概述

官网，开源（GitHub，33.6K Star，3K Fork）。

客户端相比官网Chat聊天的优势：

• 多供应商集成
• 对话结果本地保存，支持导出
• 功能扩展丰富

类似产品：Lobe Chat、Chatbox、Chatwise。

功能强大

• 支持主流AI模型：OpenAI、Gemini、Claude等，一个客户端全搞定；
• 内置300+专业AI助手，从写作、编程到设计；
• 可自定义AI助手，打造专属智能伙伴；
• 支持多模型同时对话，方便对比不同AI的回答；
• 强大的文件处理能力；
• 支持WebDAV文件管理，数据备份。

对话框

以Windows系统为例，从官网下载exe安装包，双击安装即可。

工具按钮比较多，默认折叠起来；点击展开，从左到右分别是：新话题、上传图片/文档、网络搜索、知识库、MCP设置、选择模型、快捷短语、清空消息、展开、清除上下文。

看一下回答内容右下角支持的操作，几个按钮功能如图：

遇到的其他问题：

401 Invalid token：表示模型API Key配置有误。

配置连接本地部署的Ollama模型，发起Query，报错502(no body)

解决方法：TODO

助手

系统内置助手：默认助手、产品经理、策略产品经理、社群运营、内容运营、商家运营、产品运营、销售运营、用户运营、市场营销、商业数据分析、项目管理、SEO专家、网站运营数据分析、数据分析师、前端工程师、运维工程师、开发工程师、测试工程师、HR人力资源管理、行政、财务顾问、医生、编辑、哲学家、采购、法务、翻译成中文、英语单词背诵助手、文章总结、招聘、表情符号翻译、美文排版、会议精要、PPT精炼、爆款文案、影剧推荐、职业导航、影评达人、营销策划、面试模拟、要点精炼、推闻快写、诗意创作、期刊审稿、宣传slogan、网页生成、汉语新解卡片、Unicode字符替换、心理模型专家、概念框架开发者、认知科学研究员、分析性思维导师、供应链策略专家、数字营销助手、数字艺术创作助手、虚拟导游、个性化健康顾问、虚拟教练专家、动作捕捉分析专家、游戏社区经理、电子游戏评论员、电竞高级选手、ChatGPT SEO提示、以太坊开发人员、Linux终端、英语翻译和改进者、面试官、Excel表格、英语发音助手、英语口语教师和改进者、旅游指南、抄袭检查工具、角色扮演、广告商、故事讲述者、足球评论员、脱口秀喜剧演员、励志教练、作曲家、辩手、辩论教练、电影评论家、关系辅导员、诗人、说唱歌手、励志演讲者、哲学教师、哲学家、数学老师、AI写作导师、UX/UI开发者、网络安全专家、招聘人员、人生教练、词源学家、评论员、魔术师、职业顾问、宠物行为专家。

添加助手，支持自定义，比如新增绘图大师，提示文案有点问题：

模型配置

包括模型服务和默认模型两个配置，模型服务支持列表非常齐全，模型平台备注，支持markdown格式。支持新增提供商：

默认列表已经有OpenAI，这个应该是OpenAI兼容(compatible)提供商Server？

OpenAI-Response和OpenAI啥区别呢？？

以百炼为例，填写API Key之后，默认列出5个模型，都是推理模型。需要自己新增embedding模型（如text-embedding-v4）、reranker模型（如gte-rerank-v2）。

默认模型，用于设置三种场景的默认模型：

每个场景都能个性化设置。

设置

点击设置

网络搜索

其他设置-网络搜索

搜索结果压缩，三个选项：不压缩、截断、RAG，

黑名单，支持正则表达式形式过滤搜索结果。

黑名单订阅，可屏蔽一大堆垃圾网站的的内容，这样就不用在黑名单设置中一个个手输，将 https://git.io/ublacklist 添加到订阅源中，直接访问这个网址能看到所有订阅要屏蔽的网站地址。

联网搜索分为两类：

• 模型自带搜索功能，有些模型显示支持联网搜索，但实际上不支持；
• 使用第三方搜索服务。

使用第三方搜索服务，会经历两个阶段：

• 提取用户提问内容：将提问发送给大模型->从模型获取格式化响应->解析格式化响应提取关键词->根据关键词搜索网页->保存网页内容
• 向大模型提问：将用户提问和之前保存的网页内容一并发送给模型->模型响应

搜索结果压缩，为了解决联网搜索的结果过长超过模型上下文的问题。

配置阿里云百炼，搜索引擎使用百度，结果错误：

文档处理

即OCR服务。OCR服务提供商有三种：Tesseract、系统OCR（默认）、PaddleOCR。

支持的语言，可多选，依赖于操作系统：

文档处理服务商也有三个：MinerU、Doc2x、Mistral。

CSS

支持自定义CSS样式，设置->显示设置->自定义CSS，点击右侧https://cherrycss.com/，找到喜欢的风格，点击即复制代码，粘帖到编辑框，即时生效。

