v1.18.0 · 零配置 · MIT
apfel
免费 AI,你的 Mac 早已自带。
macOS Tahoe 自带一个 3B 参数的 LLM。apfel 只需一条 brew install,就能让你在 CLI 中使用它。无需下载模型,无需 API 密钥,无需任何配置,开箱即用。
$ brew install apfel
github.com/Arthur-Ficial/apfel 上已有 6.6k+ 个 Star
要求:Apple Silicon · macOS Tahoe · 已启用 Apple Intelligence
第一次用 apfel?开始 60 秒教程(英文)
一切都在你的设备上运行。没有网络请求。任何数据都不会离开你的 Mac。
看看实际效果。
从 brew install 到 AI 输出只需 12 秒。无需任何配置。
零配置。零 LLM 下载。零 token 费用。
其他本地 AI 工具也很棒,但都需要下载模型并进行配置。apfel 什么都不需要:模型早已在你的 Mac 上。一条 brew install,搞定。
底层模型
Apple ML Research三个工具。 一次安装。
一个 CLI、一个兼容 OpenAI 的服务器、一个交互式聊天。全部来自一条 brew install,无需额外下载。
UNIX 工具
天生适合管道,可自由组合。可与 jq、xargs 和你的 shell 脚本配合使用。支持 stdin、stdout、JSON 输出、通过 --schema 输出符合 schema 的 JSON、通过 --messages 从消息文件进行多轮对话、文件附件,以及规范的退出码。
OpenAI 服务器
在 localhost:11434 上无缝替代 OpenAI。把任意 OpenAI SDK 指向它就能用。支持 Chat Completions 和 Responses API、流式输出、工具调用、JSON Schema 输出、CORS。
交互式聊天
多轮对话,自动管理上下文。五种裁剪策略。支持系统提示词。在终端输入 apfel 即可开始。全部在你的 Mac 上完成。
原生支持 MCP。
给 Apple 端侧模型配上工具。任何工具都行。
用 --mcp 接入工具服务器
apfel 支持 Model Context Protocol。把它指向任意 MCP 服务器,端侧模型就能使用工具:数学计算、API、数据库,凡是你能写成服务器的都可以。
- 三种模式均可使用:CLI、服务器和聊天
- 启动时通过 MCP tools/list 自动发现工具
- 自动检测并执行工具调用,结果自动回传
- 不加 --mcp 参数就没有任何开销:零额外 token,零代码路径改动
- 自带一个计算器 MCP 服务器作为概念验证
- 通过 URL 连接远程 MCP 服务器:
--mcp https://...,可选 Bearer token 认证
工作原理。
Apple 在每台 Mac 里都内置了一个 LLM,却一直闲置着。apfel 为它开了一扇正门,而且零配置。
Apple 内置了端侧 LLM
从 macOS 26(Tahoe)开始,每台 Apple Silicon Mac 都包含一个语言模型,作为 Apple Intelligence 的一部分。Apple 通过 FoundationModels 框架开放它,这是一套让应用访问 SystemLanguageModel 的 Swift API。所有推理都在 Neural Engine 和 GPU 上运行。没有网络请求,没有云端,没有 API 密钥。模型就在那里。
但 Apple 只把它用在 Siri 上
默认情况下,端侧模型只为 Siri、Writing Tools 和系统功能提供支持。没有终端命令,没有 HTTP 端点,也没有办法用管道把文本传给它。FoundationModels 框架虽然存在,但你得写一个 Swift 应用才能用上。apfel 做的正是这件事。
apfel 带来了什么
apfel 是一个 Swift 6.3 二进制程序,它封装了 LanguageModelSession,并以三种方式提供:支持 stdin/stdout 的 UNIX 命令行工具、兼容 OpenAI 的 HTTP 服务器(基于 Hummingbird),以及带上下文管理的交互式聊天。
它补上了 Apple 原生 API 没有的部分:规范的退出码、JSON 输出、文件附件、针对小上下文窗口(4,096 token,运行 macOS 27 的 M3 及更新机型为 8,192)的五种上下文裁剪策略、通过 SDK 精确计算 token,以及把 OpenAI 工具 schema 转换为 Apple 原生的 Transcript.ToolDefinition 格式。
