apfel ಒಂದು ಯೋಜನೆ.

ಟ್ಯುಟೋರಿಯಲ್ · 15 ನವೆಂಬರ್ 2026 ರಂದು test ಮಾಡಲಾಗಿದೆ

apfel AI ಟ್ಯುಟೋರಿಯಲ್

ಈಗಾಗಲೇ ನಿಮ್ಮ Mac ನಲ್ಲಿರುವ AI ನಿಂದ ಮೊದಲ ಉತ್ತರ, 60 ಸೆಕೆಂಡುಗಳಲ್ಲಿ. ನಂತರ ಅದು ಚೆನ್ನಾಗಿ ಮಾಡುವ 11 ಕೆಲಸಗಳು, ಪ್ರತಿಯೊಂದೂ ನಿಜವಾದ output ಜೊತೆ copy-paste ಮಾಡಲು ಸಿದ್ಧ, ಮತ್ತು ಅದು ಏನು ಮಾಡಲಾರದು ಎಂಬುದರ ಪ್ರಾಮಾಣಿಕ ಪಟ್ಟಿ.

ನಿಜವಾದ terminal recording, ಏನನ್ನೂ edit ಮಾಡಿಲ್ಲ: macOS 27.0.1 ನಲ್ಲಿ apfel 1.18.0, MacBook Air M2.
ಈ ಪುಟದಲ್ಲಿ: 15 ವಿಭಾಗಗಳು
  1. 60 ಸೆಕೆಂಡುಗಳಲ್ಲಿ ನಿಮ್ಮ ಮೊದಲ ಉತ್ತರ
  2. 1. ನಿಮ್ಮ Mac ಬಗ್ಗೆ ಅದನ್ನೇ ಕೇಳಿ
  3. 2. ಕಾಪಿ ಮಾಡಿದ ಯಾವುದೇ text ಸರಿಪಡಿಸಿ
  4. 3. Receipts, PDFs ಮತ್ತು scripts ಓದಿಸಿ
  5. 4. ಸರಳ ಇಂಗ್ಲಿಷ್ ಅನ್ನು shell command ಆಗಿ ಬದಲಿಸಿ
  6. 5. ನಿಮ್ಮ scripts ನಂಬಬಹುದಾದ JSON
  7. 6. ನಿಮ್ಮ ದಿನವನ್ನು automate ಮಾಡಿ: git, ಧ್ವನಿ ಮತ್ತು ಸಿದ್ಧ scripts
  8. 7. ನಿಮ್ಮ OpenAI code ಅನ್ನು ಉಚಿತವಾಗಿ run ಮಾಡಿ
  9. 8. MCP ಮೂಲಕ ಅದಕ್ಕೆ tools ಕೊಡಿ
  10. 9. Prompt test ಮಾಡಲು chat
  11. 10. Server ಅನ್ನು background ನಲ್ಲಿ ಸದಾ ಚಾಲೂ ಇಡಿ
  12. 11. apfel ಮೇಲೆ ನಿರ್ಮಿಸಿದ apps
  13. ಮಿತಿಗಳು ಮತ್ತು ಪ್ರಾಮಾಣಿಕ ಉತ್ತರಗಳು
  14. ಏನಾದರೂ ಕೆಲಸ ಮಾಡದಿದ್ದಾಗ
  15. ಇದನ್ನು ಯಾರು ಮಾಡಿದರು, ಹೇಗೆ test ಮಾಡಲಾಯಿತು

60 ಸೆಕೆಂಡುಗಳಲ್ಲಿ ನಿಮ್ಮ ಮೊದಲ ಉತ್ತರ

ನಿಮಗೆ macOS 26 Tahoe ಅಥವಾ ನಂತರದ version ಇರುವ Apple Silicon Mac (M1 ಅಥವಾ ಹೊಸದು) ಬೇಕು, ಮತ್ತು System Settings > Apple Intelligence & Siri ನಲ್ಲಿ Apple Intelligence ಆನ್ ಆಗಿರಬೇಕು. ಮೊದಲ ಎರಡನ್ನು ಒಂದೇ line ನಲ್ಲಿ ಪರಿಶೀಲಿಸಿ:

Terminal
sw_vers -productVersion && uname -m
27.0.1
arm64

Version 26 ಅಥವಾ ಅದಕ್ಕಿಂತ ಹೆಚ್ಚು ಮತ್ತು arm64 ಬಂದರೆ ನೀವು ಸಿದ್ಧ. Homebrew ಮೂಲಕ apfel install ಮಾಡಿ. Xcode ಬೇಡ, account ಬೇಡ, API key ಬೇಡ:

Terminal
brew install apfel

ನಿಮ್ಮ ಮೊದಲ ಪ್ರಶ್ನೆ ಕೇಳಿ:

Terminal
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.

ಆ ಉತ್ತರ ನಿಮ್ಮ Mac ನಲ್ಲಿರುವ Apple ನ model ನಿಂದಲೇ ಬಂತು. ಯಾವುದೇ server ಗೆ ಏನನ್ನೂ ಕಳುಹಿಸಲಿಲ್ಲ, ಮತ್ತು ಒಂದು ಪೈಸೆಯೂ ಖರ್ಚಾಗಲಿಲ್ಲ.

ಕೆಲಸ ಮಾಡದಿದ್ದರೆ: model ಸಿದ್ಧವಿದೆಯೇ ಎಂದು apfel ಅನ್ನೇ ಕೇಳಿ:

Terminal
apfel --model-info | grep -E 'available|context'
├ available:  yes
├ context:    4096 tokens

available: no ಎಂದು ಬಂದರೆ, System Settings ನಲ್ಲಿ Apple Intelligence ಆನ್ ಮಾಡಿ, model download ಮುಗಿಯುವವರೆಗೆ ಕಾಯಿರಿ (install guide ಪ್ರಕಾರ ಅದು 3 ರಿಂದ 4 GB). ನಿಮ್ಮ Mac ನ ಭಾಷೆ ಮತ್ತು Siri ಯ ಭಾಷೆ ಒಂದೇ ಆಗಿರಬೇಕು, ಮತ್ತು ಅದು support ಇರುವ ಭಾಷೆಯಾಗಿರಬೇಕು. Model ಲಭ್ಯವಿಲ್ಲದಿರುವಾಗ apfel exit code 5 ಜೊತೆ ನಿಲ್ಲುತ್ತದೆ.

ಮುಂದೆ: ಕೆಳಗಿನ ಕೆಲಸಗಳು. ಪ್ರತಿಯೊಂದೂ ಎರಡು ನಿಮಿಷಗಳ ನಂತರ ನಿಮ್ಮ ಕೈಯಲ್ಲಿ ಏನಿರುತ್ತದೆ ಎಂಬುದರಿಂದ ಶುರುವಾಗುತ್ತದೆ.

