Installation

Voraussetzungen

Windows, macOS oder Linux. Keine Administratorrechte nötig: Alles wird in Ihr Benutzerkonto installiert.
Python 3.12 oder 3.13, die Versionen, mit denen Latet getestet wird. Sie müssen es nicht selbst installieren: uv holt bei Bedarf eines.
Mindestens ein unterstützter Agent: Claude Code, Codex, OpenCode, Gemini CLI oder ein Tool, das eine OpenAI-, Anthropic- oder Gemini-kompatible Adresse annimmt (siehe GitHub Copilot, JetBrains, Zed und andere Tools).

Installation mit einem Befehl

Unter macOS und Linux:

curl -LsSf https://raw.githubusercontent.com/Latet-AI/latet/main/scripts/install.sh | sh

Unter Windows (PowerShell):

irm https://raw.githubusercontent.com/Latet-AI/latet/main/scripts/install.ps1 | iex

Das Skript erledigt zwei Dinge, in dieser Reihenfolge:

Es installiert uv, den Python-Werkzeugmanager, falls es auf Ihrem Rechner noch fehlt.
Es installiert mit uv die neueste Version von Latet aus GitHub als isoliertes Kommandozeilen-Tool. Die lokale Namenserkennung und die Texterkennung in Bildern sind dabei; ihre Modelle werden erst heruntergeladen, wenn Sie es verlangen. Wo sie sich nicht installieren lassen, wird Latet ohne sie installiert, und das Skript weist am Ende darauf hin; ein Latet, das bereits mit ihnen installiert ist, bleibt dagegen, wie es war. Läuft ein älteres Latet, beendet das Skript es und startet es nicht wieder. Zum Aktualisieren ist latet upgrade der bessere Weg. Nachdem das Skript ein Latet aktualisiert hat, führen Sie latet start aus, und latet agents apply claude, wenn Claude Code dauerhaft über Latet läuft, damit es das neue Plugin erhält.

Öffnen Sie unter macOS und Linux danach ein neues Terminal: Das Skript trägt Latet in Ihren PATH für die Terminals ein, die Sie als Nächstes öffnen, nicht für das, in dem es lief. Findet auch dieses latet nicht, führen Sie uv tool update-shell aus und öffnen Sie ein weiteres.

Sonst ändert das Skript nichts: keine Einstellungen Ihrer Agenten, nichts, was bei der Anmeldung startet. Neu bei Latet? latet tutorial zeigt es in etwa 30 Minuten bei der Arbeit. Lassen Sie dann eine Sitzung mit latet claude oder latet codex über Latet laufen, wie der Schnellstart zeigt, und leiten Sie Ihre Agenten mit latet global-install dauerhaft über Latet, sobald es zu Ihrer Arbeit passt.

Zwei Umgebungsvariablen ändern, was das Skript tut:

Variable	Wirkung
`LATET_NO_MODIFY_PATH=1`	Lässt Ihren `PATH` und Ihr Shell-Profil unverändert. Wenn das Skript uv installiert, setzen Sie auch `UV_NO_MODIFY_PATH=1`, für den eigenen Installer von uv.
`LATET_SOURCE`	Was statt der neuesten Version installiert wird: eine Wheel-Datei oder eine Anforderung wie `latet @ <url>`.

Empfohlen: Namen und Bilder vom ersten Tag an

Muster finden, was ein festes Format hat: einen Schlüssel, eine E-Mail-Adresse, eine IBAN. Zwei Dinge haben keines und brauchen ein Modell, das auf Ihrem Rechner läuft:

Namen und Anschriften in freiem Text, etwa Emily Carter wohnt in der 42 Mill Lane: Das lokale Namensmodell findet sie.
Der Text in Screenshots, etwa eine IBAN auf einer Rechnung: Die Texterkennung liest ihn, und Latet überdeckt jeden Wert im Bild mit seinem Ersatzwert. Ohne sie verlassen Bilder den Rechner unverändert.

Das Installationsskript installiert, worauf beide laufen. Laden Sie ihre Modelle einmal herunter:

latet ner install   # the name model, about 1.6 GB
latet ocr install   # the text recognition models, about 31 MB

Oder lassen Sie latet global-install --ner --ocr sie zusammen mit dem Rest der Einrichtung herunterladen. Beide laufen nur auf diesem Rechner: Die Modelle kommen einmalig von huggingface.co, in einer festgelegten Revision und geprüft gegen festgelegte SHA-256-Prüfsummen, und nichts wird irgendwohin gesendet. Namenserkennung und Text in Bildern weiter unten sagen mehr zu beiden.

Aktualisierung

latet upgrade

Der Befehl installiert die neueste Version von GitHub wie das Installationsskript, einschließlich der lokalen Namenserkennung und der Texterkennung in Bildern. Er beendet zuerst den Daemon (Windows kann Dateien, die in Gebrauch sind, nicht ersetzen), installiert das neue Plugin für Claude Code, wenn Sie Claude Code verwenden, und startet den Daemon wieder. Ein Latet, das ohne Namenserkennung oder Texterkennung in Bildern installiert wurde, erhält sie auf diesem Weg. Wo die neue Version sie nicht haben kann, bleibt ein Latet, das sie hat, wie es war, und eines ohne sie wird ohne sie aktualisiert.

