apfel 是 旗下的專案。

v1.18.0 · 零設定 · MIT

apfel

免費 AI,你的 Mac 早已內建。

macOS Tahoe 內建一個 3B 參數的 LLM。apfel 只要一行 brew install,就能讓你在 CLI 中使用它。不用下載模型、不用 API 金鑰、不用任何設定,裝好就能用。

  • 零 token 費用
  • 裝置端 AI
  • 可腳本化
$ brew install apfel

github.com/Arthur-Ficial/apfel 上已有 6.6k+ 顆星

需求:Apple Silicon · macOS Tahoe · 已啟用 Apple Intelligence

第一次用 apfel?開始 60 秒教學(英文)

一切都在你的裝置上執行。沒有網路請求。任何資料都不會離開你的 Mac。

看它實際運作。

從 brew install 到 AI 輸出,只要 12 秒。完全不需要設定。

終端機 - apfel
$
真實終端機錄影,未經剪輯:apfel 1.18.0,macOS 27.0.1,MacBook Air M2。

零設定。零 LLM 下載。零 token 費用。

其他本機 AI 工具也很棒,但都得先下載模型、再做設定。apfel 什麼都不需要:模型早就在你的 Mac 上了。一行 brew install,搞定。

$0
token 費用
不用 API 金鑰。不用訂閱。不按 token 計費。你的硬體,你的 AI。
100%
裝置端執行
每個 token 都在你的 Apple Silicon 上本機產生。任何資料都不會離開你的電腦,永遠不會。
0
設定步驟
沒有 YAML。沒有環境變數。不必挑模型。安裝一次,一直用下去。

背後的模型

Apple ML Research
~3B參數量
4,096 / 8,192上下文視窗(M1/M2 / macOS 27 上的 M3 及更新機型)
~3.5 bpw量化
Mixed 2/4-bit精度
Neural Engine執行環境
en, de, es, fr, it, ja, ko, pt, zh語言

三種工具。 一次安裝。

一個 CLI、一個相容 OpenAI 的伺服器,再加上互動式聊天。全部來自同一行 brew install,不需額外下載。

>_

UNIX 工具

適合管線串接,可自由組合。能搭配 jq、xargs 和你的 shell 腳本使用。支援 stdin、stdout、JSON 輸出、以 --schema 產生符合 schema 的 JSON、以 --messages 從訊息檔進行多輪對話、檔案附件,以及正確的結束碼。

$ apfel "What is the capital of Austria?"
The capital of Austria is Vienna.

$ apfel -o json "Translate to German: Apple" | jq .content
"Apfel"

# --schema: output guaranteed to match your JSON Schema
$ apfel --schema person.json "Alice is 30." | jq .name
"Alice"

# --code: just the command, no prose, no fences
$ apfel --code "flush the dns cache on macos"
sudo /usr/bin/dscacheutil -flushcache
{ }

OpenAI 伺服器

在 localhost:11434 上可直接替換 OpenAI。把任何 OpenAI SDK 指向它就能用。支援 Chat Completions 與 Responses API、串流輸出、工具呼叫、JSON Schema 輸出、CORS。

$ apfel --serve
Server running on http://127.0.0.1:11434

# any OpenAI client works
$ curl localhost:11434/v1/chat/completions ...
...

互動式聊天

多輪對話,自動管理上下文。五種裁剪策略。支援系統提示詞。在終端機輸入 apfel 就能開始。全程都在你的 Mac 上。

$ apfel --chat -s "You are a coding assistant"
Type 'quit' to exit.
> How do I reverse a list in Python?

原生支援 MCP。

為 Apple 的裝置端模型配上工具。什麼工具都行。

用 --mcp 接上工具伺服器

apfel 支援 Model Context Protocol。把它指向任何 MCP 伺服器,裝置端模型就能使用工具:數學運算、API、資料庫,任何你能寫成伺服器的東西都行。

  • 三種模式都能用:CLI、伺服器和聊天
  • 啟動時透過 MCP tools/list 自動找出可用工具
  • 自動偵測並執行工具呼叫,再自動把結果回傳給模型
  • 不加 --mcp 參數就沒有任何額外負擔:零額外 token,程式碼路徑完全不變
  • 內附一個計算機 MCP 伺服器作為概念驗證
  • 透過 URL 連接遠端 MCP 伺服器:--mcp https://...,可選用 Bearer token 驗證
終端機 - apfel + MCP
# give the model a calculator
$ apfel --mcp ./mcp/calculator/server.py \
  "What is 15 times 27?"

tool: multiply({"a": 15, "b": 27}) = 405
15 times 27 is 405.