分组

全局记忆

开启全局记忆，需要提前配置好embedding模型，如text-embedding-v4

添加记忆：

怎么使用呢？？

MCP

内置8个MCP Server，点击右上角的+，相当于安装：

• mcp-auto-install：自动安装MCP Server，用于测试
• memory：基于本地知识图谱的持久性记忆基础实现，使得模型能够在不同对话间记住用户的相关信息
• fetch：获取URL网页内容，即爬虫
• filesystem：操作本地文件系统
• dify-knowledge：支持与Dify进行简单交互
• python：提供安全沙盒环境，可基于Pyodide（GitHub，基于 WebAssembly的可用于浏览器和Node.js环境的Python发行版）运行Python代码，支持大多数标准库和科学计算包
  
  此外提供10个MCP集市(Hub)超链接，方便用户找到更多有用的MCP Server，然后可集成到Cherry Studio中：
  
  新增MCP Server，支持三种方式：
• 快速创建
• 从JSON导入
• 从DXT导入

mcp.jsonJSON文件，在之前的MCP系列文章中多次提过：

{
  "mcpServers": {
    "playwright": {
      "command": "npx",
      "args": [
        "@playwright/mcp@latest"
      ]
    }
  }
}

DXT，原Desktop Extensions，anthropics开源，后改名为MCPB(MCP Bundles)，参考GitHub。此处Cherry Studio依旧保留旧的命名方式，但未引入新的命名方式。

编辑，实际上就是编辑上面mcp.json文件。

告警提示

同步

快捷创建，或编辑MCP Server时，注意到类型有三种：

• stdio：标准输入/输出
• sse：服务器发送事件
• streamableHttp：可流式传输的HTTP

通过Python代码启动一个本地MCP Server：

from fastapi import FastAPI
from fastapi_mcp import FastApiMCP
import uvicorn

app = FastAPI()
@app.get("/text", operation_id="text")
async def hello():
	return "Hello"

mcp = FastApiMCP(
    app, name="测试MCP",
    description="测试",
)
mcp.mount(mount_path='/test-mcp')
if __name__ == '__main__':
	uvicorn.run(app, host="0.0.0.0", port=8000)

python demo.py，启动日志：

选择SSE类型后开启MCP Server却报错：

原因在于URL配置为http://0.0.0.0:8000/test-mcp，改成http://localhost:8000/test-mcp，可看到连接成功，【工具】标签页下出现Hello，描述也是代码里指定的测试：

这个应该是Cherry Studio的Bug？！

API服务器

调用链

常规设置，启用开发者模式后，将可使用调用链功能查看模型调用过程的数据流。

底部指出，该功能得到阿里云EDAS的加持。

应用

点击左上角加号：

小程序

小程序，其实就是通过H5的形式，把市面上最常见的聊天应用嵌入到Cherry Studio里：


新版本这个列表持续新增中，比如美团最新发布的龙猫(LongCat)；部分应用需要有代理才能使用，如ChatGPT：

右上角几个按钮的解读：

• 在浏览器中打开
• 添加到启动台，也就是添加到顶部的+按钮里，方便快速找到
  
• 链接：貌似没啥用
• 最小化

知识库

新增知识库

高级设置

导入文件

等待预处理、嵌入完成。

测试效果：

模型回答

再看看原文

绘画

模型提供商

不同的模型供应商，通过的模型不同（废话），提供的能力差别很大：

注意是付费的。

智能体

系统预置很多不同类别智能体：

包括：精选、职业、商业、工具、语言、办公、通用、写作、编程、情感、教育、创意、学术、设计、艺术、娱乐、生活、医疗、游戏、翻译、音乐、点评、文案、百科、健康、营销、科学、分析、法律、咨询、金融、旅游、管理。

支持从外部导入，有URL和JSON文件两种：

URL怎么还有JSON URL？

支持创建智能体，感觉没啥用，当然没有深入使用和调研过：

翻译

操作示意

设置

文件

知识库的文件管理，单独弄一个入口：

分为文档（PDF，Word等）、图片和文本（TXT，Markdown等）三种类型，支持单个文件编辑、删除，批量删除。

代码工具

点击【安装Bun】，第一次可能失败，重试解决问题。

新版本会支持更多CLI工具：Qwen Code、Claude Code、Gemini CLI、OpenAI Codex、iFlow CLI。

选择CLI、模型，设置工作目录后，选择终端（支持Command Prompt、PowerShell、WSL），点击启动。遇到的问题，选择WSL时，会启动一个终端，一闪而过。换成PowerShell后，基于Bun自动安装qwen-code，和npm install qwen-code安装一样：

安装成功后：

比如输入分析此目录：

分4个步骤：

• 列举和分析当前目录（包括子目录）下所有文件
• 分析每个Python文件的作用
• 分析子目录及其内容
• 总结

给出的总结很到位，体验也很顺畅：

虽然但是！！这和我直接在终端执行命令，并没有任何区别啊；安装方式不同罢了，之前是通过npm安装，现在换成bun安装，多占用宝贵的C盘磁盘空间。