Cherry Studio V2 使用笔记

AI 工具笔记

Cherry Studio V2
全能 AI 工作站上手指南

从聊天客户端，升级为能自主规划、调用工具、读写文件、联网搜索的一站式 AI 工作台。

48K

GitHub Star

开源免费

全能 AI 工作站

60+

模型提供商

为什么把它焊在电脑里

别人给我一个接口，我第一反应是打开 Postman；别人给我一个模型，我第一反应是打开 Cherry Studio。

核心定位

一个开源免费的全能 AI 工作站，集对话、Agent、知识库、画图、翻译等日常高频功能于一体，覆盖国内外大部分主流模型与本地推理框架。

对话 Agent 知识库画图翻译多模型协同

场景一：测试模型连通性与速度

接入一个新模型

左下角进入「设置」→「模型服务」，这里有六十多家模型提供商。
找到对应的供应商，点击获取密钥按钮，自动跳转至该模型的 API 开放平台。
在平台创建密钥并命名，把密钥填回 Cherry Studio。
点击「获取模型列表」，自动拉取该服务商最新的模型列表。
选中目标模型，配置完成；回到对话选择它，能正常返回即说明 API 配置成功。

接入列表外的供应商

模型列表最下方有「添加服务商」按钮：把开放文档里的 URL 复制到 Base URL，再创建并填写 API 密钥，最后在模型处点加号，手动填入模型 ID 即可。

看数据，比模型

在「设置 → 外观」里打开「预估 Token 数」，对话中就会显示消耗的 Token 数量；鼠标移到上面，还能看到首字时延与每秒输出量。

用这组数据横向对比不同模型的 Token 利用率和输出速度，是日常最实用的一招。

V2 最大升级：Agent 能力

从聊天到自主执行

V2 把 Cherry Studio 从一个聊天客户端，升级为 Agent 自主执行的一站式 AI 工作台。AI 能自主规划任务、调用工具、读写文件、联网搜索，最终直接交付成果。

最大特色：超高自由度

自由选择模型
自由配置 Skill 与 MCP
自由选择联网搜索引擎
连 Agent 的工具列表都能自由开关

DIY 一个 Agent 的两步准备：先在「设置 → 网络搜索」里选好搜索服务商（例如对 Agent 友好、每月提供 2 万次免费调用的 Exa），获取密钥填入，点亮右上角默认搜索开关；再到左侧边栏「智能体面板 → 管理技能」搜索并安装 Playwright CLI 这类让 AI 控制浏览器的技能。

创建你的智能体

点击「添加智能体」，填写名字、选择模型、设定人格（即系统提示词），最后勾选刚才安装的技能，一个专属 Agent 就成型了。

三个真实办公实战

案例一 · 下载电子教材

输入「下载人教版物理必修第二册的电子教材」，Agent 先联网搜索找到多个候选网站，再用 Playwright CLI 自动操作浏览器逐站寻找可下载链接，完成下载。

点击 PDF 即可打开 V2 新上线的交付物预览：图片、PDF、Word 都能在应用内直接查看。

案例二 · 写教学材料

给出年级、章节和一范文，Agent 自己调用工具读取范文内容，仿照学校格式编写本节教学材料，最后交付 Word 与 PDF 双格式。右侧工作区文件树实时展示产出。

