apfel är ett -projekt.

Guide · testad 15 november 2026

apfel AI-guide

Ditt första svar från AI:n som redan finns på din Mac, på 60 sekunder. Sedan 11 jobb den klarar bra, alla redo att kopiera med riktig utdata, och en ärlig lista över vad den inte kan.

Riktig terminalinspelning, helt oredigerad: apfel 1.18.0 på macOS 27.0.1, MacBook Air M2.
På den här sidan: 15 avsnitt
  1. Ditt första svar på 60 sekunder
  2. 1. Fråga din Mac om sig själv
  3. 2. Rätta text du har kopierat
  4. 3. Läs kvitton, PDF:er och skript
  5. 4. Gör om vanlig text till ett shellkommando
  6. 5. Få JSON som dina skript kan lita på
  7. 6. Automatisera vardagen: git, röst och färdiga skript
  8. 7. Kör din OpenAI-kod gratis
  9. 8. Ge den verktyg med MCP
  10. 9. Chatta för att testa en prompt
  11. 10. Låt servern köra i bakgrunden
  12. 11. Appar byggda på apfel
  13. Begränsningar och ärliga svar
  14. När något går fel
  15. Vem som gjorde det här och hur det testades

Ditt första svar på 60 sekunder

Du behöver en Mac med Apple Silicon (M1 eller nyare) och macOS 26 Tahoe eller senare, och Apple Intelligence måste vara påslaget under Systeminställningar > Apple Intelligence och Siri. Kontrollera de två första kraven på en rad:

Terminal
sw_vers -productVersion && uname -m
27.0.1
arm64

Version 26 eller högre och arm64 betyder att du är redo. Installera apfel med Homebrew. Ingen Xcode, inget konto, ingen API-nyckel:

Terminal
brew install apfel

Ställ din första fråga:

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.

Svaret kom från Apples modell på din Mac. Ingenting skickades till någon server, och det kostade ingenting.

Om det inte fungerar: fråga apfel om modellen är redo:

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

Står det available: no slår du på Apple Intelligence i Systeminställningar och väntar tills modellen har laddats ned (enligt installationsguiden är den 3 till 4 GB). Din Mac och Siri måste vara inställda på samma språk, och det måste vara ett språk som stöds. apfel avslutas med exitkod 5 så länge modellen inte är tillgänglig.

Nästa steg: jobben nedan. Vart och ett börjar med vad du har efter två minuter.

1. Fråga din Mac om sig själv

På 2 minuter har du: begripliga svar om disk, CPU och minne, direkt från kommandon du redan kan.

När ett terminalkommando spottar ur sig en vägg av siffror vill jag ha ett svar på en rad, så att jag kan agera utan att läsa en man-sida.

Pipa valfritt kommando till apfel och säg vad du vill veta:

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.

Håll indatan liten: först head, awk och grep, sedan apfel. Modellen läser bara några tusen ord åt gången, färre för kod (se begränsningar).

Om det inte fungerar: vissa kommandon skriver till stderr, och det följer inte med i en pipe. apfel säger till: piped input was empty - if the command prints to stderr, try: command 2>&1 | apfel.

Nästa steg: samma knep fungerar med git log, lsof, pmset -g batt, loggfiler och allt annat som skriver ut text.

2. Rätta text du har kopierat

På 2 minuter har du: ett kommando som rättar grammatiken i det som ligger i urklipp, oavsett app.

När jag skriver ett snabbt meddelande i Slack, Mail eller webbläsaren vill jag få det putsat utan att öppna en annan app, så att jag kan klistra tillbaka det på några sekunder.

Kopiera lite text och kör sedan mittenraden. pbpaste läser urklipp, pbcopy skriver tillbaka resultatet:

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.

Varför "the text above": apfel lägger den pipade texten först och din instruktion efter (källkod). Med den korta instruktionen "fix grammar and spelling, reply with the corrected text only" svarade modellen på meddelandet i stället för att rätta det, med Could you let me know which meeting you're referring to?. Att uttryckligen peka ut texten den skulle bearbeta löste det i vårt test.

