v1.18.0 · Zero config · MIT
apfel
مفت AI، جو آپ کے Mac میں پہلے سے موجود ہے۔
macOS Tahoe میں 3B parameters والا ایک LLM پہلے سے موجود ہے۔ apfel ایک brew install سے آپ کو اس تک CLI رسائی دیتا ہے۔ نہ ماڈل ڈاؤن لوڈ، نہ API key، نہ کوئی configuration - بس چل جاتا ہے۔
$ brew install apfel
github.com/Arthur-Ficial/apfel پر 6.6k+ stars
ضروریات: Apple Silicon · macOS Tahoe · Apple Intelligence آن ہونا چاہیے
apfel میں نئے ہیں؟ 60 سیکنڈ کا ٹیوٹوریل شروع کریں (انگریزی میں)
سب کچھ آپ کے ڈیوائس پر ہی چلتا ہے۔ کوئی network call نہیں۔ کوئی ڈیٹا آپ کے Mac سے باہر نہیں جاتا۔
اسے چلتا ہوا دیکھیں۔
brew install سے AI output تک 12 سیکنڈ میں۔ کسی configuration کی ضرورت نہیں۔
نہ config، نہ LLM ڈاؤن لوڈ، نہ token کا خرچ۔
دوسرے local AI tools اچھے ہیں، مگر ان کے لیے ماڈل ڈاؤن لوڈ اور configuration کرنی پڑتی ہے۔ apfel کو کچھ بھی نہیں چاہیے - ماڈل پہلے سے آپ کے Mac میں ہے۔ ایک brew install۔ بس، ہو گیا۔
اندر کون سا ماڈل ہے
Apple ML Researchتین tools۔ ایک install۔
ایک CLI، ایک OpenAI-compatible server اور ایک interactive chat۔ سب ایک ہی brew install سے۔ کوئی اضافی ڈاؤن لوڈ نہیں۔
UNIX tool
Pipe-friendly اور composable۔ jq، xargs اور آپ کی shell scripts کے ساتھ چلتا ہے۔ stdin، stdout، JSON output، --schema کے ذریعے schema-valid JSON، --messages کے ذریعے messages فائل سے multi-turn، فائل attachments، درست exit codes۔
OpenAI server
localhost:11434 پر drop-in replacement۔ کسی بھی OpenAI SDK کو اس کی طرف point کریں اور شروع ہو جائیں۔ Chat Completions اور Responses API، streaming، tool calling، JSON Schema output، CORS۔
Interactive chat
خودکار context management کے ساتھ multi-turn گفتگو۔ پانچ trimming strategies۔ System prompt کی سپورٹ۔ شروع کرنے کے لیے terminal میں بس apfel لکھیں۔ سب کچھ آپ کے Mac پر۔
MCP کی native سپورٹ۔
Apple کے on-device ماڈل کو tools دیں۔ کوئی بھی tools۔
--mcp سے tool servers جوڑیں
apfel Model Context Protocol بولتا ہے۔ اسے کسی بھی MCP server کی طرف point کریں اور on-device ماڈل کو tools مل جاتے ہیں - حساب، APIs، databases، ہر وہ چیز جس کے لیے آپ server لکھ سکیں۔
- تینوں موڈز میں چلتا ہے - CLI، server اور chat
- Startup پر MCP tools/list کے ذریعے tools خود ڈھونڈ لیتا ہے
- Tool calls پہچانے جاتے ہیں، چلائے جاتے ہیں اور نتائج خود بخود ماڈل کو واپس ملتے ہیں
- --mcp flag نہیں تو کوئی overhead نہیں - zero اضافی tokens، code path میں کوئی تبدیلی نہیں
- Proof-of-concept کے طور پر ایک calculator MCP server ساتھ آتا ہے
- URL کے ذریعے remote MCP servers -
--mcp https://...، چاہیں تو Bearer token auth کے ساتھ
یہ کیسے کام کرتا ہے۔
Apple نے ہر Mac میں ایک LLM رکھ دیا ہے۔ وہ بس وہیں پڑا ہے۔ apfel اسے ایک صدر دروازہ دیتا ہے - zero configuration کے ساتھ۔
Apple ایک on-device LLM دیتا ہے
macOS 26 (Tahoe) سے، ہر Apple Silicon Mac میں Apple Intelligence کے حصے کے طور پر ایک language model موجود ہے۔ Apple اسے FoundationModels framework کے ذریعے دستیاب کرتا ہے - ایک Swift API جو ایپس کو SystemLanguageModel تک رسائی دیتی ہے۔ ساری inference، Neural Engine اور GPU پر چلتی ہے۔ نہ network calls، نہ cloud، نہ API keys۔ ماڈل بس وہیں موجود ہے۔
مگر Apple اسے صرف Siri کے لیے استعمال کرتا ہے