隐私,从设计开始。
使用 apfel 时不会发出任何 HTTP 请求。以下每一条说明都链接到 Apple 的官方文档。
端侧运行,离线可用。
FoundationModels 框架完全在你的 Apple Silicon Neural Engine 上运行。不需要服务器,不需要云端,也不需要联网。
你的数据只属于你。
Apple 不会从端侧推理中收集提示词、回复或任何使用数据。什么都不存储,什么都不发送。
绝不用于训练。
Apple 只使用获得授权的数据和公开数据来训练基础模型。你的交互内容绝不会进入训练流程。
apfel 不做任何追踪。
没有统计分析,没有遥测,没有自动检查更新,没有崩溃上报,也不会偷偷联网回传。apfel 唯一的网络请求,只发生在你主动运行 apfel --update 时。全部代码均已开源。
自带趁手工具。
这些 shell 脚本位于 demo/ 文件夹中。先安装 apfel,再挑你需要的拿去用。
cmd
把自然语言变成 shell 命令。说出你想做什么,命令就来了。
oneliner
用大白话生成管道命令链。awk、sed、sort、uniq,帮你一键拼好。
mac-narrator
像自然纪录片一样解说你的 Mac 系统活动。
explain
用通俗的语言解释任何命令、错误信息或代码片段。
wtd
这个目录是干什么的?任何代码库都能迅速摸清。
gitsum
用几句话总结最近的 git 提交。
30 个实用又好玩的单行命令。
每条命令都在真实的 Mac 上测试过。把 apfel 和 ps、lsof、du、vm_stat、git、pbpaste、sleep、pgrep、curl、say 串起来用,这种组合能力是云端 AI 无法企及的,因为它们看不到你的进程、你的剪贴板、你的 git diff。apfel 可以。
现在是谁在狂吃我的 CPU。
$ps aux | sort -k 3 -nr | head -5 | awk '{print $11, $3"%"}' | apfel "which app is using the most CPU"
-> WindowServer 占用 CPU 最多,为 42.6%。
哪些应用在监听哪些端口。
$lsof -iTCP -sTCP:LISTEN -n -P | head -15 | apfel "list which apps own which ports as a table"
-> 11434 fichten, 18789 node, 5000 ControlCenter ...
哪个卷快满了。
$df -h | apfel "which volume is fullest, one sentence"
-> /dev/disk3s1 占用最多,926Gi 中已用 263Gi。
把 vm_stat 翻译成大白话。
$vm_stat | apfel "explain my memory usage in plain english, one sentence"
-> 活跃页 349k,联动页 266k:内存占用相当可观。
这里哪些文件夹最占磁盘。
$du -sh */ 2>/dev/null | sort -rh | head -5 | apfel "which folders are eating most disk, one sentence"
-> Library(36G)和 Downloads(604M)占了大头。
这个文件夹里最大的文件。
$ls -laS | head -10 | apfel "what are the biggest files here, just file names"
-> apfel-quick-preview.png、og.png、translate-preview.png ...
现在哪些应用在联网通信。
$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 ...
一行看电池健康度和剩余时间。
$pmset -g batt | apfel "battery health and percent, one line"
-> 已充满,健康度 100%,当前使用中。
用通俗的话回顾最近的提交。
$git log --oneline -20 | apfel "summarize what I have been working on"
-> 从 v1.2.1 更新到 v1.3.2,新增姊妹项目 ...