1. ನಿಮ್ಮ Mac ಬಗ್ಗೆ ಅದನ್ನೇ ಕೇಳಿ

2 ನಿಮಿಷಗಳಲ್ಲಿ ನಿಮಗೆ ಸಿಗುವುದು: ನಿಮ್ಮ disk, CPU ಮತ್ತು memory ಬಗ್ಗೆ ಸರಳ ಭಾಷೆಯ ಉತ್ತರಗಳು, ನಿಮಗೆ ಈಗಾಗಲೇ ಗೊತ್ತಿರುವ commands ನಿಂದಲೇ ನೇರವಾಗಿ.

ಯಾವಾಗ ಒಂದು terminal command ಅಂಕಿಗಳ ರಾಶಿಯನ್ನೇ print ಮಾಡುತ್ತದೋ, ಆಗ ನನಗೆ ಬೇಕಾಗಿರುವುದು ಒಂದೇ line ನ ಉತ್ತರ, ಇದರಿಂದ ನಾನು man page ಓದದೆಯೇ ಮುಂದುವರಿಯಬಹುದು.

ಯಾವುದೇ command ಅನ್ನು apfel ಗೆ pipe ಮಾಡಿ, ನಿಮಗೆ ಏನು ತಿಳಿಯಬೇಕು ಎಂದು ಹೇಳಿ:

Terminal
df -h | apfel "which volume is fullest, one sentence"
/dev/disk3s1 is the fullest volume, with 630Gi used.
Terminal
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.

Input ಅನ್ನು ಚಿಕ್ಕದಾಗಿಡಿ: ಮೊದಲು head, awk ಮತ್ತು grep, ನಂತರ apfel. Model ಒಮ್ಮೆಗೆ ಕೆಲವೇ ಸಾವಿರ ಪದಗಳನ್ನು ಓದಬಲ್ಲದು, code ಆದರೆ ಇನ್ನೂ ಕಡಿಮೆ (ಮಿತಿಗಳು ನೋಡಿ).

ಕೆಲಸ ಮಾಡದಿದ್ದರೆ: ಕೆಲವು commands stderr ಗೆ ಬರೆಯುತ್ತವೆ, ಅದನ್ನು pipe ಮುಂದಕ್ಕೆ ಒಯ್ಯುವುದಿಲ್ಲ. apfel ಅದನ್ನು ನಿಮಗೆ ಹೇಳುತ್ತದೆ: piped input was empty - if the command prints to stderr, try: command 2>&1 | apfel.

ಮುಂದೆ: ಇದೇ trick git log, lsof, pmset -g batt, log files ಮತ್ತು text print ಮಾಡುವ ಬೇರೆ ಯಾವುದಕ್ಕೂ ಕೆಲಸ ಮಾಡುತ್ತದೆ.

2. ಕಾಪಿ ಮಾಡಿದ ಯಾವುದೇ text ಸರಿಪಡಿಸಿ

2 ನಿಮಿಷಗಳಲ್ಲಿ ನಿಮಗೆ ಸಿಗುವುದು: ಯಾವುದೇ app ನಲ್ಲಿ, ನಿಮ್ಮ clipboard ನಲ್ಲಿ ಇರುವ text ನ grammar ಸರಿಪಡಿಸುವ ಒಂದು command.

ಯಾವಾಗ ನಾನು Slack, Mail ಅಥವಾ browser ನಲ್ಲಿ ಬೇಗನೆ ಒಂದು message ಬರೆಯುತ್ತೇನೋ, ಆಗ ನನಗೆ ಬೇಕಾಗಿರುವುದು ಬೇರೆ app ತೆರೆಯದೆಯೇ ಅದನ್ನು ಸರಿಪಡಿಸುವುದು, ಇದರಿಂದ ನಾನು ಕೆಲವೇ ಸೆಕೆಂಡುಗಳಲ್ಲಿ ಅದನ್ನು ಮತ್ತೆ paste ಮಾಡಬಹುದು.

ಸ್ವಲ್ಪ text ಕಾಪಿ ಮಾಡಿ, ನಂತರ ಮಧ್ಯದ line ಅನ್ನು run ಮಾಡಿ. pbpaste clipboard ಓದುತ್ತದೆ, pbcopy ಫಲಿತಾಂಶವನ್ನು ಮತ್ತೆ ಅಲ್ಲಿಗೆ ಬರೆಯುತ್ತದೆ:

Terminal
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.

"the text above" ಏಕೆ: apfel pipe ಮೂಲಕ ಬಂದ text ಅನ್ನು ಮೊದಲು ಇಡುತ್ತದೆ, ನಿಮ್ಮ instruction ಅನ್ನು ಅದರ ನಂತರ (source). "fix grammar and spelling, reply with the corrected text only" ಎಂಬ ಚಿಕ್ಕ instruction ಕೊಟ್ಟಾಗ, model message ಅನ್ನು ಸರಿಪಡಿಸುವ ಬದಲು ಅದಕ್ಕೇ ಉತ್ತರ ಕೊಟ್ಟು Could you let me know which meeting you're referring to? ಎಂದು ಹೇಳಿತು. ಯಾವ text ಮೇಲೆ ಕೆಲಸ ಮಾಡಬೇಕು ಎಂದು ಸ್ಪಷ್ಟವಾಗಿ ಹೇಳಿದಾಗ ನಮ್ಮ test ನಲ್ಲಿ ಅದು ಸರಿಯಾಯಿತು.

ಕೆಲಸ ಮಾಡದಿದ್ದರೆ: ಕಳುಹಿಸುವ ಮೊದಲು ಫಲಿತಾಂಶ ಓದಿ. ಚಿಕ್ಕ model ಕೆಲವೊಮ್ಮೆ ಅರ್ಥವನ್ನೇ ಬದಲಿಸುತ್ತದೆ; ಈ ವಾಕ್ಯವನ್ನು German ಗೆ ಅನುವಾದಿಸಲು ಹೇಳಿದಾಗ, ಅದು "Can you send me" ಅನ್ನು "Can I send you" ಆಗಿ ಮಾಡಿತು.

ಮುಂದೆ: ಮಧ್ಯದ line ಅನ್ನು shell alias ಆಗಿ ಅಥವಾ Shortcuts ನ "Run Shell Script" action ಆಗಿ ಹಾಕಿ, ಅದಕ್ಕೆ ಒಂದು keyboard shortcut ಕೊಡಿ.

3. Receipts, PDFs ಮತ್ತು scripts ಓದಿಸಿ

2 ನಿಮಿಷಗಳಲ್ಲಿ ನಿಮಗೆ ಸಿಗುವುದು: ಒಂದು image, scan ಮಾಡಿದ PDF ಅಥವಾ script ಬಗ್ಗೆ ಉತ್ತರಗಳು, Apple ನ text recognition ಮೂಲಕ ನಿಮ್ಮ Mac ನಲ್ಲೇ ಓದಿದವು.