شروع سے ہی on-device ماڈل، Siri، Writing Tools اور سسٹم features کو چلاتا ہے۔ نہ کوئی terminal کمانڈ، نہ HTTP endpoint، نہ text کو اس میں سے pipe کرنے کا کوئی طریقہ۔ FoundationModels framework موجود ہے، مگر اسے استعمال کرنے کے لیے آپ کو Swift ایپ لکھنی پڑتی ہے۔ apfel یہی کرتا ہے۔
apfel کیا اضافہ کرتا ہے
apfel ایک Swift 6.3 binary ہے جو LanguageModelSession کو wrap کرتا ہے اور اسے تین طرح سے دستیاب کرتا ہے: stdin/stdout والے UNIX command-line tool کے طور پر، OpenAI-compatible HTTP server کے طور پر (Hummingbird پر بنا ہوا)، اور context management والی interactive chat کے طور پر۔
یہ وہ سب سنبھالتا ہے جو Apple کی خام API نہیں کرتی: درست exit codes، JSON output، فائل attachments، چھوٹی context window کے لیے (4,096 tokens، macOS 27 والے M3 اور نئے Macs پر 8,192) پانچ context trimming strategies، SDK کے ذریعے حقیقی token counting، اور OpenAI tool schemas کو Apple کے native Transcript.ToolDefinition format میں بدلنا۔
ڈیزائن ہی سے private۔
apfel استعمال کرتے ہوئے ایک بھی HTTP call نہیں۔ نیچے دیا گیا ہر دعویٰ Apple کی اپنی documentation سے link ہے۔
On-device۔ آف لائن بھی چلتا ہے۔
FoundationModels framework مکمل طور پر آپ کے Apple Silicon کے Neural Engine پر چلتا ہے۔ نہ server، نہ cloud، نہ انٹرنیٹ کنکشن کی ضرورت۔
آپ کا ڈیٹا آپ ہی کا رہتا ہے۔
Apple، on-device inference سے نہ prompts، نہ responses، نہ کوئی usage ڈیٹا جمع کرتا ہے۔ نہ کچھ محفوظ ہوتا ہے، نہ کچھ بھیجا جاتا ہے۔
Training کے لیے کبھی استعمال نہیں ہوتا۔
Apple اپنے foundation models کو صرف licensed اور عوامی ڈیٹا پر train کرتا ہے۔ آپ کی گفتگو کبھی training pipeline کا حصہ نہیں بنتی۔
apfel کوئی tracking نہیں جوڑتا۔
نہ analytics، نہ telemetry، نہ خودکار update checks، نہ crash reporting، نہ چپکے سے calling home۔ apfel صرف ایک network call کرتا ہے، جب آپ خود apfel --update چلائیں۔ پورا codebase اوپن سورس ہے۔
Power tools ساتھ ملتے ہیں۔
demo/ فولڈر میں shell scripts۔ پہلے apfel انسٹال کریں، پھر جو چاہیں لے لیں۔
cmd
عام زبان سے shell کمانڈ۔ بتائیں کیا چاہیے، کمانڈ حاصل کریں۔
oneliner
سادہ English سے pipe chains۔ awk، sed، sort، uniq - آپ کے لیے تیار۔
mac-narrator
آپ کے Mac کی سسٹم سرگرمی کو nature documentary کی طرح بیان کرتا ہے۔
explain
کسی بھی کمانڈ، error message یا code snippet کو سادہ زبان میں سمجھاتا ہے۔
wtd
یہ directory کیا ہے؟ کسی بھی codebase میں فوراً پتا چلے کہ پراجیکٹ کیا ہے۔
gitsum
حالیہ git commits کا خلاصہ چند جملوں میں۔
30 کارآمد اور زبردست one-liners۔
ہر کمانڈ ایک اصلی Mac پر test کی گئی ہے۔ apfel کو ps، lsof، du، vm_stat، git، pbpaste، sleep، pgrep، curl، say کے ساتھ جوڑیں - ایسی composability جو cloud AIs نہیں دے سکتے، کیونکہ وہ آپ کے processes، آپ کا clipboard، آپ کا git diff نہیں دیکھ سکتے۔ apfel دیکھ سکتا ہے۔
اس وقت میرا CPU کون کھا رہا ہے۔
$ps aux | sort -k 3 -nr | head -5 | awk '{print $11, $3"%"}' | apfel "which app is using the most CPU"
-> سب سے زیادہ CPU، WindowServer استعمال کر رہا ہے: 42.6%۔
کون سی ایپس کن ports پر listen کر رہی ہیں۔
$lsof -iTCP -sTCP:LISTEN -n -P | head -15 | apfel "list which apps own which ports as a table"
-> 11434 fichten, 18789 node, 5000 ControlCenter ...
