milliarden Parameter, viel kleiner als die Cloud-Modelle hinter ChatGPT oder Claude. Es ist gut bei kurzen, klar umrissenen Textaufgaben. Hier die Grenzen, auf die wir gestoßen sind oder die die Dokumentation nennt.
Das Kontextfenster ist klein. Frage und Antwort müssen zusammen in 4.096 Tokens passen, unter macOS 26 und auf Macs mit M1 und M2, oder in 8.192 Tokens auf Macs mit M3 oder neuer, 12 GB oder mehr und macOS 27 (README). apfel --model-info zeigt dir deins. apfels eigenes README ist zu lang dafür. Zähl, bevor du sendest:
apfel --count-tokens -f README.md "summarize in 3 bullets"
8272/3584 tokens (over budget)
prompt=7, README.md=8258
apfel -f README.md "summarize in 3 bullets"; echo "exit code: $?"
error: [context overflow] Input exceeds the model's context window: the input is 8264 tokens, the window is 4096 tokens. Shorten the conversation history.
exit code: 4Die 3.584 sind das Fenster von 4.096 minus 512 Tokens, die für die Antwort frei bleiben. Das README hat etwa 3.000 Wörter, aber Markdown und Code kosten viele Tokens pro Wort. Gib lange Dateien in Teilen hinein (head -c 6000 file), einen Abschnitt nach dem anderen.
Es kennt das heutige Datum nicht. Es hat sich eins ausgedacht:
apfel "What is today's date?"
Today's date is October 27, 2024.
apfel -s "Today is $(date '+%B %d, %Y')." "What is today's date? One sentence."
Today's date is November 15, 2026.Gib ihm jede Information, die es braucht, im Prompt mit. Internet hat es nur, wenn du ein MCP-Tool anbindest.
Es liegt manchmal falsch, und zwar mit voller Überzeugung. Du hast es oben gesehen: falsche Shell-Befehle in Job 4, eine Übersetzung, die den Sinn umgedreht hat, in Job 2. Prüf alles, worauf es ankommt.
Apples Sicherheitsfilter kann harmlosen Text blockieren. apfel bricht dann mit Exit-Code 3 und der Meldung The request was blocked by Apple's safety guardrails ab. Formulier um oder nimm --permissive für kreatives Schreiben und Dokumente; das Dokument zu den Guardrails erklärt, was sich dadurch ändert. In unseren Durchläufen für diese Seite wurde nichts blockiert.
Die Antworten fallen bei jedem Durchlauf anders aus. Das hier sind echte Ausgaben aus jeweils einem Durchlauf. Deine werden anders formuliert sein. Mit --temperature 0 bekommst du besser wiederholbare Antworten; identische Ausgaben über mehrere Durchläufe oder macOS-Updates hinweg verspricht apfel nicht (Stabilitätsrichtlinie).
Tempo: Die meisten Antworten kamen in unseren Durchläufen nach 1 bis 2 Sekunden. Die Zusammenfassung der Webseite mit einem MCP-Tool dauerte 8 Sekunden.
Die Voraussetzungen sind streng: nur Apple Silicon, macOS 26 oder neuer, Apple Intelligence eingeschaltet und eine der 15 Sprachen, die --model-info auflistet. Auf Intel-Macs läuft es nicht.
Wenn etwas schiefgeht
apfel meldet Probleme mit einem Exit-Code, damit Skripte darauf reagieren können. Prüf ihn direkt nach dem Befehl mit echo $?.
| Exit-Code oder Fehler | Bedeutung | Was du tun kannst |
|---|---|---|
2 |
Falsches Flag oder falsche Option | Flags stehen vor dem Prompt; apfel --help listet sie auf |
3 |
Apples Sicherheitsfilter hat die Anfrage blockiert | Umformulieren oder --permissive ergänzen |
4 |
Eingabe zu lang für das Kontextfenster | Weniger Text schicken; mit apfel --count-tokens prüfen |
5 |
Modell nicht verfügbar | Apple Intelligence einschalten, Download abwarten, Mac- und Siri-Sprache angleichen |
6 |
Das Modell ist ausgelastet oder gedrosselt | Warten und erneut ausführen oder --retry ergänzen |
Connection refused |
Kein Server auf Port 11434 | apfel --serve oder brew services start apfel starten |
| HTTP 501 | Endpunkt, den das On-Device-Modell nicht anbietet (Embeddings, /v1/completions) |
/v1/chat/completions verwenden |
piped input was empty |
Der Befehl hat nach stderr geschrieben | command 2>&1 \| apfel "..." |
Kommst du trotzdem nicht weiter? Such auf GitHub nach einem passenden Issue oder eröffne ein neues.
Wer das gemacht hat und wie getestet wurde
apfel ist kostenlos und Open Source (MIT-Lizenz), ein franzai-Projekt von Franz Enzenhofer. Gepflegt wird es zusammen mit Arthur Ficial, dem KI-Assistenten von Franz, der auch dieses Tutorial geschrieben hat. Weil die Macher von apfel diese Seite geschrieben haben, haben wir jeden Fehler aufgeführt, den wir gesehen haben, statt ihn wegzulassen.
So haben wir getestet: Am 15. November 2026 haben wir jeden Befehl dieser Seite auf einem MacBook Air M2 (24 GB) mit macOS 27.0.1 (Build 26A434) ausgeführt. Wir haben das signierte apfel-1.18.0-Binary aus dem GitHub-Release verwendet (dieselbe Datei, die der Homebrew-Tap installiert), in einer echten Terminal-Session, und die Ausgabe unverändert übernommen. Die erste Version dieser Seite (14. November 2026, apfel 1.16.0) zeigte den Bug mit mehreren Argumenten in Job 8; 1.18.0 behebt ihn, deshalb haben wir für diese Version jeden Befehl neu ausgeführt. Wo die erste Ausgabe falsch war, haben wir die falsche Ausgabe auf der Seite gelassen und das dazugeschrieben. Wiederholt haben wir Durchläufe nur, um Antworten zu finden, die keine Bearbeitung brauchten: Eine Zusammenfassung der Webseite enthielt einen langen Gedankenstrich, den diese Website nicht ausgibt, also haben wir sie erneut ausgeführt und den dritten Durchlauf behalten. Das Sprachbeispiel haben wir geprüft, indem wir das Audio in eine Datei geschrieben haben, weil der Test-Mac keine Tonausgabe hatte. Die Demo-Skripte hat apfel --demos aus apfel 1.18.0 geschrieben.
Was andere über apfel geschrieben haben: der Show-HN-Post (3. April 2026, 743 Punkte), ein Guide von Better Stack, ein Artikel von GIGAZINE und ein Praxistest auf danilchenko.dev.
Quellen: das apfel-README, die CLI-Referenz, die Installationsanleitung, die Demo-Skripte, apfel vs. Apples fm und der Issue-Tracker, gelesen am 15. November 2026.