ಯಾವಾಗ ಒಂದು receipt, scan ಅಥವಾ ಗೊತ್ತಿಲ್ಲದ file ನನ್ನ Downloads ಗೆ ಬರುತ್ತದೋ, ಆಗ ನನಗೆ ಬೇಕಾಗಿರುವುದು ಅದರಲ್ಲಿರುವ ನನಗೆ ಬೇಕಾದ ಒಂದೇ ಮಾಹಿತಿ, ಇದರಿಂದ ನಾನು ಅದನ್ನು ತೆರೆಯದೆಯೇ ಸರಿಯಾದ ಜಾಗಕ್ಕೆ ಹಾಕಬಹುದು.

-f ಮೂಲಕ file attach ಮಾಡಿ. ನಾವು ಈ lines ಇರುವ ಒಂದು test receipt image (receipt.png) ತಯಾರಿಸಿದೆವು:

Output
CAFE APFEL
2x Melange          9.80
1x Sachertorte      7.90
1x Apfelstrudel     6.50
TOTAL EUR          24.20
14.11.2026  21:14
Terminal
apfel -f receipt.png "What is the total? Just the amount."
24.20

ಇದೇ receipt ಅನ್ನು image ಮಾತ್ರ ಇರುವ PDF ಆಗಿ save ಮಾಡಿದರೂ ಕೆಲಸ ಮಾಡುತ್ತದೆ, ಏಕೆಂದರೆ apfel scan ಮಾಡಿದ pages ಮೇಲೆ text recognition run ಮಾಡುತ್ತದೆ:

Terminal
apfel -f receipt.pdf "What is the total? Just the amount."
24.20

ಯಾವುದೇ text file ಕೂಡ, ಉದಾಹರಣೆಗೆ ಒಂದು shell script:

Terminal
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.

ಆ script ನಿಮಗೆ ಕೆಲಸ 6 ರಲ್ಲಿ ಸಿಗುತ್ತದೆ. ಹಲವು files ಅನ್ನು -f a.txt -f b.txt ಮೂಲಕ attach ಮಾಡಿ.

ಕೆಲಸ ಮಾಡದಿದ್ದರೆ: exit code 4 ಎಂದರೆ file model ಗೆ ತುಂಬಾ ಉದ್ದವಾಗಿದೆ (ಮಿತಿಗಳು ನೋಡಿ). Exit code 3 ಎಂದರೆ Apple ನ safety filter ಅದನ್ನು block ಮಾಡಿದೆ; ಅಂಥ ಸಂದರ್ಭಕ್ಕೆ --permissive ಸೇರಿಸಲು file extraction guide ಸಲಹೆ ನೀಡುತ್ತದೆ.

4. ಸರಳ ಇಂಗ್ಲಿಷ್ ಅನ್ನು shell command ಆಗಿ ಬದಲಿಸಿ

2 ನಿಮಿಷಗಳಲ್ಲಿ ನಿಮಗೆ ಸಿಗುವುದು: ನಿಮಗೆ ನೆನಪಾಗದ command, ಕಾಪಿ ಮಾಡಲು ಅನುಕೂಲವಾಗುವಂತೆ ಬರೀ command ಆಗಿ print ಆಗಿರುತ್ತದೆ.

ಯಾವಾಗ ನಾನು find, du ಅಥವಾ tar ನ flags ಮರೆಯುತ್ತೇನೋ, ಆಗ ನನಗೆ ಬೇಕಾಗಿರುವುದು ಒಂದು ಸರಳ ವಾಕ್ಯದಿಂದ command, ಇದರಿಂದ ನಾನು terminal ಬಿಟ್ಟು ಹೋಗಬೇಕಿಲ್ಲ.

--code ವಿವರಣೆ ಇಲ್ಲದೆ ಬರೀ code ಅನ್ನು ಮಾತ್ರ print ಮಾಡುತ್ತದೆ:

Terminal
apfel --code "one find command that lists files larger than 100MB in my home folder"
find /Users/yourusername/home -type f -size +100M

Flags ಸರಿಯಾಗಿವೆ, ಆದರೆ model ಒಂದು folder ಅನ್ನು ತಾನೇ ಕಲ್ಪಿಸಿಕೊಂಡಿದೆ. ನಿಮ್ಮ home folder ~ (ಇಲ್ಲಿ: find ~ -type f -size +100M).

Terminal
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 result

Run ಮಾಡುವ ಮೊದಲು ಪ್ರತಿಯೊಂದು command ಓದಿ. ನಮ್ಮ tests ನಲ್ಲಿ model ತಪ್ಪು commands ಕೂಡ ಕೊಟ್ಟಿತು. "the 10 largest files in the current folder" ಕೇಳಿದಾಗ, ಅದು ls -lh | head -n 10 print ಮಾಡಿತು, ಅದು ಅತಿ ದೊಡ್ಡವನ್ನಲ್ಲ, ಮೊದಲ 10 entries ಅನ್ನು ತೋರಿಸುತ್ತದೆ. "show open ports" ಕೇಳಿದಾಗ, ಅದು netstat -tuln | grep LISTEN ಸೂಚಿಸಿತು, ಅದರಲ್ಲಿ Linux flags ಇವೆ; macOS ನಲ್ಲಿ ಅದು ಏನನ್ನೂ print ಮಾಡುವುದಿಲ್ಲ. Mac ನಲ್ಲಿ lsof -iTCP -sTCP:LISTEN -n -P ಅವುಗಳ ಪಟ್ಟಿ ಕೊಡುತ್ತದೆ.

ಮುಂದೆ: ಕೆಲಸ 6 ರಲ್ಲಿರುವ cmd demo script ಇದನ್ನೇ ಸುತ್ತಿಕೊಂಡಿದೆ: ಏನನ್ನಾದರೂ run ಮಾಡುವ ಮೊದಲು ನಿಮ್ಮನ್ನು ಕೇಳುತ್ತದೆ (-x), ಅಥವಾ command ಅನ್ನು ಕಾಪಿ ಮಾಡುತ್ತದೆ (-c).

5. ನಿಮ್ಮ scripts ನಂಬಬಹುದಾದ JSON

2 ನಿಮಿಷಗಳಲ್ಲಿ ನಿಮಗೆ ಸಿಗುವುದು: ಅಸ್ತವ್ಯಸ್ತ text ನಿಂದ ಹೊರತೆಗೆದ structured data, ಯಾವಾಗಲೂ ನಿಮ್ಮ schema ಗೆ ಹೊಂದುವ JSON ಆಗಿ.