کون سا volume بھرنے کے سب سے قریب ہے۔
$df -h | apfel "which volume is fullest, one sentence"
-> /dev/disk3s1 سب سے زیادہ بھرا ہے: 926Gi میں سے 263Gi۔
vm_stat سادہ زبان میں۔
$vm_stat | apfel "explain my memory usage in plain english, one sentence"
-> 349k pages active، 266k wired - کافی memory استعمال میں ہے۔
یہاں کون سے فولڈر سب سے زیادہ disk کھا رہے ہیں۔
$du -sh */ 2>/dev/null | sort -rh | head -5 | apfel "which folders are eating most disk, one sentence"
-> Library، 36G اور Downloads، 604M کے ساتھ سب سے آگے۔
اس فولڈر کی سب سے بڑی فائلیں۔
$ls -laS | head -10 | apfel "what are the biggest files here, just file names"
-> apfel-quick-preview.png, og.png, translate-preview.png ...
اس وقت کون سی ایپس انٹرنیٹ سے بات کر رہی ہیں۔
$lsof -i -nP 2>/dev/null | grep ESTABLISHED | awk '{print $1, $9}' | head -10 | apfel "which apps are talking to the internet right now, short answer"
-> node → 157.240.253.60:443, claude.ex → 160.79.104.10:443, Google → 66.102.1.188:5228 ...
Battery کی صحت اور باقی وقت، ایک لائن میں۔
$pmset -g batt | apfel "battery health and percent, one line"
-> مکمل چارج، health 100%، اس وقت active۔
اپنے حالیہ commits کا خلاصہ سادہ زبان میں۔
$git log --oneline -20 | apfel "summarize what I have been working on"
-> v1.2.1 سے v1.3.2 تک کی updates، sister projects شامل کیے ...
حالیہ commits سے ایک لائن کا release note تیار کریں۔
$git log --oneline -5 | apfel "write a one-line release note based on these commits"
-> v1.3.2 release: 5053 stars، 783 tests، updates۔
Clipboard پر جو کچھ ہے اس کی grammar ٹھیک کریں، پھر درست شدہ متن واپس رکھ دیں۔
$pbpaste | apfel "fix grammar" | pbcopy
-> "i has went" بن جاتا ہے "I went" - واپس clipboard پر۔
Clipboard کا Japanese میں ترجمہ کریں، پھر واپس رکھ دیں۔
$pbpaste | apfel "translate to japanese" | pbcopy
-> اب clipboard میں Japanese ترجمہ ہے۔
Clipboard پر موجود لمبے متن کا خلاصہ 3 bullets میں۔
$pbpaste | apfel "summarize in 3 bullets"
-> آپ کے terminal میں 3 جامع bullets۔
Clipboard پر موجود meeting notes سے واضح action items نکالیں۔
$pbpaste | apfel "extract just the action items as a clean bullet list, no other text" | pbcopy
-> "Sarah، Q3 budget کا draft بنائے گی"، "design team کو email"، ... واپس clipboard پر۔
لمبا کام ختم ہونے پر بول کر اطلاع دیں (یہاں، 30 منٹ میں)۔
$sleep 1800 && apfel "tell me cheerfully my long task just finished, one short sentence" | say
-> Mac بولتا ہے: "آپ کا لمبا کام ابھی ختم ہوا، شاباش!"
