OpenPilot: ein KI-Programmierassistent für eigene Modelle

Was macht OpenPilot, einfach erklärt?

OpenPilot ist ein quelloffener KI-Programmierassistent für den Desktop. Sie verbinden ein Sprachmodell, wählen einen Projektordner und beschreiben eine Aufgabe. Der Agent kann dort Dateien ändern und Befehle ausführen. So entstehen überprüfbare Änderungen im Projekt.

Das ist für Entwickler interessant, die Prototypen erstellen oder Fehler beheben und ihren Modellanbieter selbst wählen möchten. Codeprüfung und Tests bleiben notwendig.

Eigene API oder lokales Modell verwenden

Die Verbindung erfolgt über eine OpenAI-kompatible API. Genannt werden OpenAI, OpenRouter, Ollama, LM Studio und eigene Gateways. Für Ollama zeigt die Anleitung http://localhost:11434/v1; der Modellserver muss eingerichtet sein.

Längere Refactorings benötigen laut FAQ meist ein leistungsfähigeres Modell. Native Anthropic-Anbindung ist geplant; dokumentiert ist derzeit der Weg über OpenRouter.

Installation und erster Auftrag

Am 12. Oktober 2026 enthält v1.0.5 Windows-Installer und portable EXE sowie DMGs für Apple silicon und Intel-Macs. Die Website bezeichnet macOS noch als geplant. Maßgeblich sind die veröffentlichten Dateien. Für Windows nennt die Website Windows 10 oder neuer, x64.

1. Passende Desktop-Version installieren oder die portable Windows-Datei starten.
2. Unter Settings → Models Basis-URL, API-Schlüssel und Modell-ID speichern und das Modell auswählen.
3. Einen Projektordner öffnen und eine klar begrenzte Aufgabe beschreiben.
4. Werkzeugverlauf und Freigaben sensibler Befehle prüfen.
5. Änderungen und tatsächliche Testergebnisse kontrollieren.

Für den Start aus dem Quellcode beschreibt das Repository die Installation mit Node.js 20+, npm install und npm start.

Dateien ändern und Ergebnisse überprüfen

Der Agent kann Dateien lesen, durchsuchen, anlegen und bearbeiten. Das Terminal installiert Abhängigkeiten, startet Entwicklungsserver und führt Tests aus; die Ausgabe erscheint im Chat.

Ein sinnvoller erster Auftrag ist eine kleine API mit Health-Endpunkt und README. Geben Sie Sprache und erwartetes Verhalten an. Prüfen Sie anschließend Dateien und Tests und verlangen Sie bei Bedarf gezielte Korrekturen.

Lokale Anwendung und externe Datenflüsse unterscheiden

Mit einem Cloud-Modell gehen Anfragen an dessen Anbieter. TinyFish und entfernte MCP-Dienste schaffen weitere Verbindungen. Ein lokales Modell bedeutet daher nicht automatisch einen vollständig netzfreien Betrieb.

Laut Telemetry-Dokumentation sind anonyme Nutzungsstatistiken standardmäßig aktiv. Sie lassen sich im Onboarding oder unter Settings → About abschalten; Chats, Dateien, Pfade und API-Schlüssel sind laut Dokumentation ausgeschlossen. Der aktuelle Code verschlüsselt neu gespeicherte Geheimnisse lokal. Die ältere FAQ-Aussage zu fehlenden Servern und Betriebssystem-Schlüsselspeichern ist keine Grundlage für eine Offline- oder Datenschutzgarantie.

Webrecherche, MCP und wiederverwendbare Regeln

Für Websuche und Seitenabruf ist ein TinyFish-API-Schlüssel erforderlich. Ohne ihn bleiben Datei- und Terminalaufgaben verfügbar. MCP-Server werden in mcp.json eingetragen, nach Neustart geladen und pro Chat aktiviert. Unterstützt werden Werkzeuge und Ressourcen.

Skills speichern wiederverwendbare Abläufe; AGENTS.md hält Projektpräferenzen fest. Diese Anweisungen helfen bei konsistenter Arbeit, ersetzen aber keine Sicherheitsgrenze.

Kostenlose Software, getrennte Modellkosten

Stand 12. Oktober 2026 verlangt OpenPilot weder Konto noch Abonnement und nennt die MIT-Lizenz. Cloud-Modelle und angeschlossene Dienste haben eigene Gebühren und Limits. Ein pauschales kostenloses Tokenkontingent ist nicht belegt. Sitzungs- und Gesamtverbrauch pro Modell helfen beim Überblick, garantieren aber keinen bestimmten Rechnungsbetrag.

Häufige Fragen

Kann OpenPilot bestehende Projekte bearbeiten?

Ja. Im ausgewählten Ordner kann es Dateien lesen und ändern sowie Prüfungen ausführen. Kontrollieren Sie die Änderungen.

Sind auch Modellaufrufe kostenlos?

Nicht automatisch. Die Anwendung hat kein Abonnement; Gebühren und Kontingente der Anbieter gelten zusätzlich.

Funktioniert es mit Ollama oder LM Studio?

Ja, über kompatible Endpunkte. Qualität und Leistung hängen vom Modell und Rechner ab; weitere Verbindungen müssen separat geprüft werden.

Offizielle Anleitungen und Projekt-Support

• Einrichtungsanleitung: Modelle, Arbeitsordner und Erweiterungen.
• Quellcode: Implementierung und Start aus dem Repository.
• GitHub Issues: Fehler mit Version und reproduzierbaren Schritten melden.