Om det inte fungerar: läs resultatet innan du skickar det. En liten modell ändrar ibland innebörden; när vi bad den översätta den här meningen till tyska blev "Can you send me" till "Can I send you".

Nästa steg: lägg mittenraden i ett shellalias eller i en "Kör shellskript"-åtgärd i Genvägar och ge den ett kortkommando.

3. Läs kvitton, PDF:er och skript

På 2 minuter har du: svar om en bild, en skannad PDF eller ett skript, lästa på din Mac med Apples textigenkänning.

När ett kvitto, en skanning eller en okänd fil hamnar i Hämtade filer vill jag få fram den enda uppgift jag behöver, så att jag kan arkivera den utan att öppna den.

Bifoga en fil med -f. Vi gjorde en testbild av ett kvitto (receipt.png) med de här raderna:

Utdata
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

Samma kvitto sparat som en PDF med enbart bild fungerar också, eftersom apfel kör textigenkänning på skannade sidor:

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

Och vilken textfil som helst, till exempel ett shellskript:

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.

Det skriptet får du i jobb 6. Bifoga flera filer med -f a.txt -f b.txt.

Om det inte fungerar: exitkod 4 betyder att filen är för lång för modellen (se begränsningar). Exitkod 3 betyder att Apples säkerhetsfilter blockerade den; guiden om filextrahering föreslår att du lägger till --permissive i det fallet.

4. Gör om vanlig text till ett shellkommando

På 2 minuter har du: kommandot du inte kom ihåg, utskrivet utan krusiduller så att du kan kopiera det.

När jag glömmer flaggorna till find, du eller tar vill jag få kommandot från en vanlig mening, så att jag kan stanna kvar i terminalen.

--code skriver bara ut koden, utan förklaring:

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

Flaggorna stämmer, men modellen hittade på en mapp. Din hemmapp är ~ (alltså: 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

Läs varje kommando innan du kör det. I våra tester gav modellen också felaktiga kommandon. När vi bad om "the 10 largest files in the current folder" skrev den ut ls -lh | head -n 10, som listar de 10 första posterna, inte de största. När vi bad den "show open ports" föreslog den netstat -tuln | grep LISTEN, som använder Linux-flaggor; på macOS skriver det inte ut någonting alls. På en Mac listar lsof -iTCP -sTCP:LISTEN -n -P dem.

Nästa steg: demoskriptet cmd i jobb 6 bygger på detta och frågar innan det kör något (-x) eller kopierar kommandot (-c).

5. Få JSON som dina skript kan lita på

På 2 minuter har du: strukturerad data utplockad ur rörig text, som JSON som alltid följer ditt schema.

När jag behöver namn, siffror eller datum ur mejl och anteckningar vill jag ha fält, inte löptext, så att jag kan skicka dem vidare till jq, ett kalkylark eller ett skript.

Spara ett JSON Schema som contact.schema.json:

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

Pipa sedan in texten med --schema. apfel begränsar modellen så att utdatan blir giltig JSON enligt schemat:

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"
}

Nycklarna kommer tillbaka i den ordning som ditt schema anger.

Vill du ha vilket svar som helst som JSON med metadata använder du -o json:

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

För en hel lista använder du --batch: en JSON-rad per post in, en resultatrad per post ut, och varje post körs i en ny session. Tre produktrecensioner i en textfil:

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 gör varje rad till en post; sista raden är apfels sammanfattning på stderr. En post som misslyckas får status: "error", och batchen fortsätter.

Om det inte fungerar: apfel stöder en delmängd av JSON Schema (objekt, strängar, enums, tal, booleska värden, arrayer, lokala $ref). Ett nyckelord som inte stöds, till exempel pattern, stoppar körningen med exitkod 2, och felmeddelandet nämner nyckelordet; listan finns i dokumentet om API-kompatibilitet.