Downloads میں فائل آنے کا انتظار کریں، پھر اعلان کریں۔
$until [ -e ~/Downloads/Report.pdf ]; do sleep 5; done; apfel "tell me my download just landed, one cheerful sentence" | say
-> ہر 5s بعد چیک کرتا ہے؛ Report.pdf آتے ہی Mac خبر سناتا ہے۔
لمبے چلنے والے process کے ختم ہونے کا انتظار کریں، پھر اعلان کریں۔
$while pgrep -q ffmpeg; do sleep 5; done; apfel "tell me cheerfully that my video encoding is done, one short sentence" | say
-> ہر 5s بعد چیک کرتا ہے؛ ffmpeg بند ہوتے ہی Mac خبر سناتا ہے۔
ہر 30 منٹ بعد، ابھی جو ship کیا اس کا خلاصہ، بول کر۔
$while sleep 1800; do git log --since="30 min ago" --oneline | apfel "summarize my last 30 minutes of work in one cheerful sentence" | say; done
-> ہر آدھے گھنٹے بعد auto-standup بلند آواز میں پڑھا جاتا ہے، اور آپ coding جاری رکھتے ہیں۔
ہر 15 منٹ بعد، battery 20 فیصد سے نیچے جائے تو بول کر خبردار کریں۔
$while sleep 900; do P=$(pmset -g batt | grep -oE "[0-9]+%" | head -1 | tr -d %); [ "$P" -lt 20 ] && apfel "battery just dropped to $P percent, write one short sentence that is friendly but super urgent telling me to plug in NOW" | say; done
-> Battery گرنے تک خاموش؛ پھر Mac دوستانہ مگر فوری انتباہ بلند آواز میں دیتا ہے۔
URL کے 2xx دینے تک نظر رکھیں، پھر deploy کا جشن بول کر منائیں۔
$until curl -sf https://staging.example.com/health >/dev/null; do sleep 30; done; apfel "tell me cheerfully that my deploy is live and the URL is responding, one short sentence" | say
-> Staging چالو ہونے تک ہر 30s بعد چیک کرتا ہے؛ Mac بولتا ہے "آپ کا deploy live ہے، URL جواب دے رہا ہے!"۔
عام سی لائن کو شائستہ انداز میں دوبارہ لکھیں۔
$echo "hey can u send me docs asap" | apfel "rephrase politely"
-> "براہِ کرم documents جلد از جلد share کر دیں ..."
کسی URL کو hit کریں اور صرف headers دیکھ کر پوچھیں کہ کیا ہو رہا ہے۔
$curl -sI https://github.com | apfel "explain what happens at this URL in one sentence, based on the HTTP headers"
-> GitHub سخت caching اور security headers کے ساتھ ایک HTML page دیتا ہے۔
آج کا Hacker News، ایک جملے میں خلاصہ اور بلند آواز میں۔
$curl -s https://news.ycombinator.com | grep titleline | sed "s/<[^>]*>//g" | apfel "summarize hacker news today in one cheerful sentence" | say
-> Mac دن کی اہم خبریں ایک جامع خلاصے میں سناتا ہے۔
JSON blob کو سادہ زبان میں سمجھائیں۔
$echo '{"name":"alice","plan":"pro","credits":42}' | apfel "explain this JSON in one sentence"
-> pro plan پر Alice نام کا ایک user، 42 credits کے ساتھ۔
Calculator کھولے بغیر حساب۔
$apfel "what is 15% tip on 87.50, just the number"
-> 13.13
Terminal چھوڑے بغیر regex بنائیں۔
$apfel "regex for a valid email address, just the regex"
-> ^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$
بھولا ہوا bash one-liner پوچھ لیں۔
$apfel "give me one find command that lists files larger than 100MB, just the bash command"
-> find / -type f -size +100M
اندازہ لگانے کے بجائے پیچیدہ کمانڈ کو سمجھیں۔
$apfel "explain the command tar -xzvf file.tar.gz in one sentence"
-> gzip شدہ tarball کو uncompress کر کے cwd میں extract کرتا ہے۔
صحیح git کمانڈ بھول گئے؟ بس پوچھ لیں۔
$apfel "git command to uncommit but not unedit my last commit, just the command"
-> git reset --soft HEAD~1
کسی اور کا regex ایک جملے میں سمجھیں۔