# attach multiple servers
$ apfel --mcp ./calc.py --mcp ./weather.py \
  "What is sqrt(2025)?"

tool: sqrt({"n": 2025}) = 45.0
The square root of 2025 is 45.

# remote MCP server over HTTPS
$ apfel --mcp https://mcp.example.com/v1 "query"

# server mode - tools auto-available to all clients
$ apfel --serve --mcp ./calc.py

運作原理。

Apple 在每台 Mac 裡都內建了 LLM,卻一直閒置在那裡。apfel 為它開了一扇大門,而且完全不用設定。

Apple 內建了裝置端 LLM

從 macOS 26(Tahoe)開始,每台 Apple Silicon Mac 都內含一個語言模型,屬於 Apple Intelligence 的一部分。Apple 透過 FoundationModels 框架開放它,這是一套讓 App 存取 SystemLanguageModel 的 Swift API。所有推論都在 Neural Engine 和 GPU 上執行。沒有網路請求,沒有雲端,沒有 API 金鑰。模型就在那裡。

但 Apple 只把它用在 Siri 上

預設情況下,裝置端模型只用來驅動 Siri、Writing Tools 和系統功能。沒有終端機指令,沒有 HTTP 端點,也沒辦法用管線把文字傳給它。FoundationModels 框架雖然存在,但你得自己寫一個 Swift App 才能用。apfel 做的正是這件事。

apfel 補上了什麼

apfel 是一個 Swift 6.3 二進位執行檔,它包裝了 LanguageModelSession,並以三種方式提供:支援 stdin/stdout 的 UNIX 命令列工具、相容 OpenAI 的 HTTP 伺服器(以 Hummingbird 打造),以及具備上下文管理的互動式聊天。

它處理了 Apple 原始 API 沒有處理的部分:正確的結束碼、JSON 輸出、檔案附件、針對小上下文視窗(4,096 token,在執行 macOS 27 的 M3 及更新機型上為 8,192)的五種上下文裁剪策略、透過 SDK 精確計算 token,以及把 OpenAI 工具 schema 轉換成 Apple 原生的 Transcript.ToolDefinition 格式。

硬體 Apple Silicon(Neural Engine + GPU)
|
模型 Apple 裝置端 LLM(隨 macOS 內建)
|
SDK FoundationModels.framework(Swift API)
|
apfel CLI + HTTP 伺服器 + 上下文管理
|
你 終端機、shell 腳本、OpenAI SDK、curl
4,096 或 8,192 token 上下文視窗(輸入 + 輸出)。macOS 26 及 M1/M2 Mac 上為 4,096;macOS 27 上記憶體 12 GB 以上的 M3 或更新機型為 8,192。apfel 會在執行時讀取這個值。
1 個模型 固定,無法更換
Swift 6.3 嚴格並行檢查,不需 Xcode
MIT 授權 開放原始碼

隱私,從設計做起。

使用 apfel 時,連一個 HTTP 請求都不會發出。以下每項說明都附有 Apple 官方文件的連結。

裝置端執行,離線也能用。

FoundationModels 框架完全在你的 Apple Silicon Neural Engine 上執行。不需要伺服器、不需要雲端,也不需要網路連線。

"You can build experiences that are smart, private, and work without internet connectivity." - Apple Developer

