Cherry Studio：本地模型万能工具箱

Cherry Studio：本地模型万能工具箱

桌面端的多模型聚合 + 知识库（RAG）+ Agent 工作台——开源免费、国产团队开发。把「手里好几家模型 API key、要切换、要管理、要私域知识」收进同一客户端。

一、核心优势

1. 模型聚合是它的起点

机制：内置六十多家模型服务商（OpenAI、Anthropic、Google、智谱、DeepSeek、硅基流动等），自定义 OpenAI 兼容端点意味着 Ollama、vLLM 这类本地推理也能挂上。配置三步——选服务商、贴 API key、点「获取模型列表」自动拉取。

对你的意义：从「在十几个网页之间切换」收进一个窗口；同时挂多模型做同题对照只需勾选——对写脚本、起标题、批量出方案的人是高频功能。

2. 知识库 + V2 Agent 工作台

机制：知识库支持拖入文档 → 自动切块 → 索引 → 问答时检索资料 → 拼给大模型归纳；索引放本机、文档不落第三方。支持全文检索与向量检索（先把文档块与提问都向量化、按余弦相似度匹配）。V2 把 Agent 升级为能读文件、调用工具、连网搜索、直接交付成果的工作流组件——自由度比同类 Agent 工具高，并提供对话分支：对某条回答不满意时点「创建分支」从那个位置尝试换模型或换风格。

对你的意义：「喂一份手册/合同/论文，问它答、答案在文档里」有了零配置桌面方案；嵌入与重排序都有免费方案，成本可控。Agent 模式下把「找资料 + 整理 + 写作」多步任务交给它跑——典型用法是配网络搜索 + 浏览器控制 MCP，下发任务后 Agent 自己拆步骤、调工具、执行并交付。

二、适合谁

适合「手里有两把以上 API key、要做私域知识管理、想把多个 AI 工作流收进一个桌面端」的人：自媒体工作者、研究者、需要做个人 RAG 但不想学 LangChain 的工程师。

不适合：只想用一个模型、不想折腾任何配置的人；需要手机端同步使用的人；要做生产级 Agent 编排的人；零预算且无 API key 的小白。

三、上手三步

1. 官网下载客户端（Windows / macOS / Linux），首次启动到「设置 → 模型服务」选一家服务商贴 API key，点「获取模型列表」自动拉取——十分钟内走完第一段路。
2. 同题对照试起来：在对话窗口顶部启用「多模型同时回答」，一次选三五个不同模型发给同一道题。
3. 进阶玩法——拖 PDF 进知识库后问「这份文档关于 X 说了什么」，或在 Agent 工作台配网络搜索 + 浏览器 MCP 让它跑真实任务。

四、边界与局限

• 没有手机端同步：桌面端定位决定体验不延伸到移动端
• Agent 编排不是它的主战场：复杂多步任务链（n8n/Dify 的强项）请上专门编排平台
• 客户端免费但模型侧要 key：可走国产服务商免费额度零成本起步
• 数据迁移友好但需手动操作：对话、助手配置、知识库均可导出备份，但不自动同步

—— 惊蛰