一句话简介
Cherry Studio 是一款免费开源的多模型 AI 桌面客户端，它把 OpenAI（ChatGPT）、Claude、Gemini、DeepSeek、通义千问、Kimi 等 300+ 个 AI 大语言模型集成到一个窗口里，同时内置了知识库、智能体、AI 绘画、翻译等功能——简单说，就是用一款软件替代你在 ChatGPT、Claude、DeepSeek 等多个网页之间来回切换的繁琐，属于 AI 桌面客户端类软件。
你可能会疑惑："我直接用 ChatGPT 网页版不就行了，为什么要装个客户端？" 好问题。如果你的需求只是"偶尔和 ChatGPT 聊聊天"，网页版确实够了。但如果你需要同时对比多个模型的回答、想让 AI 读你的本地 PDF 文档并基于内容回答问题、或者不想对话数据存在 AI 公司的服务器上——Cherry Studio 的价值就体现出来了。它不是"又一个 AI 聊天窗口"，而是"AI 模型的统一管理器和增强器"。
核心亮点
300+ 模型一站式接入：在一个界面里切换使用 OpenAI、Claude、Gemini、DeepSeek、Kimi、通义千问、文心一言、腾讯元宝等 50+ 服务商的模型，不需要开一堆浏览器标签页
完全免费开源：AGPL-3.0 协议，代码在 GitHub 上公开（20K+ Stars），所有功能不收费。你只需要用自己的 API Key（或者使用内置的免费模型），Cherry Studio 本身不赚你一分钱
数据 100% 本地存储：所有对话记录、设置、知识库文件都存在你的电脑上，不上传到第三方服务器。这和 ChatGPT 网页版（对话数据存在 OpenAI 服务器上）有本质区别
内置免费模型：提供了 GLM-4 等免费模型的接入，新手不需要先去注册 API Key 和充值，装完就能开始用
知识库（RAG）功能：导入你的 PDF、Word、TXT 文档，搭建私有知识库，让 AI 基于你的文档内容回答问题——比如"帮我从这份 200 页的产品手册里找出 Q3 的安全规范"
适合谁用
同时用多个 AI 的人：今天用 ChatGPT 写文案，明天用 Claude 读论文，后天用 DeepSeek 写代码——不想开三个网页三个账号
对数据隐私敏感的用户：不想让 AI 公司看到你的对话内容，希望数据留在本地电脑上
想搭建私人知识库的人：有一堆 PDF、Word 文档想让 AI 帮你读和总结
内容创作者：需要 AI 辅助写作、翻译、生成图片等多项工作的自由职业者和自媒体人
学生和研究员：想用 AI 辅助学习、读论文、做文献综述
不擅长配置技术参数的小白：ChatGPT API 要填一堆参数看不懂，Cherry Studio 提供了开箱即用的配置模板
解决的痛点
痛点 1：在多个 AI 工具之间来回切换，效率低下
早上你用 ChatGPT 写项目方案，下午你用量子位的通义千问（因为它对中文文档理解更好），晚上你打开 Claude 读一篇英文学术论文——你开了三个网页，三个账号，三个不同的对话历史列表。想找昨天和 ChatGPT 聊的某个方案思路，翻了几分钟没翻到。
Cherry Studio 怎么解决：所有模型的对话集中在一个客户端里。左侧模型列表切换，中间统一对话界面，右侧对话历史。不需要切换浏览器标签页，不需要记住"我上次用哪个模型和它聊了什么"。而且支持多模型并行对话——同一个问题同时发给 ChatGPT、Claude 和 DeepSeek，三个回答并排显示，哪个好用哪个。
痛点 2：想让 AI 读自己的文档，但 Chat 界面只能粘贴文本
你有一份 80 页的 PDF 技术方案，想让 AI 帮你提取关键数据和做摘要。在 ChatGPT 网页版里，你只能复制粘贴文本——但 PDF 里的表格一粘贴格式就乱，图表根本没法复制。你把 PDF 拆成几段分别粘贴，粘贴到第三段时对话上下文已经超长了。
Cherry Studio 怎么解决：知识库功能。直接把 PDF、Word、TXT、Markdown 文件拖进去，Cherry Studio 用 RAG（检索增强生成）技术理解文档内容。之后你在对话里提问"这份方案里第三季度的预算分配情况如何"，AI 会从你的文档中检索相关段落并给出基于文档的准确回答，而不是瞎编。支持向量化存储和精确检索。
痛点 3：不想让 AI 公司看到对话内容，但私有化部署又太贵
你所在的律师事务所、医院、金融机构有严格的数据合规要求——客户的信息不能上传到公有云 AI 服务。但私有化部署一个大模型动辄几十万起步，小团队根本负担不起。
Cherry Studio 怎么解决：支持通过 Ollama 或 LM Studio 运行本地模型。你可以在自己的电脑上跑一个开源的本地大模型（比如 Qwen、Llama 等），Cherry Studio 作为前端界面连接它。数据和计算都在本地，完全离线可用。虽然本地小模型的智能程度不如 ChatGPT 和 Claude（毕竟参数量差了几个数量级），但在处理私密文档摘要、简单问答等场景下完全够用。
痛点 4：AI 画图还要单独装软件