ಯಾವಾಗ emails ಮತ್ತು notes ನಿಂದ ಹೆಸರುಗಳು, ಸಂಖ್ಯೆಗಳು ಅಥವಾ ದಿನಾಂಕಗಳು ಬೇಕಾಗುತ್ತವೋ, ಆಗ ನನಗೆ ಬೇಕಾಗಿರುವುದು ಗದ್ಯವಲ್ಲ, fields, ಇದರಿಂದ ನಾನು ಅವನ್ನು jq, spreadsheet ಅಥವಾ script ಗೆ ಕೊಡಬಹುದು.

ಒಂದು JSON Schema ಅನ್ನು contact.schema.json ಆಗಿ save ಮಾಡಿ:

JSON
{
  "type": "object",
  "properties": {
    "name": { "type": "string" },
    "city": { "type": "string" },
    "phone": { "type": "string" }
  },
  "required": ["name", "city", "phone"]
}

ನಂತರ --schema ಜೊತೆ text ಅನ್ನು pipe ಮಾಡಿ. Output ಆ schema ಗೆ valid JSON ಆಗಿರುವಂತೆ apfel model ಅನ್ನು ನಿರ್ಬಂಧಿಸುತ್ತದೆ:

Terminal
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"
}

Keys ನಿಮ್ಮ schema ದಲ್ಲಿ ಘೋಷಿಸಿದ ಕ್ರಮದಲ್ಲೇ ಹಿಂತಿರುಗುತ್ತವೆ.

ಯಾವುದೇ ಉತ್ತರವನ್ನು metadata ಸಹಿತ JSON ಆಗಿ ಪಡೆಯಲು -o json ಬಳಸಿ:

Terminal
apfel -o json "Translate to German: apple" | jq -r .content
Apfel

ಇಡೀ ಪಟ್ಟಿಗೆ --batch ಬಳಸಿ: ಪ್ರತಿ record ಗೆ ಒಂದು JSON line ಒಳಗೆ, ಪ್ರತಿ record ಗೆ ಒಂದು result line ಹೊರಗೆ, ಪ್ರತಿ record ಹೊಸ session ನಲ್ಲಿ. ಒಂದು text file ನಲ್ಲಿ ಮೂರು product reviews:

Terminal
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 failed

jq -R ಪ್ರತಿ line ಅನ್ನು ಒಂದು record ಆಗಿ ಮಾಡುತ್ತದೆ; ಕೊನೆಯ line stderr ನಲ್ಲಿ apfel ನ summary. Fail ಆದ record ಗೆ status: "error" ಸಿಗುತ್ತದೆ, batch ಮುಂದುವರಿಯುತ್ತದೆ.

ಕೆಲಸ ಮಾಡದಿದ್ದರೆ: apfel JSON Schema ದ ಒಂದು ಭಾಗವನ್ನು ಮಾತ್ರ support ಮಾಡುತ್ತದೆ (objects, strings, enums, numbers, booleans, arrays, local $ref). pattern ನಂಥ support ಇಲ್ಲದ keyword ಬಂದರೆ exit code 2 ಜೊತೆ ನಿಂತು ಅದರ ಹೆಸರು ಹೇಳುತ್ತದೆ; ಪಟ್ಟಿ API compatibility doc ನಲ್ಲಿದೆ.

6. ನಿಮ್ಮ ದಿನವನ್ನು automate ಮಾಡಿ: git, ಧ್ವನಿ ಮತ್ತು ಸಿದ್ಧ scripts

2 ನಿಮಿಷಗಳಲ್ಲಿ ನಿಮಗೆ ಸಿಗುವುದು: ನಿಮ್ಮ ಇತ್ತೀಚಿನ ಕೆಲಸದ summary, ಉದ್ದದ ಕೆಲಸ ಮುಗಿದಾಗ ಜೋರಾಗಿ ಹೇಳುವ Mac, ಮತ್ತು ಎಂಟು ಸಿದ್ಧ AI shell scripts.

ಯಾವಾಗ ನಾನು ಕೆಲಸ ಬದಲಿಸುತ್ತೇನೋ ಅಥವಾ build ಗಾಗಿ ಕಾಯುತ್ತೇನೋ, ಆಗ ನನಗೆ ಬೇಕಾಗಿರುವುದು ವಿಷಯಗಳನ್ನು ವಿವರಿಸುವ ಮತ್ತು ತಿಳಿಸುವ ಚಿಕ್ಕ automations, ಇದರಿಂದ ನಾನು terminal ಅನ್ನೇ ನೋಡುತ್ತಾ ಕೂರಬೇಕಿಲ್ಲ.

ಯಾವುದೇ git repository ಒಳಗಿಂದ, ನೀವು ಏನು ಮಾಡಿದ್ದೀರಿ ಎಂಬುದರ summary ಪಡೆಯಿರಿ:

Terminal
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.

ಏನಾದರೂ ಮುಗಿದಾಗ ನಿಮ್ಮ Mac ಮಾತನಾಡಲಿ. ಉತ್ತರವನ್ನು say ಗೆ pipe ಮಾಡಿ, ನಿಮ್ಮ ಉದ್ದದ command ಅನ್ನು && ಜೊತೆ ಅದರ ಮೊದಲು ಇಡಿ:

Terminal
apfel "tell me cheerfully that my build just finished, one short sentence, no emoji" | say

Test Mac ನಲ್ಲಿ sound output ಇರಲಿಲ್ಲ, ಹಾಗಾಗಿ ನಾವು ಮಾತನ್ನು ಒಂದು file ಗೆ record ಮಾಡಿದೆವು (| say -o build-done.aiff, 102,880 bytes audio). ಅದು ಹೇಳಿದ ವಾಕ್ಯ ಇದು: Your build is finished, and I'm glad you asked!.

apfel ಜೊತೆ ಎಂಟು demo scripts ಕೂಡ ಬರುತ್ತವೆ. ಅವನ್ನು ಒಂದು folder ಗೆ ಬರೆಯಿರಿ:

Terminal
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
  • wtd

Test ಮಾಡುವಾಗ ನಮಗೆ ಇಷ್ಟವಾದ ಒಂದು:

Terminal
./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 pause

ನಮ್ಮ runs ನಲ್ಲಿ ಎಲ್ಲ demos ಚೆನ್ನಾಗಿರಲಿಲ್ಲ: oneliner "count unique IP addresses in access.log" ಉದ್ದದ ಮಿತಿಗೆ ಸಿಲುಕಿ ಮುರಿದ command print ಮಾಡಿತು, ಮತ್ತು explain ನಿಜವಾಗಿ ಇರದ ಒಂದು error message ಅನ್ನು ಸೇರಿಸಿತು. ಎಂಟೂ scripts ಗಳ ಪಟ್ಟಿ demo README ನಲ್ಲಿದೆ.