6. Automatisera vardagen: git, röst och färdiga skript

På 2 minuter har du: en sammanfattning av ditt senaste arbete, en Mac som säger till högt när ett långt jobb är klart, och åtta färdiga AI-shellskript.

När jag byter uppgift eller väntar på en build vill jag ha små automatiseringar som förklarar och meddelar saker, så att jag kan sluta stirra på terminalen.

Sammanfatta vad du har gjort, inifrån valfritt git-repo:

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.

Låt din Mac säga till när något är klart. Pipa svaret till say och sätt ditt långa kommando framför med &&:

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

Testmacen saknade ljudutgång, så vi spelade in talet till en fil i stället (| say -o build-done.aiff, 102 880 byte ljud). Meningen den sa var Your build is finished, and I'm glad you asked!.

apfel levereras också med åtta demoskript. Skriv ut dem till en mapp:

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

Ett som vi gillade i testerna:

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

Inte alla demoskript fungerade bra i våra körningar: oneliner "count unique IP addresses in access.log" slog i längdgränsen och skrev ut ett trasigt kommando, och explain lade till ett felmeddelande som inte fanns. README-filen för demoskripten listar alla åtta.

7. Kör din OpenAI-kod gratis

På 2 minuter har du: en lokal server som talar OpenAI:s Chat Completions API, så att befintlig SDK-kod körs mot din Mac i stället för mot en betald molnmodell.

När jag bygger prototyper med OpenAI:s SDK vill jag ha en gratis lokal endpoint, så att jag kan bygga och testa utan nycklar, fakturor eller att skicka iväg data.

Starta servern i en terminalflik:

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

I en andra flik anropar du den precis som OpenAI:s API:

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.

Det officiella Python-SDK:t från OpenAI fungerar utan ändringar. Bara bas-URL:en och modellnamnet skiljer sig. Spara som hello.py:

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

Servern lyssnar bara på din egen Mac (127.0.0.1) och avvisar anrop från webbsidor med andra origins. Vill du öppna den mot ditt nätverk lägger du till en token: apfel --serve --host 0.0.0.0 --token-auto (guide om serversäkerhet).

Om det inte fungerar: Connection refused betyder att servern inte körs. Embeddings och den gamla endpointen /v1/completions returnerar HTTP 501, eftersom modellen på enheten inte erbjuder dem.

Nästa steg: utvecklarna dokumenterar uppsättningar för VS Code Copilot (bara chatt), opencode, Zed och Node.js, Ruby, PHP och sex språk till. Dem har vi inte testat om för den här sidan.

8. Ge den verktyg med MCP

På 2 minuter har du: modellen som läser en webbsida live och sammanfattar den, via ett verktyg för Model Context Protocol.

När svaret finns på en webbsida vill jag att modellen hämtar den själv, så att jag kan få en sammanfattning utan att kopiera text fram och tillbaka.

Installera verktygen i apfel-mcp, som är byggda för att rymmas i det lilla kontextfönstret:

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

Koppla in ett med --mcp och fråga. -q döljer verktygets råa utdata:

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.

Samma paket innehåller apfel-mcp-ddg-search (webbsökning), apfel-mcp-search-and-fetch och apfel-mcp-fs (läser en lokal fil). Vilken MCP-server som helst fungerar: en sökväg till ett lokalt skript eller en https://-URL.

Verktyg med flera namngivna argument fungerar också. Här är miniräknaren från apfel-repot (mcp/calculator/server.py): modellen anropar multiply med båda argumenten, apfel kör det och modellen svarar med resultatet:

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.

Raden tool: är apfel som visar dig anropet den körde. Före apfel 1.18.0 såg modellen inte argumentens namn utan gissade dem, så ett anrop som detta misslyckades (issue #555, åtgärdat i pull request #556). Ser du invalid arguments här uppdaterar du med brew upgrade apfel.

9. Chatta för att testa en prompt

På 2 minuter har du: en konversation i terminalen som minns vad du sa tidigare.