你想给一篇文章配个封面图，需要用到 AI 绘画。你打开浏览器，登录 Midjourney（需要 Discord），或者打开 Stable Diffusion WebUI（需要显卡和配置）——两种方式都不够轻便。
Cherry Studio 怎么解决：内置 AI 绘画功能。配置好支持的绘画模型的 API 后，直接在 Cherry Studio 里输入文字描述就能生成图片。虽然不是 Midjourney 级别的画质（取决于你调用的绘画模型），但作为"轻量级配图"工具足够方便——你不需要跳出对话界面去另一个软件。
使用场景
日常 AI 对话：在 Cherry Studio 里选择一个模型开始对话，和用 ChatGPT 网页版的体验一样。支持 Markdown 渲染、代码高亮、数学公式、Mermaid 图表、HTML 实时预览。
多模型对比：重要问题时，同时用三个模型回答，看哪个给出的方案更靠谱。比如写简历时让 ChatGPT 润色一段、Claude 优化一段、DeepSeek 再改一版，三选一。
搭建私有知识库：把公司的产品手册、技术文档、FAQ 导入知识库，之后任何问题都能基于文档内容回答。新人入职不用追着老同事问"XX 功能的配置文档在哪"。
AI 翻译：内置翻译工具，支持对话内翻译、独立翻译面板和提示词翻译。翻译质量取决于你调用的模型。
本地模型离线使用：在飞机上、高铁上、安全隔离环境中，用 Ollama 的本地模型继续使用 AI——没有网络也能跑。
智能体（Agent）自动执行任务：给 Agent 一个目标，它会自动推理步骤、调用工具、执行操作——比如"帮我在网上搜一下 XX 技术的最新进展并整理成报告"。
自定义专属助手：创建一个"代码审查助手"，预设系统提示词"你是资深 Python 架构师，擅长发现代码中的安全漏洞和性能问题"，之后所有代码审查对话都用这个模式。
3D 模型生成：支持文本生成 3D 模型和视频的多模态创作功能。
下载与安装
官方下载
当前最新版本：v1.9.11（2026 年 6 月 16 日更新）
安装包大小：约 133 MB（Windows 64 位）
⚠️ Cherry Studio 目前只有桌面版（Windows、macOS、Linux），没有手机 App 和网页版。官方已明确表示暂无移动端和网页版计划。
安装步骤
访问官网 https://cherry-ai.com/，点击下载按钮，选择对应系统版本
下载完成后双击安装包，按提示完成安装
首次启动如果只想体验，直接选择"内置免费模型"就能开始对话，无需额外配置
如果想用自己的 API Key（调用 ChatGPT、Claude 等），在设置 → 模型供应商中添加对应的服务商并填入 API Key
系统要求
最佳实践
1. 新手先用内置免费模型上手
不需要先去注册 OpenAI 账号绑信用卡。Cherry Studio 内置了 GLM-4 等免费模型的接入通道，装好就能用。先用免费模型体验整个工作流——对话、知识库、助手——确认这个工具适合你，再去配置付费模型的 API Key。
2. API Key 的获取和配置
不同服务商的 API Key 获取方式不同：
OpenAI：需要 OpenAI 账号，在 platform.openai.com 创建 API Key，需要绑定海外信用卡或充值
DeepSeek：国内可访问，价格非常便宜（约 ¥1/百万 token）
通义千问：阿里云平台申请，有免费额度
Kimi（月之暗面）：国内可直接注册充值
硅基流动（SiliconFlow）：国内中转平台，聚合多个模型，免翻墙
在 Cherry Studio 中配置：设置 → 模型供应商 → 选择对应服务商 → 填入 API Key → 保存。不同服务商可能有不同的 API 地址（Base URL），Cherry Studio 已经内置了标准配置。
3. 合理组织和切换对话
对话多了容易乱。几个管理技巧：
给重要对话重命名（默认是"New Chat"，改成一个有意义的标题）
按主题分组——比如"写作类"、"编程类"、"学习类"
定期清理不再需要的对话，保持列表清爽
利用全局搜索找到历史对话中的内容
4. 知识库的文档准备技巧
导入到知识库的文档质量直接影响 AI 回答的准确性：
优先使用文字型的 PDF（扫描版 PDF 需要先做 OCR，否则 AI 读不了）
文档拆分不要太长——一份 200 页的 PDF 建议按章节拆分后导入
Markdown 和 TXT 格式的文档效果最好（纯文本、结构清晰）
给知识库起一个能描述内容的名字，方便以后选择对话时引用
5. 善用多模型并行对话
当你拿不准一个问题该用哪个模型时，试试多模型并行对话：
在对话界面选择"多模型模式"
输入你的问题，勾选 2-3 个想对比的模型
三个模型的回答会并排显示
评判标准不一定是"哪个字多"——而是哪个更准确、更有深度、更符合你的需求
长期下来你会培养出"这个问题找 ChatGPT，那个问题找 Claude"的直觉
6. 创建自定义助手提高效率
不要每次都从空白对话开始——创建几个常用的助手预设：