$apfel "explain this regex in one sentence: ^\d{3}-\d{4}$"
-> 3 ہندسوں کا prefix، ایک hyphen اور 4 ہندسے - US فون فارمیٹ۔
عام انداز میں لکھی تاریخ کو ISO 8601 میں بدلیں۔
$apfel "convert 'Sat Apr 27 2026 11:30' to ISO 8601 (YYYY-MM-DDTHH:MM:SS), reply only with the converted string"
-> 2026-04-27T11:30:00+00:00
پوری فائل کا خلاصہ 3 bullets میں۔
$apfel -f README.md "summarize in 3 bullets"
-> 3 bullets: scope، install، usage۔
OpenAI کے ساتھ compatible۔
ایک URL بدلیں۔ اپنا code ویسا ہی رکھیں۔
براہِ راست drop-in متبادل
apfel، OpenAI API بولتا ہے۔ OpenAI سے بات کرنے والی کوئی بھی client library، framework یا tool اس کے بجائے آپ کے Mac کے AI سے بات کر سکتا ہے۔ بس base URL بدل دیں۔
- ✓ POST /v1/chat/completions
- ✓ POST /v1/responses (Responses API)
- ✓ Streaming (SSE)
- ✓ Tool calling / function calling
- ✓ GET /v1/models
- ✓ response_format: json_object, json_schema
- ✓ image_url parts بطور data URLs (macOS 27)
- ✓ temperature, max_tokens, seed
- ✓ Browser clients کے لیے CORS
from openai import OpenAI # Just change the base_url. That's it. client = OpenAI( base_url="http://localhost:11434/v1", api_key="unused" # no auth needed ) resp = client.chat.completions.create( model="apple-foundationmodel", messages=[{ "role": "user", "content": "What is 1+1?" }], ) print(resp.choices[0].message.content)
Apple کے fm والا ہی ماڈل۔ کام مختلف۔
macOS 27 میں fm آتا ہے، on-device ماڈل کے لیے Apple کا اپنا command-line front end۔ دونوں کی راہیں کہاں جدا ہوتی ہیں، یہ رہا۔
| apfel | Apple fm | |
|---|---|---|
| کہاں چلتا ہے | macOS 26 اور 27، ایک ہی binary | صرف macOS 27 |
| انسٹال | brew install apfel | پہلے سے موجود (ایک بار sudo fm license) |
| OpenAI clients بغیر تبدیلی کے چلتے ہیں | ہاں: default میں JSON، usage، max_tokens کی پابندی، errors map شدہ | منع نہ کریں تو stream کرتا ہے، max_tokens کو نظرانداز کرتا ہے، guardrails پر 500 |
| Tool calling اور MCP | Native tool calls، local اور remote MCP servers | کچھ نہیں (tools جواب میں template tokens لیک کر دیتا ہے) |
| Scripting کے لیے | --code, -o json, 9 exit codes, --count-tokens --strict | سادہ text، exit 0 یا 1 |
| ان پٹ فائلیں | Text، PDF، تصاویر: دونوں OS پر OCR text، اور macOS 27 پر تصویر خود بھی ماڈل کو | تصاویر ماڈل کو، ساتھ میں built-in OCR اور barcode tools |
| محفوظ رہنے والے chat sessions | نہیں | نام والے transcripts، --resume |
| رفتار | ایک ہی Mac پر ایک ہی ماڈل، ایک ہی context window (اس M2 پر 4,096 tokens، M3 اور نئے پر 8,192)، token counts بالکل یکساں۔ One-shot prompt: 0.35 s بمقابلہ 0.30 s۔ | |
مختصر تاریخ۔ apfel پہلے آیا: پہلا commit اور v0.1.0، 24 مارچ 2026 کو؛ پہلی GitHub release، 31 مارچ 2026 کو؛ اپریل میں Hacker News کا front page۔ Apple نے 8 جون 2026 کو WWDC میں fm کا اعلان کیا اور 14 ستمبر 2026 کو macOS 27 کے ساتھ اسے ship کیا۔ دونوں ایک ہی FoundationModels framework کے ذریعے ایک ہی on-device ماڈل چلاتے ہیں؛ apfel اوپن سورس ہے، اور وہی macOS 26 پر بھی چلتا ہے۔
ہر row، macOS 27.0.1 (Apple M2، 24 GB) پر 2026-10-05 کو ناپی گئی اور ہر apfel release پر دوبارہ ناپی جاتی ہے۔ مکمل صفحے پر server probes، token-count parity ٹیبل اور انہیں دہرانے کے لیے ہر کمانڈ موجود ہے۔
GitHub پر مقبول۔
صفر سے 6,610 stars تک، اور گنتی جاری ہے۔
Starred by engineers from Apple, Google, VMware, NVIDIA, and PlayStation.