你的資料只屬於你。

Apple 不會從裝置端推論中收集提示詞、回應或任何使用資料。什麼都不儲存,什麼都不傳送。

"The cornerstone of Apple Intelligence is on-device processing." - Apple Privacy

絕不用於訓練。

Apple 只使用經過授權的資料和公開資料來訓練基礎模型。你的互動內容絕不會進入訓練流程。

"We do not use our users' private personal data or user interactions when training our foundation models." - Apple ML Research

apfel 完全不追蹤。

沒有分析、沒有遙測、沒有自動檢查更新、沒有當機回報,也不會偷偷回傳資料。apfel 唯一會發出的網路請求,只在你明確執行 apfel --update 時發生。所有程式碼皆已開放原始碼。

附贈強大工具。

這些 shell 腳本都在 demo/ 資料夾裡。先安裝 apfel,再挑你想要的拿去用。

>_

cmd

用自然語言產生 shell 指令。說出你想做什麼,指令就出來了。

$ cmd "find all .log files modified today"
|>

oneliner

用白話產生管線指令串。awk、sed、sort、uniq,幫你一次組好。

$ oneliner "count unique IPs in access.log"
**

mac-narrator

像自然紀錄片一樣,旁白解說你 Mac 的系統活動。

$ mac-narrator --watch
?

explain

用淺白的話解釋任何指令、錯誤訊息或程式碼片段。

$ explain "awk '{print $1}' file | sort -u"
./

wtd

這個目錄是做什麼的?任何程式碼庫都能立刻掌握全貌。

$ wtd
++

gitsum

用幾句話總結最近的 git commit。

$ gitsum

30 個實用又酷的單行指令。

每個指令都在真實的 Mac 上測試過。把 apfel 和 ps、lsof、du、vm_stat、git、pbpaste、sleep、pgrep、curl、say 串起來用,這種組合能力是雲端 AI 比不上的,因為它們看不到你的行程、你的剪貼簿、你的 git diff。apfel 看得到。

即時系統 8

現在是誰在吃我的 CPU。

$ps aux | sort -k 3 -nr | head -5 | awk '{print $11, $3"%"}' | apfel "which app is using the most CPU"

-> WindowServer 佔用最多 CPU,達 42.6%。

哪些 App 在監聽哪些連接埠。

$lsof -iTCP -sTCP:LISTEN -n -P | head -15 | apfel "list which apps own which ports as a table"

-> 11434 fichten, 18789 node, 5000 ControlCenter ...

哪個磁碟區快滿了。

$df -h | apfel "which volume is fullest, one sentence"

-> /dev/disk3s1 最滿,926Gi 中已用 263Gi。

把 vm_stat 翻成白話。

$vm_stat | apfel "explain my memory usage in plain english, one sentence"

-> 使用中分頁 349k、固定分頁 266k:記憶體佔用相當可觀。

這裡哪些資料夾最吃磁碟空間。

$du -sh */ 2>/dev/null | sort -rh | head -5 | apfel "which folders are eating most disk, one sentence"

-> Library(36G)和 Downloads(604M)佔了大宗。

這個資料夾裡最大的檔案。

$ls -laS | head -10 | apfel "what are the biggest files here, just file names"

-> apfel-quick-preview.png、og.png、translate-preview.png ...

現在哪些 App 正在連網。

$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 ...

一行看完電池健康度和剩餘時間。

$pmset -g batt | apfel "battery health and percent, one line"

-> 已充飽,健康度 100%,目前使用中。

Git 2

用白話回顧最近的 commit。

$git log --oneline -20 | apfel "summarize what I have been working on"

-> 從 v1.2.1 更新到 v1.3.2,新增姊妹專案 ...

根據最近的 commit 草擬一行發行說明。

$git log --oneline -5 | apfel "write a one-line release note based on these commits"

-> 發佈 v1.3.2:5053 顆星、783 個測試,多項更新。

剪貼簿一進一出 4

修正剪貼簿內容的文法,再把結果放回去。

$pbpaste | apfel "fix grammar" | pbcopy

-> 「i has went」變成「I went」,並放回剪貼簿。

把剪貼簿內容翻成日文,再放回去。

$pbpaste | apfel "translate to japanese" | pbcopy

-> 剪貼簿裡現在是日文譯文。

把剪貼簿裡的一大段文字濃縮成 3 個重點。

$pbpaste | apfel "summarize in 3 bullets"