根据最近的提交起草一行发布说明。
$git log --oneline -5 | apfel "write a one-line release note based on these commits"
-> 发布 v1.3.2:5053 个 Star,783 个测试,若干更新。
修正剪贴板内容的语法,再把结果放回去。
$pbpaste | apfel "fix grammar" | pbcopy
-> “i has went”变成“I went”,并放回剪贴板。
把剪贴板内容翻译成日语,再放回去。
$pbpaste | apfel "translate to japanese" | pbcopy
-> 剪贴板里现在是日语译文。
把剪贴板里的一大段文字总结成 3 个要点。
$pbpaste | apfel "summarize in 3 bullets"
-> 终端里出现 3 个精炼的要点。
从剪贴板里的会议记录中提炼出清晰的待办事项。
$pbpaste | apfel "extract just the action items as a clean bullet list, no other text" | pbcopy
-> “Sarah 起草 Q3 预算”、“给设计团队发邮件” ... 已放回剪贴板。
长任务完成时语音提醒你(这里设为 30 分钟后)。
$sleep 1800 && apfel "tell me cheerfully my long task just finished, one short sentence" | say
-> Mac 说:“你的长任务刚刚完成,干得漂亮!”
等文件出现在 Downloads 里,再播报出来。
$until [ -e ~/Downloads/Report.pdf ]; do sleep 5; done; apfel "tell me my download just landed, one cheerful sentence" | say
-> 每 5 秒检查一次;Report.pdf 一出现,Mac 就会播报。
等长时间运行的进程退出,再播报出来。
$while pgrep -q ffmpeg; do sleep 5; done; apfel "tell me cheerfully that my video encoding is done, one short sentence" | say
-> 每 5 秒检查一次;ffmpeg 一退出,Mac 就会播报。
每 30 分钟,用语音总结你刚完成的工作。
$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
-> 你继续写代码,它每半小时自动朗读一次站会总结。
每 15 分钟检查一次,电量低于 20% 时语音警告。
$while sleep 900; do P=$(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
-> 电量充足时保持安静;一旦电量下降,Mac 会大声发出友好又急切的警告。
盯着一个 URL 直到它返回 2xx,然后语音庆祝部署成功。
$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
-> 每 30 秒检查一次,直到预发布环境上线;Mac 会说:“部署已上线,URL 正在响应!”
把随口一句话改写得礼貌得体。
$echo "hey can u send me docs asap" | apfel "rephrase politely"
-> "Could you please share the documents at your earliest ..."
请求一个 URL,只看响应头就问出发生了什么。
$curl -sI https://github.com | apfel "explain what happens at this URL in one sentence, based on the HTTP headers"
-> GitHub 返回一个 HTML 页面,带有严格的缓存和安全响应头。
把今天的 Hacker News 总结成一句话并朗读出来。
$curl -s https://news.ycombinator.com | grep titleline | sed "s/<[^>]*>//g" | apfel "summarize hacker news today in one cheerful sentence" | say
-> Mac 用一段精炼的摘要播报当天的热门文章。
用通俗的话解释一段 JSON。
$echo '{"name":"alice","plan":"pro","credits":42}' | apfel "explain this JSON in one sentence"
-> 一位名叫 Alice 的用户,使用 pro 套餐,有 42 点额度。
不开计算器也能算。
$apfel "what is 15% tip on 87.50, just the number"
-> 13.13
不离开终端就能生成正则表达式。
$apfel "regex for a valid email address, just the regex"
