为什么选择 CherryStudio
CherryStudio 是一个聚合型 AI 客户端，支持多模型对话、知识库管理及 AI 绘画等功能。其核心优势在于数据本地化处理，隐私性较强，能有效提升工作效率。
下载与安装
前往官网 cherry-ai.com/download 获取客户端。
双击 exe 文件启动安装向导。建议勾选'为所有用户安装'，并根据需要更改安装路径，避免占用 C 盘空间。整个过程较为直观，无需复杂配置。
基础使用
详细文档可参考官方说明。以下是核心功能的操作流程。
添加模型
点击右下角设置按钮，进入模型服务页面。支持 API 调用或本地部署两种模式。
API 调用
以硅基流动为例。注册账号并获取 API Key 后，填入对应输入框。点击检查按钮验证有效性，开启开关即可启用。状态显示为绿色 on 表示连接成功。
本地调用
推荐使用 Ollama 或 LM Studio。若使用 Ollama，需确保本地服务已启动。
- API 密钥通常留空。
- API 地址默认为 localhost，若跨设备访问需修改为实际 IP。
- 添加模型时，名称需与 Ollama 中的 Model ID 严格一致（例如
deepseek-r1:14b）。
测试交互
返回主界面，顶部切换已接入的模型，下方即可开始对话。本地模型响应速度取决于硬件性能。
联网功能
部分大模型自带联网能力（如 Gemini 2.0 Flash），但本地部署模型通常不具备此功能，需额外配置。
添加网络搜索
默认使用 Tavily 作为搜索服务。在设置中选择网络搜索，复制 Tavily 的 API Keys 填入即可。
注意免费额度通常为 1000 次，每次搜索消耗一个配额。可在设置中调整增强模式和搜索结果数量（默认 5 个，上限 20 个）。
启用搜索
在输入框底部点击网络图标激活联网模式。提问语言不同，返回的搜索结果来源也会相应变化（如中文偏向国内平台，英文偏向国际平台）。
数据设置
主要用于持久化保存对话记录。当前版本功能相对基础，按需配置即可。
MCP 使用
MCP（Model Context Protocol）扩展了模型的能力边界，具体配置可查阅相关技术文档。
知识库
目前主流方案采用 RAG（检索增强生成）。流程包括：文件切片 -> 向量化存储 -> 检索匹配 -> 归纳总结。
现有痛点主要集中在切片粒度粗糙、检索精准度不足及缺乏全局上下文。可通过引入重排模型和优化向量数据库来改善。
添加重排模型
在模型列表中添加重排模型，用于优化检索结果的排序精度。
添加知识库
- 在侧边栏选择知识库，点击添加。
- 设置嵌入模型和重排模型。注意 Pro 版嵌入模型会消耗 Token，且处理大量材料时耗时较长。
- 拖入资料文件。蓝点表示正在向量化，绿色表示就绪。
- 重要：文件编码建议使用 UTF-8，GB2312 可能导致乱码。
搜索知识库内容时，右上角会显示得分情况。由于涉及大模型调用，非本地部署环境需保持联网。
使用知识库
在聊天栏底部关联已创建的知识库。提问时，系统会自动引用相关内容并在回复中标注来源。
迁移配置
若需在多台设备间同步配置，可使用内置的迁移功能。
备份
进入数据设置，选择备份选项，将配置文件导出为 zip 包保存至指定文件夹。
恢复
在新设备上打开相同设置页面，选择恢复，加载之前的 zip 文件。等待数据同步完成后，知识库向量索引及 MCP 配置将一并生效，无需重复搭建环境。