-> 終端機裡出現 3 個精簡的重點。

從剪貼簿裡的會議筆記整理出清楚的待辦事項。

$pbpaste | apfel "extract just the action items as a clean bullet list, no other text" | pbcopy

-> 「Sarah drafts Q3 budget」、「email design team」... 已放回剪貼簿。

監看與語音通知 6

長時間任務完成時用語音提醒你(這裡設為 30 分鐘後)。

$sleep 1800 && apfel "tell me cheerfully my long task just finished, one short sentence" | say

-> Mac 說:「你的長時間任務剛完成,做得好!」

等檔案出現在 Downloads 裡,再用語音通知。

$until [ -e ~/Downloads/Report.pdf ]; do sleep 5; done; apfel "tell me my download just landed, one cheerful sentence" | say

-> 每 5 秒檢查一次;Report.pdf 一出現,Mac 就會開口通知。

等長時間執行的行程結束,再用語音通知。

$while pgrep -q ffmpeg; do sleep 5; done; apfel "tell me cheerfully that my video encoding is done, one short sentence" | say

-> 每 5 秒檢查一次;ffmpeg 一結束,Mac 就會開口通知。

每 30 分鐘用語音總結你剛完成的工作。

$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

-> 你繼續寫程式,它每半小時自動朗讀一次站立會議摘要。

每 15 分鐘檢查一次,電量低於 20% 時用語音警告。

$while sleep 900; do P=$(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

-> 電量充足時保持安靜;電量一掉下來,Mac 就會大聲發出友善又急迫的警告。

監看某個 URL 直到它回傳 2xx,再用語音慶祝部署成功。

$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 秒檢查一次,直到 staging 環境上線;Mac 會說:「部署已上線,URL 有回應了!」

網頁與文字 4

把隨口一句話改寫得客氣得體。

$echo "hey can u send me docs asap" | apfel "rephrase politely"

-> "Could you please share the documents at your earliest ..."

對 URL 發出請求,只憑回應標頭就弄清楚狀況。

$curl -sI https://github.com | apfel "explain what happens at this URL in one sentence, based on the HTTP headers"

-> GitHub 回傳一個 HTML 頁面,附帶嚴格的快取與安全標頭。

把今天的 Hacker News 濃縮成一句話,再朗讀出來。

$curl -s https://news.ycombinator.com | grep titleline | sed "s/<[^>]*>//g" | apfel "summarize hacker news today in one cheerful sentence" | say

-> Mac 用一段精簡摘要播報當天的熱門文章。

用白話解釋一段 JSON。

$echo '{"name":"alice","plan":"pro","credits":42}' | apfel "explain this JSON in one sentence"

-> 一位名叫 Alice 的使用者,使用 pro 方案,有 42 點額度。

快速查詢 8

不用開計算機也能算。

$apfel "what is 15% tip on 87.50, just the number"

-> 13.13

不離開終端機就能產生正規表示式。

$apfel "regex for a valid email address, just the regex"

-> ^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$

忘記的 bash 單行指令,問一下就有。

$apfel "give me one find command that lists files larger than 100MB, just the bash command"

-> find / -type f -size +100M

看不懂的指令,別用猜的,讓它解釋。

$apfel "explain the command tar -xzvf file.tar.gz in one sentence"

-> 解壓縮以 gzip 壓縮的 tarball,並展開到目前目錄。

忘了確切的 git 指令?直接問。

$apfel "git command to uncommit but not unedit my last commit, just the command"

-> git reset --soft HEAD~1

一句話看懂別人寫的正規表示式。

$apfel "explain this regex in one sentence: ^\d{3}-\d{4}$"

-> 符合 3 位數字的前綴、一個連字號和 4 位數字,也就是美國電話號碼格式。

把隨手寫的日期轉成 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

把整個檔案濃縮成 3 個重點。

$apfel -f README.md "summarize in 3 bullets"

-> 3 個重點,涵蓋範圍、安裝與用法。

相容 OpenAI。

改一個 URL,程式碼照用。

直接替換

apfel 支援 OpenAI API。任何能和 OpenAI 溝通的用戶端程式庫、框架或工具,都能改成和你 Mac 上的 AI 溝通。只要改掉 base URL 就行。