-> ^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$
忘了的 bash 单行命令,问一下就有。
$apfel "give me one find command that lists files larger than 100MB, just the bash command"
-> find / -type f -size +100M
看不懂的命令,别猜,让它解释。
$apfel "explain the command tar -xzvf file.tar.gz in one sentence"
-> 解压一个 gzip 压缩的 tarball,并解包到当前目录。
忘了具体的 git 命令?直接问。
$apfel "git command to uncommit but not unedit my last commit, just the command"
-> git reset --soft HEAD~1
用一句话读懂别人写的正则。
$apfel "explain this regex in one sentence: ^\d{3}-\d{4}$"
-> 匹配 3 位前缀、一个连字符和 4 位数字,即美国电话号码格式。
把随意写的日期转换成 ISO 8601 格式。
$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
把整个文件总结成 3 个要点。
$apfel -f README.md "summarize in 3 bullets"
-> 3 个要点,涵盖范围、安装和用法。
兼容 OpenAI。
改一个 URL,代码不用动。
无缝替代
apfel 支持 OpenAI API。任何能与 OpenAI 通信的客户端库、框架或工具,都可以改为与你 Mac 上的 AI 通信。只需修改 base URL。
- ✓ POST /v1/chat/completions
- ✓ POST /v1/responses(Responses API)
- ✓ 流式输出(SSE)
- ✓ 工具调用 / 函数调用
- ✓ GET /v1/models
- ✓ response_format: json_object, json_schema
- ✓ 以 data URL 形式传入 image_url(macOS 27)
- ✓ temperature, max_tokens, seed
- ✓ 支持浏览器客户端的 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)
和 Apple 的 fm 同一个模型,分工不同。
macOS 27 自带 fm,这是 Apple 官方为端侧模型提供的命令行前端。下面是两者的区别。
| apfel | Apple fm | |
|---|---|---|
| 运行于 | macOS 26 和 27 通用,同一个二进制 | 仅限 macOS 27 |
| 安装 | brew install apfel | 系统自带(需运行一次 sudo fm license) |
| OpenAI 客户端无需修改即可使用 | 是:默认输出 JSON,提供 usage,遵守 max_tokens,错误码已映射 | 默认流式输出,忽略 max_tokens,触发护栏时返回 500 |
| 工具调用和 MCP | 原生工具调用,支持本地和远程 MCP 服务器 | 无(tools 会把模板 token 泄漏到回复中) |
| 脚本化 | --code、-o json、9 种退出码、--count-tokens --strict | 纯文本,退出码 0 或 1 |
| 文件输入 | 文本、PDF、图片:两个系统版本都能 OCR 出文字,macOS 27 上还能把图片本身交给模型 | 图片可交给模型,另有内置的 OCR 和条形码工具 |
| 可持久保存的聊天会话 | 不支持 | 命名会话记录,--resume |
| 速度 | 同一台 Mac 上的同一个模型,上下文窗口相同(这台 M2 上为 4,096 token,M3 及更新机型为 8,192),token 计数完全一致。单次提示:0.35 秒 vs 0.30 秒。 | |
简史。apfel 先发布:2026 年 3 月 24 日完成首次提交并发布 v0.1.0,2026 年 3 月 31 日推出首个 GitHub 版本,4 月登上 Hacker News 首页。Apple 于 2026 年 6 月 8 日在 WWDC 上发布 fm,并于 2026 年 9 月 14 日随 macOS 27 推出。两者都通过同一个 FoundationModels 框架驱动同一个端侧模型;apfel 是开源的那个,也是还能在 macOS 26 上运行的那个。
每一行数据都于 2026-10-05 在 macOS 27.0.1(Apple M2,24 GB)上实测,每次 apfel 发版都会重新测量。完整页面包含服务器探测结果、token 计数对比表,以及复现所需的全部命令。
在 GitHub 上很受欢迎。
从零到 6,610 个 Star,还在持续增长。
Starred by engineers from Apple, Google, VMware, NVIDIA, and PlayStation.