7. ನಿಮ್ಮ OpenAI code ಅನ್ನು ಉಚಿತವಾಗಿ run ಮಾಡಿ

2 ನಿಮಿಷಗಳಲ್ಲಿ ನಿಮಗೆ ಸಿಗುವುದು: OpenAI Chat Completions API ಮಾತನಾಡುವ ಒಂದು local server, ಹಾಗಾಗಿ ಈಗಿರುವ SDK code ದುಡ್ಡು ಕೊಡುವ cloud model ಬದಲು ನಿಮ್ಮ Mac ಮೇಲೆ run ಆಗುತ್ತದೆ.

ಯಾವಾಗ ನಾನು OpenAI SDK ಜೊತೆ prototype ಮಾಡುತ್ತೇನೋ, ಆಗ ನನಗೆ ಬೇಕಾಗಿರುವುದು ಉಚಿತ local endpoint, ಇದರಿಂದ ನಾನು keys, bills ಇಲ್ಲದೆ, data ಹೊರಗೆ ಕಳುಹಿಸದೆ build ಮತ್ತು test ಮಾಡಬಹುದು.

ಒಂದು terminal tab ನಲ್ಲಿ server ಶುರು ಮಾಡಿ:

Terminal
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 127.0.0.1:11434

ಎರಡನೇ tab ನಲ್ಲಿ, OpenAI ಅನ್ನು call ಮಾಡುವಂತೆಯೇ ಇದನ್ನು call ಮಾಡಿ:

Terminal
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.

ಅಧಿಕೃತ OpenAI Python SDK ಯಾವುದೇ ಬದಲಾವಣೆ ಇಲ್ಲದೆ ಕೆಲಸ ಮಾಡುತ್ತದೆ. Base URL ಮತ್ತು model ಹೆಸರು ಮಾತ್ರ ಬೇರೆ. hello.py ಆಗಿ save ಮಾಡಿ:

Python
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)
Terminal
python3 -m venv venv && ./venv/bin/pip -q install openai
./venv/bin/python hello.py
1. RoboBrew  
2. CogCafé  
3. Circuit Sip

Server ನಿಮ್ಮ ಸ್ವಂತ Mac ನಲ್ಲಿ ಮಾತ್ರ (127.0.0.1) listen ಮಾಡುತ್ತದೆ, ಮತ್ತು ಬೇರೆ origins ನ web pages ನಿಂದ ಬರುವ requests ಅನ್ನು ತಿರಸ್ಕರಿಸುತ್ತದೆ. ನಿಮ್ಮ network ಗೆ ತೆರೆಯಲು ಒಂದು token ಸೇರಿಸಿ: apfel --serve --host 0.0.0.0 --token-auto (server security guide).

ಕೆಲಸ ಮಾಡದಿದ್ದರೆ: Connection refused ಎಂದರೆ server run ಆಗುತ್ತಿಲ್ಲ. Embeddings ಮತ್ತು ಹಳೆಯ /v1/completions endpoint HTTP 501 ಕೊಡುತ್ತವೆ, ಏಕೆಂದರೆ on-device model ಅವನ್ನು ಒದಗಿಸುವುದಿಲ್ಲ.

ಮುಂದೆ: maintainers VS Code Copilot (chat ಮಾತ್ರ), opencode, Zed ಮತ್ತು Node.js, Ruby, PHP ಹಾಗೂ ಇನ್ನೂ ಆರು ಭಾಷೆಗಳ setups ಅನ್ನು document ಮಾಡಿದ್ದಾರೆ. ಈ ಪುಟಕ್ಕಾಗಿ ನಾವು ಅವನ್ನು ಮತ್ತೆ test ಮಾಡಿಲ್ಲ.

8. MCP ಮೂಲಕ ಅದಕ್ಕೆ tools ಕೊಡಿ

2 ನಿಮಿಷಗಳಲ್ಲಿ ನಿಮಗೆ ಸಿಗುವುದು: ಒಂದು Model Context Protocol tool ಮೂಲಕ, model ಒಂದು live web page ಓದಿ ಅದರ summary ಕೊಡುವುದು.

ಯಾವಾಗ ಉತ್ತರ ಒಂದು web page ನಲ್ಲಿ ಇರುತ್ತದೋ, ಆಗ ನನಗೆ ಬೇಕಾಗಿರುವುದು model ತಾನೇ ಅದನ್ನು fetch ಮಾಡುವುದು, ಇದರಿಂದ ನಾನು text ಅನ್ನು ಅತ್ತಿತ್ತ ಕಾಪಿ ಮಾಡದೆಯೇ summary ಪಡೆಯಬಹುದು.

ಚಿಕ್ಕ context window ಗೆ ಹೊಂದುವಂತೆಯೇ ತಯಾರಿಸಿದ apfel-mcp tools ಅನ್ನು install ಮಾಡಿ:

Terminal
brew install Arthur-Ficial/tap/apfel-mcp

--mcp ಮೂಲಕ ಒಂದನ್ನು attach ಮಾಡಿ ಕೇಳಿ. -q tool ನ raw output ಅನ್ನು ಮರೆಮಾಡುತ್ತದೆ:

Terminal
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.

ಇದೇ package ನಲ್ಲಿ apfel-mcp-ddg-search (web search), apfel-mcp-search-and-fetch ಮತ್ತು apfel-mcp-fs (local file ಓದುವುದು) ಇವೆ. ಯಾವುದೇ MCP server ಕೆಲಸ ಮಾಡುತ್ತದೆ: local script path ಆಗಲಿ ಅಥವಾ https:// URL ಆಗಲಿ.

ಹೆಸರಿರುವ ಹಲವು arguments ಇರುವ tools ಕೂಡ ಕೆಲಸ ಮಾಡುತ್ತವೆ. apfel repository ಯ calculator ಇಲ್ಲಿದೆ (mcp/calculator/server.py): model ಎರಡೂ arguments ಜೊತೆ multiply ಅನ್ನು call ಮಾಡುತ್ತದೆ, apfel ಅದನ್ನು run ಮಾಡುತ್ತದೆ, ಮತ್ತು model ಫಲಿತಾಂಶದೊಂದಿಗೆ ಉತ್ತರಿಸುತ್ತದೆ:

Terminal
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.

tool: line ನಲ್ಲಿ apfel ತಾನು run ಮಾಡಿದ call ಅನ್ನು ನಿಮಗೆ ತೋರಿಸುತ್ತದೆ. apfel 1.18.0 ಗಿಂತ ಮೊದಲು model ಗೆ argument ಹೆಸರುಗಳು ಕಾಣುತ್ತಿರಲಿಲ್ಲ, ಅದು ಅವನ್ನು ಊಹಿಸುತ್ತಿತ್ತು, ಹಾಗಾಗಿ ಇಂಥ call fail ಆಗುತ್ತಿತ್ತು (issue #555, pull request #556 ನಲ್ಲಿ ಸರಿಪಡಿಸಲಾಗಿದೆ). ಇಲ್ಲಿ invalid arguments ಕಂಡರೆ, brew upgrade apfel ಮೂಲಕ update ಮಾಡಿ.