GitHub پر star کریںڈیٹا بتاریخ
شروع کریں۔
نہ ماڈل ڈاؤن لوڈ۔ نہ sign-up۔ نہ API key۔ بس یہ۔
Homebrew
$ brew install apfel $ apfel "Hello, Mac"
Source سے build کریں
$ git clone https://github.com/Arthur-Ficial/apfel.git $ cd apfel && make install
apfel کا شجرہ۔
apfel پر بنے native macOS tools کا بڑھتا ہوا خاندان - اور sister projects جو Apple کے دوسرے frameworks کو terminal تک لاتے ہیں۔
apfel-chat
کئی گفتگوؤں والا macOS chat client۔ Streaming markdown، آواز میں input اور output، image analysis - مکمل طور پر private، نہ API keys، نہ cloud۔
SwiftUI Production میں
apfelpad
سوچنے کے لیے ایک formula notepad۔ اپنے markdown میں =apfel("summarize this") لکھیں اور اسے inline stream ہوتا دیکھیں۔ =SUM کی طرح، مگر زبان کے لیے۔
apfel-quick
فوری AI overlay۔ کہیں بھی Ctrl+Space دبائیں، سوال لکھیں، اور جواب سیدھا آپ کے clipboard میں stream ہوتا ہے۔ نہ Wi-Fi، نہ اکاؤنٹ، نہ بل۔
SwiftUI نیا
apfel-gui
Native macOS SwiftUI debug GUI۔ Apple Intelligence سے chat کریں، requests اور responses، logs دیکھیں، speech-to-text، text-to-speech - سب کچھ on-device۔
SwiftUI
apfel-clip
Menu bar سے clipboard کے لیے AI actions۔ کسی بھی text پر cmd+shift+V دبائیں - grammar ٹھیک کریں، ترجمہ کریں، code سمجھائیں، خلاصہ بنائیں۔ مکمل on-device، نہ API keys۔
SwiftUI Production میں
apfel-mcp
apfel کو web اور اپنی فائلیں دیں۔ چار چھوٹے MCP tools - url-fetch، ddg-search، search-and-fetch، اور صرف پڑھنے والا ایک file reader - ہر ایک کو apfel کی چھوٹی context window میں سمانے کے لیے تراشا گیا ہے (زیادہ تر Macs پر 4,096 tokens، macOS 27 والے M3 اور نئے پر 8,192)۔
Python نیا
apfel-run
ننھا سا UNIX wrapper جو apfel کو مستقل MCP registry دیتا ہے۔ سادہ text config فائل سے MCP servers کو نام سے enable اور disable کریں۔ Restart کے بعد بھی برقرار، نہ GUI، نہ daemon۔
Shell نیا
apfel-server-kit
پورے ecosystem کو چلانے والا مشترکہ Swift package۔ کسی local apfel --serve process کو ڈھونڈیں، شروع کریں اور اس سے stream کریں۔ وہ ریڑھ کی ہڈی جس سے ہر SwiftUI apfel ایپ بات کرتی ہے۔
Swift نیا
auge
Sister project۔ apfel زبان سنبھالتا ہے؛ auge بصارت۔ OCR، image classification، barcodes اور face detection کے لیے ایک CLI - Apple کے Vision framework کے ذریعے 100% on-device۔ نہ API keys، نہ cloud۔
Swift ساتھی پراجیکٹ
translate
Sister project۔ DeepL، LibreTranslate اور Google v2 کے لیے UNIX filter اور drop-in HTTP server - Apple کے on-device Translation framework سے چلتا ہے۔ 100% on-device، NetworkGuard سختی سے نافذ کرتا ہے۔ نہ API keys، نہ cloud۔