案例三 · 3D 互动教学网页

把「火车转弯」例题做成 3D 互动 HTML 网页，要求能调节速度、轨道倾角、转弯半径、火车质量四项参数，并展示受力分析与核心公式。

受力分析箭头与右侧计算数据随参数实时变化。V2 移除了「Agent 只能接特定端点」的限制，可以任选效果最好的模型来跑。

体验升级：像浏览器一样工作

V2 的界面很像多标签页浏览器：点加号即可开多个标签页并行工作，标签页还能拖拽出来变成独立窗口，多任务并排执行一目了然。

场景二：多模型协同写文案

纯聊天工具，不内置任何编程提示词，还能把海量模型集中管理、一次多模型同时作答。

为什么不用别的工具

逐个开网站

想综合比较十多个模型的输出，操作太麻烦。

桌面编程 Agent

内置几万 Token 系统提示词，干扰纯文字表现。

起标题助手怎么用

左侧边栏进入「对话」，点击添加助手 → 新建助手，命名并设定人格（系统提示词）。
在顶部展开模型选择窗口，启动「多模型同时回答」，一次性勾选十几个模型。
在底部聊天框丢进视频脚本，回车开始，十多个模型同时输出标题。
在结果里挑一个最好的即可。

对话分支：用工程思维写作

多轮聊定内容后，如果对某次产出不满意，想换模型或换风格，就在上一轮对话末尾点击「分支」，完整保留历史进入新分支继续尝试。

点右上角「分支管理」，可查看整个对话树的全局视图，方便对比几个版本差异，并做任意版本的回溯与修改。

场景三：搭建本地知识库

两种检索方案

经典 RAG 架构：一是全文检索，二是通过向量数据库进行语义匹配。素材不局限于纯文本，PDF、Word、Excel 都能添加。

方案 A · 全文检索

资料入库时被拆成许多文本块，存入本地数据库并建立全文索引。搜索时用关键词精确匹配，检索到的原文片段连同问题一起发给大模型，由大模型归纳总结。

能召回

输入「体会物理规律」，命中原文。

召不回

输入「体验物理规律」，匹配不到。

弊端：只能匹配字符串本身，而不是语义。

方案 B · 向量语义匹配

先把文本块经嵌入模型向量化，变成固定长度的数字序列，与原文一起存入向量数据库；提问时把问题也向量化，再做纯数学的相似度匹配，选出匹配度最高的几个原文片段交给大模型总结。

进入「设置 → 模型服务」，选择硅基流动，它提供免费的嵌入模型调用。
到硅基流动左侧的 API 密钥处新建并复制密钥，填入 Cherry Studio。
点击获取模型列表，筛选嵌入模型，添加免费的 BGE-M3。
回到知识库右上角设置，把嵌入模型切换为 BGE-M3，系统会用嵌入模型重新处理数据。

升级完成后，输入「体验物理规律」或「体会物理规律」，都能检索到对应段落。

再进一步 · 重排序模型

把向量检索出的结果，交给专门的重排序模型做更深入的语义分析，按与问题的相关性重新排序，把最相关的文本块排到最前面，进一步提升检索效果与回答质量。

同样在硅基流动的模型配置里获取模型列表，筛选「重排序」，添加 BGE Reranker V2-M3，再到知识库设置中选择它即可。

实战与联动

把过去几年的视频脚本整理成 Markdown 笔记，在知识库右上角「添加数据源」选择目录导入。回到聊天界面点加号选择知识库，提问「Supabase 里怎么存地理位置信息」，系统会先调用知识库工具检索文章与文本块，再归纳整理，并附上原文出处。

现在知识库也能被 Agent 自主调用：在智能体设置里确保「知识库搜索」开启，Agent 需要补知识时会自己去检索。

行动建议

从今天开始可以这样做

先配好一个模型服务商，打开「预估 Token 数」，用数据感受不同模型的速度差异。
装上联网搜索服务与一个浏览器自动化技能，跑通第一个 Agent 任务。
把一个真实办公需求丢给 Agent，比如找教材、写材料、做互动网页，看它交付什么。
整理一批自己的文档做成知识库，先跑全文检索，再升级向量检索与重排序。
写作类工作在对话里开多模型同时回答，不满意的结果用分支继续尝试，别丢掉历史。

一句话总结：Cherry Studio V2 把「选模型、连工具、查资料、出成品」串成了一条流水线——它不再是陪你聊天的窗口，而是替你干活的工位。

由 CuteNote.app 颜值笔记生成