  • ✓ POST /v1/chat/completions
  • ✓ POST /v1/responses(Responses API)
  • ✓ 串流(SSE)
  • ✓ 工具呼叫 / 函式呼叫
  • ✓ GET /v1/models
  • ✓ response_format: json_object, json_schema
  • ✓ 以 data URL 傳入 image_url(macOS 27)
  • ✓ temperature, max_tokens, seed
  • ✓ 支援瀏覽器用戶端的 CORS
Python
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 同一個模型,分工不同。

macOS 27 內建 fm,這是 Apple 官方為裝置端模型打造的命令列前端。以下是兩者的差異。

 apfelApple fm
執行環境macOS 26 和 27 通用,同一個二進位檔僅限 macOS 27
安裝brew install apfel系統內建(需執行一次 sudo fm license)
OpenAI 用戶端無需修改即可使用是:預設輸出 JSON,提供 usage,遵守 max_tokens,錯誤已對應除非另外指定,否則一律串流;忽略 max_tokens;觸發防護機制時回傳 500
工具呼叫與 MCP原生工具呼叫,支援本機與遠端 MCP 伺服器無(tools 會把範本 token 洩漏到回覆中)
腳本化--code、-o json、9 種結束碼、--count-tokens --strict純文字,結束碼只有 0 或 1
檔案輸入文字、PDF、圖片:兩個系統版本都能用 OCR 擷取文字,macOS 27 上還能把圖片本身交給模型圖片可交給模型,另有內建的 OCR 與條碼工具
可保存的聊天工作階段不支援具名的對話紀錄,--resume
速度同一台 Mac 上的同一個模型,上下文視窗相同(這台 M2 上為 4,096 token,M3 及更新機型為 8,192),token 計數完全一致。單次提示:0.35 秒 vs 0.30 秒。

簡史。apfel 搶先推出:2026 年 3 月 24 日完成首次 commit 並發佈 v0.1.0,2026 年 3 月 31 日推出第一個 GitHub Release,4 月登上 Hacker News 首頁。Apple 於 2026 年 6 月 8 日在 WWDC 上發表 fm,並於 2026 年 9 月 14 日隨 macOS 27 推出。兩者都透過同一個 FoundationModels 框架驅動同一個裝置端模型;apfel 是開源的那一個,也是還能在 macOS 26 上執行的那一個。

每一列結果都於 2026-10-05 在 macOS 27.0.1(Apple M2,24 GB)上實測,每次 apfel 發佈新版都會重新測量。完整頁面包含伺服器探測結果、token 計數對照表,以及重現結果所需的所有指令。

GitHub 上的人氣專案。

從零到 6,610 顆星,而且還在增加。

6,610
GitHub 星數
251 個 Fork
2450 個測試
v1.18.0 已發佈

Starred by engineers from Apple, Google, VMware, NVIDIA, and PlayStation.

到 GitHub 給顆星
0 1,000 2,000 3,000 4,000 5,000 6,000 7,000 8,000 5,012 APR 28 6,016 JUL 10 6,610 NOW Mar 24 Apr 3 · HN front page Nov 16

資料更新至

開始使用。

不用下載模型。不用註冊。不用 API 金鑰。只要這一行。

Homebrew

macOS 26 以上,需啟用 Apple Intelligence
$ brew install apfel
$ apfel "Hello, Mac"

從原始碼建置

需要 CLT + macOS 27 SDK(可在 26 和 27 上執行)
$ git clone https://github.com/Arthur-Ficial/apfel.git
$ cd apfel && make install

apfel 家族樹。

一個持續壯大的原生 macOS 工具家族,全都以 apfel 為基礎打造;還有把其他 Apple 框架帶進終端機的姊妹專案。

apfel-chat - 私密的 macOS AI 聊天

apfel-chat

支援多個對話的 macOS 聊天用戶端。串流 Markdown、語音輸入與輸出、影像分析,完全私密,不需 API 金鑰,也不需雲端。

SwiftUI 正式版
apfelpad - 搭載裝置端 AI 的公式筆記本

apfelpad

一本用來思考的公式筆記本。在 Markdown 裡輸入 =apfel("summarize this"),就能看著結果直接在文中串流出來。就像 =SUM,只是算的是語言。