在 GitHub 上点 Star数据截至
开始使用。
不用下载模型。不用注册。不用 API 密钥。只要这一行。
Homebrew
$ brew install apfel $ apfel "Hello, Mac"
从源码构建
$ git clone https://github.com/Arthur-Ficial/apfel.git $ cd apfel && make install
apfel 家族树。
一个不断壮大的原生 macOS 工具家族,全部基于 apfel 构建;还有把其他 Apple 框架带到终端的姊妹项目。
apfel-chat
支持多会话的 macOS 聊天客户端。流式 Markdown、语音输入输出、图像分析,完全私密,无需 API 密钥,无需云端。
SwiftUI 正式版
apfelpad
一个用来思考的公式记事本。在 Markdown 里输入 =apfel("summarize this"),结果就会就地流式输出。就像 =SUM,只不过算的是语言。
apfel-quick
随叫随到的 AI 浮层。在任何地方按 Ctrl+Space,输入问题,答案就会流式写入剪贴板。不用 Wi-Fi,不用账号,不用付费。
SwiftUI 全新
apfel-gui
原生 macOS SwiftUI 调试界面。与 Apple Intelligence 聊天,查看请求与响应、日志,还有语音转文字和文字转语音,全部在端侧完成。
SwiftUI
apfel-clip
菜单栏里的 AI 剪贴板操作。对任意文本按下 cmd+shift+V,即可修正语法、翻译、解释代码、总结。完全端侧运行,无需 API 密钥。
SwiftUI 正式版
apfel-mcp
让 apfel 能访问网页和你的文件。四个小巧的 MCP 工具:url-fetch、ddg-search、search-and-fetch 和一个只读文件读取器,每个都经过精简,以适配 apfel 的小上下文窗口(大多数 Mac 上为 4,096 token,macOS 27 上的 M3 及更新机型为 8,192)。
Python 全新
apfel-run
一个小巧的 UNIX 封装,为 apfel 提供持久化的 MCP 注册表。在纯文本配置文件里按名称启用或停用 MCP 服务器。重启后依然有效,没有 GUI,没有守护进程。
Shell 全新
apfel-server-kit
支撑整个生态的共享 Swift 包。发现、启动本地 apfel --serve 进程,并从中流式读取。它是所有 SwiftUI 版 apfel 应用通信的中枢。
Swift 全新
auge
姊妹项目。apfel 负责语言,auge 负责视觉。一个 CLI 搞定 OCR、图像分类、条形码和人脸检测,借助 Apple 的 Vision 框架 100% 在端侧运行。无需 API 密钥,无需云端。
Swift 姊妹项目
translate
姊妹项目。一个 UNIX 过滤器,外加可直接替换 DeepL、LibreTranslate 和 Google v2 的 HTTP 服务器,由 Apple 端侧 Translation 框架驱动。100% 端侧运行,由 NetworkGuard 强制保证。无需 API 密钥,无需云端。
Swift 姊妹项目常见问题。
问题收集自 Hacker News 和 Reddit。
需要什么版本的 macOS?
apfel 会访问我的个人数据吗?
会有数据离开我的 Mac 吗?
模型层面:Apple 的 FoundationModels 框架无需联网即可工作,完全在 Neural Engine 上运行。你的提示词和回复永远不会离开设备。用户数据绝不会用于训练。
工具层面:apfel 保持这一点不变。没有统计分析,没有遥测,没有追踪,没有自动检查更新,没有崩溃上报,也不会偷偷联网回传。开源,可审计。
上下文窗口有多大?
apfel --model-info 会显示你的 Mac 实际可用的窗口大小。非常适合 shell 脚本、摘要和文本转换,不适合长对话或大型文档。这个模型擅长什么?不擅长什么?
能力有限:数学、事实性记忆、长对话、复杂代码生成。
这个模型宁可拒绝回答,也不愿产生幻觉。这是 Apple 有意为之的设计。
服务器模式安全吗?
--token)、Origin 校验、仅限调试的日志端点。详见 server-security.md。需要启用 Apple Intelligence 吗?
如何更新 apfel?
apfel --update。它会识别安装方式、检查新版本,并在升级前征求确认。手动更新:brew upgrade apfel 或 git pull && make install。它用的是什么模型?
apfel 和 Ollama、LM Studio 有什么不同?
apfel 支持 MCP 和工具调用吗?
--mcp <server> 即可接入工具。参见工具调用指南。apfel 和 macOS 27 自带的 Apple fm CLI 有什么不同?
fm,这是 Apple 为同一个端侧模型提供的命令行前端。apfel 额外提供支持工具调用的 OpenAI 兼容服务器、MCP、JSON Schema 输出、以 data URL 传入图片、如实的退出码,以及对 macOS 26 的支持。并排实测对比:apfel vs fm。apfel 有遥测或联网回传功能吗?
apfel --update 时,它会去 Homebrew 检查新版本。开源,可审计。这是谁做的?
由 Arthur Ficial 共同维护,它是一个运行在 Anthropic Claude Opus 上的 OpenClaw 实例。开发中大量使用了 Claude Code 和 Codex,始终开启 high thinking / high effort 模式。
项目始于:2026 年 3 月 24 日。