När jag finslipar en prompt till ett skript vill jag snabbt prova några vändor, så att jag kan se hur modellen reagerar innan jag automatiserar.

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.

Lägg till en persona med -s, till exempel apfel --chat -s "You are a patient Python tutor". När en lång chatt växer ur kontextfönstret släpper apfel som standard de äldsta vändorna; guiden om kontext förklarar de andra strategierna. Vill du ha ett fönster med knappar, se apfel-chat.

10. Låt servern köra i bakgrunden

På 2 minuter har du: den OpenAI-kompatibla servern som startar av sig själv när du loggar in, alltid redo på port 11434.

När verktyg på min Mac använder den lokala endpointen varje dag vill jag att den alltid är igång, så att jag slipper starta den för hand.

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)

Inställningar som port, token eller MCP-servrar anges med miljövariabler, till exempel APFEL_PORT=8080 brew services start apfel. Alla finns listade i guiden om bakgrundstjänsten.

11. Appar byggda på apfel

På 2 minuter har du: samma modell på enheten i ett fönster, i menyraden eller bakom ett kortkommando, om du föredrar appar framför terminalen.

De kommer från samma utvecklare ("apfel-trädet" i README-filen). Vi kontrollerade den 15 november 2026 att varje installationsnamn finns i Homebrew; själva apparna testade vi inte för den här sidan.

App Vad den gör Installera
apfel-chat Chattapp med streamade svar, tal och bildanalys brew install Arthur-Ficial/tap/apfel-chat
apfel-clip Åtgärder för urklipp i menyraden: sammanfatta, översätt, skriv om brew install Arthur-Ficial/tap/apfel-clip
apfel-quick Tryck på en tangent, fråga, få svaret, stäng brew install Arthur-Ficial/tap/apfel-quick
apfelpad Anteckningsblock där AI:n är en formel du skriver i en cell brew install Arthur-Ficial/tap/apfelpad
apfel-mcp MCP-verktyg anpassade för det lilla fönstret (jobb 8) brew install Arthur-Ficial/tap/apfel-mcp
apfel-run apfel med en sparad konfiguration och en lista över MCP-servrar brew install Arthur-Ficial/tap/apfel-run
apfel-tag Taggar, ämnen och känslor för valfri text du pipar in brew install Arthur-Ficial/tap/apfel-tag
apfel-gui Felsökningsfönster: anrop, MCP-meddelanden, tal brew install Arthur-Ficial/tap/apfel-gui

Begränsningar och ärliga svar

apfel ger dig Apples modell på enheten. Enligt README-filen har den runt 3 miljarder parametrar, betydligt färre än molnmodellerna bakom ChatGPT eller Claude. Den är bra på korta, avgränsade textjobb. Det här är begränsningarna vi stötte på eller som dokumentationen anger.

Kontextfönstret är litet. Fråga och svar måste tillsammans rymmas inom 4 096 tokens på macOS 26 och på Macar med M1 och M2, eller 8 192 tokens på Macar med M3 eller nyare och minst 12 GB som kör macOS 27 (README). apfel --model-info visar vad din har. apfels egen README är för lång för den. Räkna innan du skickar:

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

Talet 3 584 är fönstret på 4 096 minus 512 tokens som hålls lediga för svaret. README-filen har ungefär 3 000 ord, men Markdown och kod kostar många tokens per ord. Mata in långa filer i delar (head -c 6000 file), ett avsnitt i taget.

Den vet inte vilket datum det är. Den hittade på ett:

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.

Ge den alla fakta den behöver i prompten. Den har ingen internetåtkomst om du inte kopplar in ett MCP-verktyg.

Den har ibland fel, med full självsäkerhet. Du såg det ovan: felaktiga shellkommandon i jobb 4, en översättning som vände på innebörden i jobb 2. Kontrollera allt som är viktigt.