SwiftUI 全新
apfel-quick - macOS 上隨叫隨到的 AI 浮動視窗

apfel-quick

隨叫隨到的 AI 浮動視窗。在任何地方按下 Ctrl+Space,輸入問題,答案就會串流到你的剪貼簿。不用 Wi-Fi、不用帳號、不用付費。

SwiftUI 全新
apfel-gui 螢幕截圖

apfel-gui

原生 macOS SwiftUI 除錯介面。和 Apple Intelligence 聊天,檢視請求與回應、日誌,還有語音轉文字、文字轉語音,全部在裝置端完成。

SwiftUI
apfel-clip - AI 剪貼簿動作

apfel-clip

從選單列使用 AI 剪貼簿動作。對任何文字按下 cmd+shift+V,就能修正文法、翻譯、解釋程式碼、做摘要。完全在裝置端執行,不需 API 金鑰。

SwiftUI 正式版
apfel-mcp - 為 apfel 打造的 MCP 伺服器

apfel-mcp

讓 apfel 能存取網路和你的檔案。四個小巧的 MCP 工具:url-fetch、ddg-search、search-and-fetch,以及一個唯讀的檔案讀取器,每個都經過精簡,好塞進 apfel 的小上下文視窗(多數 Mac 上為 4,096 token,在 macOS 27 的 M3 及更新機型上為 8,192)。

Python 全新
apfel-run - 持久保存的 MCP 登錄表

apfel-run

一個小巧的 UNIX 包裝工具,為 apfel 提供持久保存的 MCP 登錄表。在純文字設定檔中依名稱啟用或停用 MCP 伺服器。重新啟動後依然保留,沒有 GUI,也沒有常駐程式。

Shell 全新
apfel-server-kit - 生態系工具專用的 Swift 套件

apfel-server-kit

支撐整個生態系的共用 Swift 套件。可尋找、啟動本機的 apfel --serve 行程,並從中串流讀取。每個 SwiftUI 版 apfel App 都透過它溝通,是整個生態系的骨幹。

Swift 全新
auge - 在終端機中使用 Apple Vision 框架

auge

姊妹專案。apfel 負責語言,auge 負責視覺。一個 CLI 搞定 OCR、影像分類、條碼與人臉偵測,透過 Apple 的 Vision 框架 100% 在裝置端執行。不需 API 金鑰,也不需雲端。

Swift 姊妹專案
translate - 在終端機中使用 Apple Translation 框架

translate

姊妹專案。一個 UNIX 篩選器,外加可直接取代 DeepL、LibreTranslate 和 Google v2 的 HTTP 伺服器,由 Apple 裝置端的 Translation 框架驅動。100% 在裝置端執行,由 NetworkGuard 強制把關。不需 API 金鑰,也不需雲端。

Swift 姊妹專案

常見問題。

問題蒐集自 Hacker News 和 Reddit。

需要哪個版本的 macOS?
macOS 26(Tahoe)或更新版本。FoundationModels 框架只隨 Tahoe 提供,無法在 Sequoia 或更早的版本上使用。需要 Apple Silicon(M1 或更新)。
apfel 會存取我的個人資料嗎?
不會。FoundationModels 框架完全無法存取聯絡人、郵件、行事曆、照片或 Semantic Index。這些只開放給 Apple 自家的功能使用。
會有任何資料離開我的 Mac 嗎?
不會。有兩層隱私保護。

模型層面:Apple 的 FoundationModels 框架不需網路連線就能運作,完全在 Neural Engine 上執行。你的提示詞和回應永遠不會離開裝置。使用者資料絕不會用於訓練。