9. Prompt test ಮಾಡಲು chat

2 ನಿಮಿಷಗಳಲ್ಲಿ ನಿಮಗೆ ಸಿಗುವುದು: ನೀವು ಮೊದಲು ಹೇಳಿದ್ದನ್ನು ನೆನಪಿಟ್ಟುಕೊಳ್ಳುವ, terminal ನಲ್ಲೇ ನಡೆಯುವ ಸಂಭಾಷಣೆ.

ಯಾವಾಗ ನಾನು script ಗಾಗಿ ಒಂದು prompt ರೂಪಿಸುತ್ತಿರುತ್ತೇನೋ, ಆಗ ನನಗೆ ಬೇಕಾಗಿರುವುದು ಬೇಗನೆ ಕೆಲವು turns ಪ್ರಯತ್ನಿಸುವುದು, ಇದರಿಂದ ನಾನು automate ಮಾಡುವ ಮೊದಲು model ಹೇಗೆ ಪ್ರತಿಕ್ರಿಯಿಸುತ್ತದೆ ಎಂದು ನೋಡಬಹುದು.

Terminal
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.

-s ಮೂಲಕ ಒಂದು persona ಸೇರಿಸಿ, ಉದಾಹರಣೆಗೆ apfel --chat -s "You are a patient Python tutor". ಉದ್ದದ chat context window ಮೀರಿದಾಗ, apfel default ಆಗಿ ಅತಿ ಹಳೆಯ turns ಅನ್ನು ಕೈಬಿಡುತ್ತದೆ; ಬೇರೆ strategies ಅನ್ನು context guide ವಿವರಿಸುತ್ತದೆ. Buttons ಇರುವ window ಬೇಕಾದರೆ apfel-chat ನೋಡಿ.

10. Server ಅನ್ನು background ನಲ್ಲಿ ಸದಾ ಚಾಲೂ ಇಡಿ

2 ನಿಮಿಷಗಳಲ್ಲಿ ನಿಮಗೆ ಸಿಗುವುದು: login ಆದಾಗ ತಾನಾಗಿಯೇ ಶುರುವಾಗುವ, port 11434 ನಲ್ಲಿ ಯಾವಾಗಲೂ ಸಿದ್ಧವಿರುವ OpenAI-compatible server.

ಯಾವಾಗ ನನ್ನ Mac ನಲ್ಲಿರುವ tools ಪ್ರತಿದಿನ local endpoint ಬಳಸುತ್ತವೋ, ಆಗ ನನಗೆ ಬೇಕಾಗಿರುವುದು ಅದು ಯಾವಾಗಲೂ ಆನ್ ಆಗಿರುವುದು, ಇದರಿಂದ ನಾನು ಪ್ರತಿ ಬಾರಿ ಕೈಯಾರೆ ಶುರು ಮಾಡಬೇಕಿಲ್ಲ.

Terminal
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)

Port, token ಅಥವಾ MCP servers ನಂಥ settings environment variables ಆಗಿವೆ, ಉದಾಹರಣೆಗೆ APFEL_PORT=8080 brew services start apfel. ಅವೆಲ್ಲವುಗಳ ಪಟ್ಟಿ background service guide ನಲ್ಲಿದೆ.

11. apfel ಮೇಲೆ ನಿರ್ಮಿಸಿದ apps

2 ನಿಮಿಷಗಳಲ್ಲಿ ನಿಮಗೆ ಸಿಗುವುದು: terminal ಗಿಂತ apps ನಿಮಗೆ ಇಷ್ಟವಾದರೆ, ಅದೇ on-device model ಒಂದು window, menu bar ಅಥವಾ hotkey ನಲ್ಲಿ.

ಇವು ಅದೇ maintainers ನಿಂದ ಬಂದವು (README ನಲ್ಲಿರುವ "apfel tree"). 15 ನವೆಂಬರ್ 2026 ರಂದು ಪ್ರತಿಯೊಂದು install ಹೆಸರು Homebrew ನಲ್ಲಿ ಇದೆಯೇ ಎಂದು ನಾವು ಪರಿಶೀಲಿಸಿದೆವು; ಈ ಪುಟಕ್ಕಾಗಿ apps ಅನ್ನು test ಮಾಡಿಲ್ಲ.

App ಏನು ಮಾಡುತ್ತದೆ Install
apfel-chat Streaming ಉತ್ತರಗಳು, speech ಮತ್ತು image analysis ಇರುವ chat app brew install Arthur-Ficial/tap/apfel-chat
apfel-clip Clipboard ಮೇಲೆ menu bar actions: summary, ಅನುವಾದ, ಮರುಬರಹ brew install Arthur-Ficial/tap/apfel-clip
apfel-quick ಒಂದು key ಒತ್ತಿ, ಕೇಳಿ, ಉತ್ತರ ಪಡೆಯಿರಿ, ಮುಚ್ಚಿ brew install Arthur-Ficial/tap/apfel-quick
apfelpad AI ಅನ್ನು ಒಂದು cell ನಲ್ಲಿ formula ಆಗಿ ಹಾಕಬಹುದಾದ notepad brew install Arthur-Ficial/tap/apfelpad
apfel-mcp ಚಿಕ್ಕ window ಗೆ ತಕ್ಕ ಗಾತ್ರದ MCP tools (ಕೆಲಸ 8) brew install Arthur-Ficial/tap/apfel-mcp
apfel-run Save ಮಾಡಿದ config ಮತ್ತು MCP servers ಪಟ್ಟಿ ಇರುವ apfel brew install Arthur-Ficial/tap/apfel-run
apfel-tag ನೀವು pipe ಮಾಡುವ ಯಾವುದೇ text ಗೆ tags, ವಿಷಯಗಳು ಮತ್ತು ಭಾವನೆಗಳು brew install Arthur-Ficial/tap/apfel-tag
apfel-gui Debug ಮಾಡಲು window: requests, MCP messages ಮತ್ತು speech ತೋರಿಸುತ್ತದೆ brew install Arthur-Ficial/tap/apfel-gui

ಮಿತಿಗಳು ಮತ್ತು ಪ್ರಾಮಾಣಿಕ ಉತ್ತರಗಳು

apfel ನಿಮಗೆ Apple ನ on-device model ಅನ್ನು ಕೊಡುತ್ತದೆ. README ಪ್ರಕಾರ ಅದರಲ್ಲಿ ಸುಮಾರು 3 billion parameters ಇವೆ, ChatGPT ಅಥವಾ Claude ಹಿಂದಿರುವ cloud models ಗಿಂತ ತುಂಬಾ ಚಿಕ್ಕದು. ಚಿಕ್ಕ, ಕೇಂದ್ರೀಕೃತ text ಕೆಲಸಗಳಲ್ಲಿ ಇದು ಚೆನ್ನಾಗಿದೆ. ನಾವು ಎದುರಿಸಿದ ಅಥವಾ documentation ಹೇಳುವ ಮಿತಿಗಳು ಇವು.