Swift ساتھی پراجیکٹاکثر پوچھے جانے والے سوالات۔
Hacker News اور Reddit سے جمع کیے گئے سوالات۔
مجھے macOS کا کون سا version چاہیے؟
کیا apfel میرے ذاتی ڈیٹا تک رسائی حاصل کرتا ہے؟
کیا کوئی ڈیٹا میرے Mac سے باہر جاتا ہے؟
ماڈل: Apple کا FoundationModels framework انٹرنیٹ کنکشن کے بغیر کام کرتا ہے اور مکمل طور پر Neural Engine پر چلتا ہے۔ آپ کے prompts اور responses کبھی ڈیوائس سے باہر نہیں جاتے۔ User ڈیٹا کبھی training کے لیے استعمال نہیں ہوتا۔
Tool: apfel اسے ایسا ہی رکھتا ہے۔ نہ analytics، نہ telemetry، نہ tracking، نہ خودکار update checks، نہ crash reporting، نہ چپکے سے calling home۔ اوپن سورس اور audit کے قابل۔
Context window کتنی ہے؟
apfel --model-info بتاتا ہے کہ آپ کے Mac میں اصل میں کتنی window ہے۔ Shell scripts، خلاصوں اور text transforms کے لیے بہترین۔ لمبی گفتگو یا بڑی دستاویزات کے لیے موزوں نہیں۔ماڈل کس کام میں اچھا ہے؟ کہاں مشکل ہوتی ہے؟
محدود: حساب، حقائق یاد رکھنا، لمبی گفتگو، پیچیدہ code generation۔
ماڈل hallucinate کرنے کے بجائے انکار کرنا پسند کرتا ہے۔ یہ Apple کا سوچا سمجھا design فیصلہ ہے۔
کیا server mode محفوظ ہے؟
--token)، origin checking، صرف debug کے لیے log endpoints۔ تفصیلات server-security.md میں۔کیا مجھے Apple Intelligence آن کرنا ہوگا؟
apfel کو update کیسے کروں؟
apfel --update۔ انسٹال کا طریقہ پہچانتا ہے، نیا version چیک کرتا ہے، upgrade سے پہلے پوچھتا ہے۔ خود کرنا ہو تو: brew upgrade apfel یا git pull && make install۔یہ کون سا ماڈل استعمال کرتا ہے؟
apfel، Ollama یا LM Studio سے کیسے مختلف ہے؟
کیا apfel، MCP اور tool calling کو سپورٹ کرتا ہے؟
--mcp <server> دیں۔ Tool calling گائیڈ۔apfel، macOS 27 پر Apple کے اپنے fm CLI سے کیسے مختلف ہے؟
fm آتا ہے، اسی on-device ماڈل کے لیے Apple کا command-line front end۔ apfel اس میں اضافہ کرتا ہے: tool calling والا OpenAI-compatible server، MCP، JSON Schema output، data URLs کی صورت میں image input، دیانت دار exit codes اور macOS 26 کی سپورٹ۔ آمنے سامنے ناپا گیا: apfel vs fm۔کیا apfel میں کوئی telemetry یا calling-home functions ہیں؟
apfel --update چلائیں، جو Homebrew پر نیا version چیک کرتی ہے۔ اوپن سورس اور audit کے قابل۔اسے کس نے بنایا؟
شریک maintainer: Arthur Ficial، Anthropic کے Claude Opus پر چلنے والا ایک OpenClaw instance۔ زیادہ تر development Claude Code اور Codex کے ساتھ ہوئی۔ ہمیشہ high thinking / high effort mode میں۔
آغاز: 24 مارچ 2026۔