工具層面:apfel 也守住這一點。沒有分析、沒有遙測、沒有追蹤、沒有自動檢查更新、沒有當機回報,也不會偷偷回傳資料。開放原始碼,任何人都能稽核。
上下文視窗有多大?
在 macOS 26 和 M1/M2 Mac 上,輸入加輸出合計 4,096 token(約 3,000 個英文單字)。在 macOS 27 上,搭載 M3 或更新晶片且記憶體至少 12 GB 的 Mac,會使用 Apple 較大的裝置端模型(AFM 3 Core Advanced),上下文為 8,192 token。apfel 從不寫死這個值:apfel --model-info 會顯示你的 Mac 實際可用的視窗大小。很適合 shell 腳本、摘要和文字轉換,不適合長對話或大型文件。
這個模型擅長什麼?哪些地方比較吃力?
擅長:shell 腳本、文字轉換、分類、簡短摘要、JSON 重組、翻譯。

能力有限:數學、事實記憶、長對話、產生複雜的程式碼。

這個模型寧可拒答,也不願產生幻覺。這是 Apple 刻意的設計選擇。
伺服器模式安全嗎?
預設關閉。啟用後提供:Bearer token 驗證(--token)、Origin 檢查、僅限除錯模式的日誌端點。詳見 server-security.md。
需要啟用 Apple Intelligence 嗎?
需要。系統設定 > Apple Intelligence 與 Siri > 開啟。這會下載模型。你不必使用 Siri,只要開啟即可。請參閱 Apple 設定指南。
如何更新 apfel?
執行 apfel --update。它會偵測安裝方式、檢查是否有新版本,並在升級前先詢問你。手動更新:brew upgrade apfel 或 git pull && make install。
它用的是什麼模型?
Apple 自家的 AFM(Apple Foundation Model),約 3B 參數,採用 2 位元與 4 位元混合量化。不是 OpenAI 的模型。隨 macOS Tahoe 提供,完全在裝置端的 Neural Engine 上執行。
apfel 和 Ollama、LM Studio 有什麼不同?
零 LLM 下載,即開即用,免設定。apfel 使用的是你 Mac 上原本就有的模型。Ollama 和 LM Studio 提供更多模型和更大的上下文視窗,但需要另外下載和設定。不同的工具,滿足不同的需求。
apfel 支援 MCP 和工具呼叫嗎?
支援。內建原生 MCP。傳入 --mcp <server> 就能接上工具。請參閱工具呼叫指南。
apfel 和 macOS 27 內建的 Apple fm CLI 有什麼不同?
同一個模型,分工不同。macOS 27 內建 fm,這是 Apple 為同一個裝置端模型打造的命令列前端。apfel 額外提供支援工具呼叫的 OpenAI 相容伺服器、MCP、JSON Schema 輸出、以 data URL 傳入圖片、如實的結束碼,以及對 macOS 26 的支援。並排實測比較:apfel vs fm。
apfel 有遙測或回傳資料的功能嗎?
完全沒有。apfel 從不在背景連線到任何伺服器。唯一的網路請求發生在你明確執行 apfel --update 時,它會向 Homebrew 檢查是否有新版本。開放原始碼,任何人都能稽核。
這是誰做的?
apfel 由 Franz Enzenhofer 打造(系統思考者、作家、從 C64 時代就開始寫程式的開發者、AI 技師)/ HN 上的 franze / Full Stack Optimization 與 franzai.com 創辦人。

由 Arthur Ficial 共同維護,它是一個在 Anthropic 的 Claude Opus 上執行的 OpenClaw 實例。開發過程大量使用 Claude Code 和 Codex,始終開啟高強度思考 / 高投入模式。

起始日期:2026 年 3 月 24 日。
它是怎麼測試的?
334 個單元測試 + 216 個整合測試(端對端、OpenAI 用戶端相容性、OpenAPI 規格驗證、安全性、效能)。截至 2026 年 4 月 12 日,共 550 個測試。
apfel 是怎麼誕生的?
apfel 最初是想在 Apple Intelligence 上以極致省 token 模式執行 OpenClaw。因為上下文視窗只有 4K,這個嘗試沒有成功。但後來發現,一個本機、快速、可腳本化、在裝置端執行、隨時可用、零設定、隱私優先的 LLM,實在太棒了:強大、好玩,又有趣。