Context window ಚಿಕ್ಕದು. ಪ್ರಶ್ನೆ ಮತ್ತು ಉತ್ತರ ಸೇರಿ macOS 26 ನಲ್ಲಿ ಮತ್ತು M1, M2 Macs ನಲ್ಲಿ 4,096 tokens ಒಳಗೆ, ಅಥವಾ macOS 27 ಇರುವ 12 GB ಅಥವಾ ಹೆಚ್ಚು memory ಯ M3 ಅಥವಾ ಹೊಸ Macs ನಲ್ಲಿ 8,192 tokens ಒಳಗೆ ಹೊಂದಬೇಕು (README). ನಿಮ್ಮದು ಎಷ್ಟು ಎಂದು apfel --model-info ತೋರಿಸುತ್ತದೆ. apfel ನ ಸ್ವಂತ README ಕೂಡ ಇದಕ್ಕೆ ತುಂಬಾ ಉದ್ದ. ಕಳುಹಿಸುವ ಮೊದಲು ಎಣಿಸಿ:

Terminal
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: 4

3,584 ಎಂದರೆ 4,096 ರ window ನಿಂದ ಉತ್ತರಕ್ಕಾಗಿ ಖಾಲಿ ಇಟ್ಟ 512 tokens ಕಳೆದದ್ದು. README ನಲ್ಲಿ ಸುಮಾರು 3,000 ಪದಗಳಿವೆ, ಆದರೆ Markdown ಮತ್ತು code ಗೆ ಪ್ರತಿ ಪದಕ್ಕೆ ಹಲವು tokens ಖರ್ಚಾಗುತ್ತವೆ. ಉದ್ದದ files ಅನ್ನು ಭಾಗಗಳಾಗಿ ಕೊಡಿ (head -c 6000 file), ಒಮ್ಮೆಗೆ ಒಂದು ವಿಭಾಗ.

ಇವತ್ತಿನ ದಿನಾಂಕ ಅದಕ್ಕೆ ಗೊತ್ತಿಲ್ಲ. ಅದು ಒಂದನ್ನು ತಾನೇ ಕಲ್ಪಿಸಿಕೊಂಡಿತು:

Terminal
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.

ಅದಕ್ಕೆ ಬೇಕಾದ ಯಾವುದೇ ಮಾಹಿತಿಯನ್ನು prompt ನಲ್ಲೇ ಕೊಡಿ. ನೀವು MCP tool attach ಮಾಡದ ಹೊರತು ಅದಕ್ಕೆ internet ಇಲ್ಲ.

ಕೆಲವೊಮ್ಮೆ ಅದು ತಪ್ಪಾಗಿರುತ್ತದೆ, ಅದೂ ಆತ್ಮವಿಶ್ವಾಸದಿಂದ. ಮೇಲೆ ನೀವು ನೋಡಿದ್ದೀರಿ: ಕೆಲಸ 4 ರಲ್ಲಿ ತಪ್ಪು shell commands, ಕೆಲಸ 2 ರಲ್ಲಿ ಅರ್ಥವನ್ನೇ ತಿರುಗಿಸಿದ ಅನುವಾದ. ಮುಖ್ಯವಾದ ಯಾವುದನ್ನೂ ಪರಿಶೀಲಿಸಿ.

Apple ನ safety filter ನಿರುಪದ್ರವಿ text ಅನ್ನೂ block ಮಾಡಬಹುದು. ಆಗ apfel exit code 3 ಮತ್ತು The request was blocked by Apple's safety guardrails message ಜೊತೆ ನಿಲ್ಲುತ್ತದೆ. ಬೇರೆ ರೀತಿ ಹೇಳಿ, ಅಥವಾ creative writing ಮತ್ತು documents ಗಾಗಿ --permissive ಸೇರಿಸಿ; ಅದು ಏನು ಬದಲಿಸುತ್ತದೆ ಎಂದು guardrails doc ವಿವರಿಸುತ್ತದೆ. ಈ ಪುಟದ runs ನಲ್ಲಿ ನಮಗೆ ಯಾವುದೇ block ಎದುರಾಗಲಿಲ್ಲ.

ಪ್ರತಿ run ನಲ್ಲಿ ಉತ್ತರಗಳು ಬದಲಾಗುತ್ತವೆ. ಇಲ್ಲಿರುವವು ತಲಾ ಒಂದು run ನ ನಿಜವಾದ outputs. ನಿಮಗೆ ಬರುವುದು ಬೇರೆ ಪದಗಳಲ್ಲಿರುತ್ತದೆ. ಹೆಚ್ಚು ಸ್ಥಿರವಾದ, ಪುನಃ ಅದೇ ರೀತಿ ಬರುವ ಉತ್ತರಗಳಿಗೆ --temperature 0 ಬಳಸಿ; runs ಅಥವಾ macOS updates ನಡುವೆ ಒಂದೇ ರೀತಿಯ output ಬರುತ್ತದೆ ಎಂದು apfel ಭರವಸೆ ಕೊಡುವುದಿಲ್ಲ (stability policy).

ವೇಗ: ನಮ್ಮ runs ನಲ್ಲಿ ಹೆಚ್ಚಿನ ಉತ್ತರಗಳು 1 ರಿಂದ 2 ಸೆಕೆಂಡುಗಳಲ್ಲಿ ಬಂದವು. MCP tool ಜೊತೆ web page summary ಗೆ 8 ಸೆಕೆಂಡುಗಳು ಬೇಕಾದವು.

Requirements ಕಟ್ಟುನಿಟ್ಟಾಗಿವೆ: Apple Silicon ಮಾತ್ರ, macOS 26 ಅಥವಾ ಹೊಸದು, Apple Intelligence ಆನ್, ಮತ್ತು --model-info ಪಟ್ಟಿ ಮಾಡುವ 15 ಭಾಷೆಗಳಲ್ಲಿ ಒಂದು. Intel Macs ನಲ್ಲಿ ಇದು run ಆಗುವುದಿಲ್ಲ.

ಏನಾದರೂ ಕೆಲಸ ಮಾಡದಿದ್ದಾಗ

apfel ಸಮಸ್ಯೆಗಳನ್ನು exit code ಮೂಲಕ ತಿಳಿಸುತ್ತದೆ, ಹಾಗಾಗಿ scripts ಅದಕ್ಕೆ ಪ್ರತಿಕ್ರಿಯಿಸಬಹುದು. Command ನ ತಕ್ಷಣ ನಂತರ echo $? ಮೂಲಕ ಅದನ್ನು ಪರಿಶೀಲಿಸಿ.

