OpenPilot: AI untuk coding di folder proyek sendiri

Apa kegunaan OpenPilot? Penjelasan sederhana

OpenPilot adalah aplikasi desktop sumber terbuka untuk coding dengan AI. Anda menghubungkan model bahasa, memilih folder proyek, lalu menjelaskan tugas. Agen dapat membuat atau mengubah berkas dan menjalankan perintah. Hasilnya ada di proyek nyata yang bisa diperiksa.

Cocok bagi pengembang yang membuat prototipe atau memperbaiki kode dan ingin memilih penyedia model sendiri. Peninjauan kode dan pengujian tetap diperlukan.

Aplikasi gratis, penggunaan model dihitung terpisah

Berdasarkan pemeriksaan 12 Oktober 2026, OpenPilot tidak memerlukan akun produk atau langganan dan menyatakan lisensi MIT. Model cloud dan layanan terhubung mempunyai tarif serta batas sendiri. Tidak ada kuota token gratis universal yang terverifikasi. Penghitung per sesi dan total penggunaan menurut model membantu memantau konsumsi, tetapi tidak menjamin tagihan tetap.

Dari permintaan ke perubahan yang dapat diperiksa

Agen dapat membaca, mencari, membuat, dan mengedit berkas. Terminal bisa memasang dependensi, menjalankan server pengembangan, serta mengeksekusi pengujian; keluarannya ditampilkan dalam percakapan.

Untuk mencoba, minta API kecil dengan endpoint pemeriksaan kesehatan dan README. Jelaskan bahasa pemrograman serta perilaku yang diharapkan. Periksa berkas dan hasil pengujian yang sebenarnya, kemudian minta perbaikan yang spesifik.

Memasang dan memulai tugas pertama

Rilis v1.0.5 menyediakan installer Windows dan EXE portabel, serta DMG untuk Mac Apple silicon dan Intel. Situs masih menyebut macOS akan datang; periksa berkas rilis yang tersedia. Halaman Windows mencantumkan Windows 10 atau lebih baru, x64.

1. Unduh versi sesuai sistem dan arsitektur komputer.
2. Di Settings → Models, masukkan URL dasar, kunci API, dan ID model; simpan dan pilih model.
3. Buka folder proyek lalu berikan tugas dengan cakupan jelas.
4. Ikuti aktivitas alat dan tinjau permintaan persetujuan perintah sensitif.
5. Periksa perubahan berkas dan jalankan pengujian terkait.

Untuk menjalankan dari sumber, repositori menjelaskan Node.js 20+, npm install, dan npm start.

Menggunakan API cloud atau model lokal

Koneksi memakai API yang kompatibel dengan OpenAI. Dokumentasi menyebut OpenAI, OpenRouter, Ollama, LM Studio, dan gateway khusus. Contoh alamat Ollama adalah http://localhost:11434/v1; server model perlu disiapkan terlebih dahulu.

Kualitas tugas bertahap bergantung pada model. FAQ menyarankan model lebih kuat untuk refactoring panjang. Adaptor Anthropic native masih direncanakan; jalur yang didokumentasikan saat ini melalui OpenRouter.

Riset web, MCP, dan ingatan proyek

Pencarian web dan pengambilan halaman memerlukan kunci API TinyFish. Tanpa konfigurasi itu, tugas berkas dan terminal tetap tersedia. Tambahkan server MCP ke mcp.json, mulai ulang aplikasi, lalu aktifkan alat dan sumber daya per percakapan.

Skills membantu mengulang prosedur, sedangkan AGENTS.md menyimpan preferensi proyek. Instruksi ini mengurangi pengulangan konteks, tetapi bukan batas keamanan.

Lokal tidak selalu berarti tanpa koneksi luar

Saat memakai model cloud, permintaan dikirim ke penyedianya. TinyFish dan MCP jarak jauh juga dapat menghubungi sistem eksternal. Model lokal saja tidak otomatis membuat seluruh konfigurasi offline.

Dokumentasi telemetri menyatakan statistik anonim aktif secara default, dapat dimatikan saat penyiapan awal atau di Settings → About, dan mengecualikan percakapan, berkas, jalur, serta kunci API. Kode saat ini mengenkripsi rahasia baru yang disimpan secara lokal. Pernyataan FAQ lama tentang server dan penyimpanan sistem tidak cukup untuk menjamin nol lalu lintas jaringan atau kebijakan retensi penyedia lain.

Pertanyaan umum

Bisa mengubah proyek yang sudah ada?

Bisa. Agen membaca dan mengedit folder pilihan serta menjalankan pemeriksaan. Tinjau perubahan sebelum menggunakannya.

Apakah panggilan model juga gratis?

Belum tentu. Aplikasi tidak memerlukan langganan, tetapi penyedia model dan layanan dapat mengenakan biaya serta kuota.

Bisa memakai Ollama atau LM Studio?

Bisa melalui endpoint kompatibel. Hasil bergantung pada model dan perangkat keras; koneksi lain perlu ditinjau terpisah.

Sumber resmi dan bantuan proyek

• Panduan awal: model, folder kerja, dan alat tambahan.
• Repositori sumber: kode dan cara menjalankan dari sumber.
• GitHub Issues: laporkan masalah dengan versi dan langkah reproduksi.