Mit einem KI-Agenten installieren

Bitten Sie Ihren KI-Agenten, llms-install.md im Repository zu befolgen. Er installiert Latet, das allein nichts ändert, und erklärt Ihnen dann, wie Sie weitermachen können: es zuerst mit latet tutorial bei der Arbeit sehen; es Sitzung für Sitzung ausprobieren, ohne dass eine Einstellung Ihrer Agenten geändert wird; es in jeder Sitzung einschalten; Ihre anderen Tools einrichten; die lokalen Modelle herunterladen. Er wartet auf Ihre Wahl und führt latet global-install mit Ihren Antworten nur aus, wenn Sie jede Sitzung wählen, zum Beispiel:

latet global-install --yes --profile balanced --agents claude,codex --auto-mode-review block --ner --ocr

In Docker ausführen

Um Python von Ihrem Rechner fernzuhalten, führen Sie den Daemon stattdessen als Container aus und richten Ihre Agenten auf ihn aus: siehe Docker.

Namenserkennung

Namen und Anschriften in freiem Text, etwa Emily Carter wohnt in der 42 Mill Lane, brauchen ein statistisches Modell, das Latet auf Ihrem Rechner ausführt. Geheime Werte und strukturierte Daten wie E-Mail-Adressen und IBANs brauchen es nicht; Namen schon, daher lohnt es sich vom ersten Tag an.

latet ner install   # downloads the model once (about 1.6 GB)

Es läuft mit dem Extra ner (ONNX Runtime und einem Tokenizer), das vom Installationsskript zusammen mit Latet installiert wird.

Das Modell ist Privacy Filter von OpenAI, unter der Lizenz Apache-2.0, in seinem int8-ONNX-Build: Es liest viele Sprachen, darunter Italienisch, Englisch, Französisch, Deutsch und Spanisch. Es kommt von huggingface.co in einer festgelegten Revision, und jede Datei wird vor der Verwendung gegen eine festgelegte SHA-256-Prüfsumme geprüft. Während der Daemon läuft, belegt es bis zu etwa 2 GB Arbeitsspeicher.
Nach dem Download läuft es auf Ihrer CPU. Nichts wird irgendwohin gesendet, und Latet verbindet sich nur dann mit huggingface.co, wenn Sie latet ner install ausführen.
Ein laufender Daemon verwendet es sofort. latet ner status zeigt, ob es in Gebrauch ist; latet ner remove löscht es. Um es installiert, aber ungenutzt zu lassen, setzen Sie ner: off in der Konfiguration.

Wonach es sucht, hängt vom Profil ab; siehe Erkennung.

Text in Bildern

Auch Screenshots enthalten Werte: eine E-Mail-Adresse in einem Terminal, eine IBAN auf einer Rechnung. Latet kann den Text in Bildern auf Ihrem Rechner lesen und maskieren, indem es jeden Wert im Bild mit seinem Ersatzwert überdeckt.

latet ocr install   # downloads the models once (about 31 MB)

Die Modelle sind PP-OCRv6 small von PaddleOCR, unter der Lizenz Apache-2.0, von huggingface.co in einer festgelegten Revision und gegen festgelegte SHA-256-Prüfsummen geprüft; sie laufen auf Ihrer CPU, mit dem Extra ocr (ONNX Runtime und Pillow), das das Installationsskript zusammen mit Latet installiert. Siehe Screenshots und Bilder.

Ein lokaler Prüfer (optional)

Wenn Sie ein Sprachmodell auf Ihrem eigenen Server betreiben (llama.cpp, Ollama, LM Studio), kann Latet es jeden Text lesen lassen, bevor er den Rechner verlässt, und maskieren, was die Detektoren übersehen: beiläufig erwähnte Namen, Gesundheitsangaben, ein Passwort, das in einem Satz steht. In Latet ist nichts zu installieren: Schalten Sie den lokalen Prüfer auf der Seite Regeln des Dashboards ein; mehr dazu unter Lokaler Prüfer.

Aus dem Quellcode ausführen

Für Mitwirkende, oder um Änderungen auszuprobieren, die noch in keiner veröffentlichten Version enthalten sind.

git clone https://github.com/Latet-AI/latet.git
cd latet
uv sync
uv run latet version
uv run latet serve      # the daemon in the foreground on http://127.0.0.1:5283; Ctrl+C stops it

Stellen Sie jedem Befehl uv run voran: uv run latet global-install, uv run latet claude und so weiter. Zwei Dinge unterscheiden sich von einer installierten Kopie:

Starten Sie den Daemon selbst. Wenn der Daemon nicht läuft, startet ihn das Plugin für Claude Code mit dem Befehl latet, und in einem Checkout ist dieser Befehl nicht in Ihrem PATH. Führen Sie uv run latet start aus, oder lassen Sie ihn von uv run latet global-install bei der Anmeldung starten. Auch uv run latet claude startet ihn.
Bauen Sie die Webdateien des Dashboards. Führen Sie in dashboard/ zuerst npm ci und dann npm run build aus (Node.js 22.12 oder neuer). Bis dahin öffnet latet dashboard eine Seite, die meldet, dass die Dateien fehlen, und latet tutorial warnt, dass seine Seite nicht angezeigt wird. Auch einem Latet, das über die Adresse des Repositorys installiert wurde (git+https://...), fehlen sie.

Der Autostart bei der Anmeldung startet den Daemon aus der virtuellen Umgebung des Checkouts; führen Sie daher uv run latet global-uninstall aus, bevor Sie den Checkout verschieben oder löschen. Zum Entwicklungsablauf siehe Mitwirken.