Exit code ಅಥವಾ error ಅರ್ಥ ಏನು ಮಾಡಬೇಕು
2 ತಪ್ಪು flag ಅಥವಾ option Flags prompt ಗಿಂತ ಮೊದಲು ಬರಬೇಕು; apfel --help ಅವುಗಳ ಪಟ್ಟಿ ಕೊಡುತ್ತದೆ
3 Apple ನ safety filter request ಅನ್ನು block ಮಾಡಿದೆ ಬೇರೆ ರೀತಿ ಹೇಳಿ, ಅಥವಾ --permissive ಸೇರಿಸಿ
4 Input context window ಗೆ ತುಂಬಾ ಉದ್ದ ಕಡಿಮೆ text ಕಳುಹಿಸಿ; apfel --count-tokens ಮೂಲಕ ಪರಿಶೀಲಿಸಿ
5 Model ಲಭ್ಯವಿಲ್ಲ Apple Intelligence ಆನ್ ಮಾಡಿ, download ಗಾಗಿ ಕಾಯಿರಿ, Mac ಮತ್ತು Siri ಭಾಷೆ ಒಂದೇ ಆಗಿರಲಿ
6 Model busy ಆಗಿದೆ ಅಥವಾ rate limit ಆಗಿದೆ ಸ್ವಲ್ಪ ಕಾದು ಮತ್ತೆ run ಮಾಡಿ, ಅಥವಾ --retry ಸೇರಿಸಿ
Connection refused Port 11434 ನಲ್ಲಿ ಯಾವುದೇ server ಇಲ್ಲ apfel --serve ಅಥವಾ brew services start apfel ಶುರು ಮಾಡಿ
HTTP 501 On-device model ಒದಗಿಸದ endpoint (embeddings, /v1/completions) /v1/chat/completions ಬಳಸಿ
piped input was empty Command stderr ಗೆ ಬರೆದಿದೆ command 2>&1 \| apfel "..."

ಇನ್ನೂ ಸಮಸ್ಯೆ ಇದೆಯೇ? GitHub ನಲ್ಲಿ ಹುಡುಕಿ ಅಥವಾ ಒಂದು issue ತೆರೆಯಿರಿ.

ಇದನ್ನು ಯಾರು ಮಾಡಿದರು, ಹೇಗೆ test ಮಾಡಲಾಯಿತು

apfel ಉಚಿತ ಮತ್ತು open source (MIT license), Franz Enzenhofer ಅವರ ಒಂದು franzai ಯೋಜನೆ. ಇದನ್ನು Franz ಅವರ AI assistant ಆದ Arthur Ficial ಜೊತೆ ನಿರ್ವಹಿಸಲಾಗುತ್ತದೆ, ಈ ಟ್ಯುಟೋರಿಯಲ್ ಬರೆದದ್ದೂ ಅದೇ. apfel ತಯಾರಿಸಿದವರೇ ಈ ಪುಟ ಬರೆದಿರುವುದರಿಂದ, ನಾವು ಕಂಡ ಪ್ರತಿಯೊಂದು ವೈಫಲ್ಯವನ್ನೂ ಮುಚ್ಚಿಡದೆ ಇಲ್ಲಿ ಪಟ್ಟಿ ಮಾಡಿದ್ದೇವೆ.

ನಾವು ಹೇಗೆ test ಮಾಡಿದೆವು: 15 ನವೆಂಬರ್ 2026 ರಂದು ಈ ಪುಟದ ಪ್ರತಿಯೊಂದು command ಅನ್ನು macOS 27.0.1 (build 26A434) ಇರುವ MacBook Air M2 (24 GB) ಮೇಲೆ run ಮಾಡಿದೆವು. GitHub release ನಿಂದ signed apfel 1.18.0 binary ಬಳಸಿದೆವು (Homebrew tap install ಮಾಡುವ ಅದೇ file), ನಿಜವಾದ terminal session ಒಳಗೆ, ಮತ್ತು output ಅನ್ನು ಬದಲಿಸದೆ ಕಾಪಿ ಮಾಡಿದೆವು. ಈ ಪುಟದ ಮೊದಲ version (14 ನವೆಂಬರ್ 2026, apfel 1.16.0) ಕೆಲಸ 8 ರಲ್ಲಿ ಹಲವು arguments ಇರುವ tool ನ bug ಅನ್ನು ತೋರಿಸಿತ್ತು; 1.18.0 ಅದನ್ನು ಸರಿಪಡಿಸುತ್ತದೆ, ಹಾಗಾಗಿ ಈ version ಗಾಗಿ ಪ್ರತಿಯೊಂದು command ಅನ್ನು ಮತ್ತೆ run ಮಾಡಿದೆವು. ಮೊದಲ output ತಪ್ಪಾಗಿದ್ದಲ್ಲಿ, ಆ ತಪ್ಪು output ಅನ್ನೇ ಪುಟದಲ್ಲಿ ಉಳಿಸಿ ಅದನ್ನು ಸ್ಪಷ್ಟವಾಗಿ ಹೇಳಿದ್ದೇವೆ. Edit ಬೇಡದ ಉತ್ತರಗಳನ್ನು ಪಡೆಯಲು ಮಾತ್ರ ಮತ್ತೆ run ಮಾಡಿದೆವು: ಒಂದು web page summary ನಲ್ಲಿ ಉದ್ದದ dash ಇತ್ತು, ಅದನ್ನು ಈ site print ಮಾಡುವುದಿಲ್ಲ, ಹಾಗಾಗಿ ಮತ್ತೆ run ಮಾಡಿ ಮೂರನೇ run ಅನ್ನು ಉಳಿಸಿಕೊಂಡೆವು. Test Mac ನಲ್ಲಿ sound output ಇಲ್ಲದ ಕಾರಣ, speech ಉದಾಹರಣೆಯನ್ನು audio ಅನ್ನು file ಗೆ ಬರೆದು ಪರಿಶೀಲಿಸಲಾಯಿತು. Demo scripts ಅನ್ನು apfel 1.18.0 ನ apfel --demos ಬರೆದಿದೆ.

apfel ಬಗ್ಗೆ ಇತರರು ಬರೆದದ್ದು: Show HN post (3 ಏಪ್ರಿಲ್ 2026, 743 points), Better Stack ನ guide, GIGAZINE ನ ಲೇಖನ ಮತ್ತು danilchenko.dev ನಲ್ಲಿ hands-on review.

ಆಧಾರಗಳು: apfel README, CLI reference, install guide, demo scripts, apfel vs Apple ನ fm ಮತ್ತು issue tracker, 15 ನವೆಂಬರ್ 2026 ರಂದು ಓದಿದವು.