Cherry Studio 完整教程：3 步接入 300+ AI 模型，桌面端一站式搞定-二趣网

Cherry Studio 完整教程：3 步接入 300+ AI 模型，桌面端一站式搞定

【免费下载链接】cherry-studioAI productivity studio with smart chat, autonomous agents, and 300+ assistants. Unified access to frontier LLMs项目地址: https://gitcode.com/GitHub_Trending/ch/cherry-studio

你是不是也遇到过这种场面：OpenAI 的 key 躺在浏览器书签里，本地 Ollama 的模型在终端里跑着，想查份 PDF 又得切到网页版，多个 AI 之间来回复制粘贴。Cherry Studio 是一个跨 Windows、Mac、Linux 的桌面 AI 客户端，把聊天、知识库、文档问答和 300+ 预设助手装进同一个窗口，让你在一个地方切换各家大模型，不用在十几个网页之间跳来跳去。

从一个熟悉的麻烦说起

用多个大模型的人，痛点基本固定在三件事：

配置散落：每家的 API Key、Base URL、模型列表各存各的，换个电脑就重配一遍
工具割裂：问答用网页、本地模型用终端、文档解析再找一个网站
助手难复用：调好的提示词没法沉淀，每次都要重新"教"一遍模型

Cherry Studio 解决的正是这个问题：你在客户端里统一录入各家模型（OpenAI、Gemini、Anthropic、DeepSeek，以及 Ollama、LM Studio 这类本地模型），然后把"人设 + 提示词 + 工具"打包成可复用的 AI 助手。官方预置了 300 多个助手，从翻译、代码到文案都可以直接挑一个用。

3 步跑出第一个 AI 对话

整个上手流程比想象中短，全程点几下鼠标：

装好客户端：从仓库获取源码后按开发环境指南安装依赖并启动；如果你只要用现成版本，直接安装桌面客户端即可。
添加一个模型：进入设置里的模型供应商页面，填入你已有的 API Key，客户端会自动拉取该家的模型列表供你挑选。
开聊：选一个助手（或新建一个），选中刚添加的模型，发一句"介绍一下你自己"。

如果走源码方式体验，只需这一小步：

git clone https://gitcode.com/GitHub_Trending/ch/cherry-studio

发出去的消息是怎么变成回复的，可以看下面这张流程图：输入栏把消息交给消息服务，服务带着供应商配置请求模型，流式返回的内容再逐块渲染回界面。

值得留意的一点：对话、配置都默认存在本地数据库里，没有云端中转。这对在意隐私的你是个好消息，但换电脑时记得做备份（支持 WebDAV）。

主要功能速查

功能	你能用它做什么	适合谁
多模型接入	云端（OpenAI、Gemini、Anthropic 等）+ 本地（Ollama、LM Studio）统一管理	所有用户
300+ 预设助手	现成的提示词与角色设定，拿来即用	不想写提示词的新手
多模型并行对话	同一问题同时问多个模型，对比答案	追求答案质量的人
知识库问答	上传 PDF、Office 文档，基于自己的资料提问	处理工作文档的人
文档与图表渲染	Markdown、代码高亮、Mermaid 图表直接展示	技术文档重度用户
MCP 与工具调用	让模型接入外部工具执行操作	进阶用户
主题与自定义	明暗主题、透明窗口、社区主题	有审美洁癖的人

想查某个功能的更细说明，文档索引按 AI、数据、IPC、窗口管理等模块分好了目录，按名索骥即可。

三个上手即用的场景配方

日常问答：最快的一条路

参数组合：任意一家云端模型 + 默认助手。预期效果：装完 5 分钟内就能聊天，多模型并行对比答案。一个坑：有些供应商的 Base URL 不是默认的，如果你用的是中转服务，务必在供应商设置里填对地址，否则请求会 404 或连不上。

文档问答：让 AI 只答你给过的资料

参数组合：知识库功能 + 上传 PDF/Office 文件 + 关联到某个助手。预期效果：提问时模型基于你上传的文档作答，而不是靠"记忆"瞎编。一个坑：大批量文档建索引需要时间，别在上传完立刻问长文档的细节；文件越大，等待越久。

本地隐私模型：数据不出机器

参数组合：先装好 Ollama 或 LM Studio 并下载一个模型，再在 Cherry Studio 里添加对应的本地供应商。预期效果：所有问答在本机完成，断网也能用，适合处理不想上传的敏感内容。一个坑：本地模型的"脾气"和云端大模型差很多，复杂推理能力有限；另外吃显存，先确认你的机器扛得住。

本地模型和云端模型的响应都走同一条消息管道，下面是主进程与界面之间的通信示意：请求经 IPC 通道进入主进程的 AI 服务，流式分块再送回界面渲染。

使用与性能检查清单

用顺之后，可以按这个清单自查一遍：

网络异常时，先确认是否需要代理，再怀疑模型本身
长对话卡顿或回答变差时，检查是否接近模型的上下文长度上限，及时开新话题
换电脑前，确认已配置 WebDAV 或手动导出过对话数据
本地模型响应慢，确认模型已在 Ollama/LM Studio 中真正启动并下载完成
装了多个 Mini App 或主题后界面变卡，可临时禁用看是否缓解
企业用户需要私有化部署与集中管理时，查阅官方的企业版说明

你可能会问的几个问题

对话记录存在哪里？默认存在本机的 SQLite 数据库里，不经过 Cherry Studio 的服务器。云端模型的回答由对应厂商处理，本地模型则完全不出机器。

支持哪几种语言界面？内置简体中文、英文、日文、韩文、法文等十余种语言，切换在设置里完成，不需要重装。

它和普通网页版聊天有什么区别？一句话：网页版一次伺候一家，Cherry Studio 把几十家装进一个窗口，还带知识库、助手沉淀和文档渲染这些网页版各自为政的功能。

代码和技术细节在哪看？AI 相关的请求链路、流式管理、工具审批都有专门文档，入口在 AI 参考文档，按主题分篇，比翻源码友好得多。

接下来看哪里

开发环境搭建指南：从零跑起源码版，含 Windows 软链注意事项
架构总览文档：主进程、渲染进程与共享层是怎么分工的
贡献指南：想提 PR 的话，分支模型和 PR 规范都在这里

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

企业官网建设流程全解析