Apples säkerhetsfilter kan blockera ofarlig text. apfel stoppar då med exitkod 3 och meddelandet The request was blocked by Apple's safety guardrails. Formulera om, eller lägg till --permissive för kreativt skrivande och dokument; dokumentet om säkerhetsspärrarna förklarar vad det ändrar. Vi råkade inte ut för någon blockering i körningarna för den här sidan.

Svaren skiljer sig mellan körningar. Det här är riktiga utdata från en körning vardera. Dina blir annorlunda formulerade. Använd --temperature 0 för mer reproducerbara svar; apfel lovar inte identisk utdata mellan körningar eller macOS-uppdateringar (stabilitetspolicy).

Hastighet: de flesta svaren i våra körningar kom på 1 till 2 sekunder. Sammanfattningen av webbsidan med ett MCP-verktyg tog 8 sekunder.

Kraven är strikta: bara Apple Silicon, macOS 26 eller nyare, Apple Intelligence påslaget och ett av de 15 språk som --model-info listar. Intel-Macar kan inte köra den.

När något går fel

apfel rapporterar problem med en exitkod, så att skript kan reagera. Kontrollera den med echo $? direkt efter kommandot.

Exitkod eller fel Betydelse Vad du gör
2 Fel flagga eller alternativ Flaggor kommer före prompten; apfel --help listar dem
3 Apples säkerhetsfilter blockerade anropet Formulera om, eller lägg till --permissive
4 Indata för lång för kontextfönstret Skicka mindre text; kontrollera med apfel --count-tokens
5 Modellen är inte tillgänglig Slå på Apple Intelligence, vänta på nedladdningen, använd samma språk för Mac och Siri
6 Modellen är upptagen eller har nått en hastighetsgräns Vänta och kör igen, eller lägg till --retry
Connection refused Ingen server på port 11434 Starta apfel --serve eller brew services start apfel
HTTP 501 Endpoint som modellen på enheten inte erbjuder (embeddings, /v1/completions) Använd /v1/chat/completions
piped input was empty Kommandot skrev till stderr command 2>&1 \| apfel "..."

Kommer du ändå inte vidare? Sök eller öppna ett ärende på GitHub.

Vem som gjorde det här och hur det testades

apfel är gratis och öppen källkod (MIT-licens), ett franzai-projekt av Franz Enzenhofer. Det underhålls tillsammans med Arthur Ficial, Franz AI-assistent, som också skrev den här guiden. Eftersom det är apfels skapare som har skrivit sidan har vi tagit med varje fel vi såg i stället för att utelämna dem.

Så testade vi: den 15 november 2026 körde vi varje kommando på den här sidan på en MacBook Air M2 (24 GB) med macOS 27.0.1 (build 26A434). Vi använde den signerade binären för apfel 1.18.0 från GitHub-releasen (samma fil som Homebrew-tappen installerar), i en riktig terminalsession, och kopierade utdatan oförändrad. Den första versionen av sidan (14 november 2026, apfel 1.16.0) visade buggen med verktyg med flera argument i jobb 8; 1.18.0 åtgärdar den, så vi körde om varje kommando för den här versionen. Där den första utdatan var fel lät vi den felaktiga utdatan stå kvar på sidan och sa det. De enda omkörningarna gjordes för att hitta svar som inte behövde redigeras: en sammanfattning av en webbsida innehöll ett långt tankstreck, som den här webbplatsen inte visar, så vi körde den igen och behöll den tredje körningen. Talexemplet kontrollerades genom att ljudet skrevs till en fil, eftersom testmacen saknade ljudutgång. Demoskripten skrevs ut av apfel --demos från apfel 1.18.0.

Vad andra har skrivit om apfel: inlägget på Show HN (3 april 2026, 743 poäng), en guide från Better Stack, en artikel i GIGAZINE och ett praktiskt test på danilchenko.dev.

Källor: README för apfel, CLI-referensen, installationsguiden, demoskripten, apfel jämfört med Apples fm och ärendehanteringen, lästa den 15 november 2026.