代码助手："你是资深工程师，回答要包含代码示例和注释"
写作助手："你是专业编辑，回答要简洁、逻辑清晰、避免废话"
翻译助手："你是专业翻译，中译英要地道，英译中要符合中文表达习惯"
学习助手："用通俗易懂的语言解释复杂概念，多举例"
配置好系统提示词后，每次只需选择对应助手就开始对话，不需要重复说明风格要求。
7. WebDAV 备份：多设备间的数据同步
Cherry Studio 的数据存储在本地，换设备后数据不互通。开启 WebDAV 备份可以解决跨设备同步的问题。你需要一个支持 WebDAV 的存储服务（比如坚果云、Nextcloud、或者自建的 WebDAV 服务器），在 Cherry Studio 设置里配置 WebDAV 地址和账号密码，数据会自动同步。这样公司电脑和家里电脑上的 Cherry Studio 对话历史保持一致。
替代方案对比
几点选择建议：
Cherry Studio vs ChatBox：ChatBox 更轻量，界面极其简洁，适合"我只想和 ChatGPT 聊个天"的用户。Cherry Studio 功能多得多——知识库、多模型并行、Agent、MCP、翻译、绘画——但"多"也意味着界面更复杂。如果你需要的不只是聊天，选 Cherry Studio；如果你追求极简，ChatBox 更合适。
Cherry Studio vs Jan：Jan 的核心定位是"本地模型优先"——它的设计哲学是尽量让你用本地模型，不上传任何数据到云端。如果你对隐私要求极致，用 Jan 搭配本地模型。如果你需要云端模型的便利性和智能度，Cherry Studio 更合适。
功能详解
一、多模型对话：AI 客户端的核心
在 Cherry Studio 里发起对话的流程：
选择一个模型（左侧模型列表）
输入问题
点击发送
支持的对话特性：
Markdown 渲染：AI 返回的格式文本（标题、列表、代码块、表格）正确渲染
代码高亮：代码块自动语法高亮
数学公式：LaTeX 公式渲染
HTML 实时预览：返回的 HTML 代码可以即时预览效果
Mermaid 图表：AI 生成的流程图、序列图等直接可视化
流式输出：支持 SSE（Server-Sent Events）流式响应，逐字显示
多模型并行对话：在同一个问题下选择多个模型，它们同时回答。对比不同模型的回答风格、准确性——ChatGPT 可能更全面但偶尔啰嗦，Claude 更结构化且谨慎，DeepSeek 中文理解和成本有优势。
二、知识库（RAG）：让 AI 读懂你的文档
这是 Cherry Studio 最实用的进阶功能。原理：
你把文档（PDF、Word、TXT、Markdown、图片）导入知识库
Cherry Studio 将文档内容"向量化"——转换成数学表示以便高效检索
当你在对话中提问时，系统先从知识库中检索相关内容片段
把这些片段和你的问题一起发给 AI 模型
AI 基于这些真实文档内容回答，而不是凭空发挥
使用场景举例：你导入了 10 篇关于"新能源汽车电池技术"的论文。之后你可以问："这 10 篇论文中提到的电池能量密度最高的是多少？由哪个团队实现的？"——AI 会精准引用文档内容回答。
三、智能体（Agent）：让 AI 自动执行任务
Agent 和普通对话的区别：普通对话是"你问一句，AI 答一句"；Agent 是你给一个目标，AI 自主规划步骤、调用工具、执行操作。
Cherry Studio 的 Agent 支持：
目标分解：AI 自动拆解复杂任务为多个子步骤
工具调用：通过 MCP 协议调用外部工具（搜索网页、查询数据库、读写文件等）
自主执行：AI 按步骤自主完成，用户随时可以介入
你要做的是给 Agent 一个明确的目标，比如"帮我调研新能源汽车市场的最新趋势，整理成报告"——Agent 会自己搜索、整理、汇总、输出。
四、MCP 协议：扩展 AI 的外接能力
MCP（Model Context Protocol，模型上下文协议）是一种让 AI 模型和外部工具通信的标准协议。Cherry Studio 支持 MCP，意味着你可以给 AI 接入数据库查询、文件系统操作、Web API 调用等外部能力。
举例：连接一个"天气查询"MCP 服务后，你在对话里问"北京明天天气怎么样"，AI 会自动调用天气 MCP 获取实时数据回答，而不是基于过时的训练数据瞎猜。
五、其他功能速览
AI 绘画：内置绘画面板，输入文字描述生成图片。支持的绘画模型取决于你配置的服务商
翻译：对话内翻译、独立翻译面板、提示词翻译，多语言互译
300+ 预设助手：覆盖写作、编程、翻译、数据分析、营销等场景的角色预设
小程序：支持第三方开发的轻量应用
主题管理：明暗主题切换、透明窗口
3D 模型和视频生成：文生 3D、文生视频等多模态创作
常见问题
概念认知类
Q1：Cherry Studio 和 ChatGPT 网页版有什么区别？
A：ChatGPT 网页版只能用 OpenAI 的模型（GPT-4、GPT-4o 等），而且你的对话数据存在 OpenAI 的服务器上。Cherry Studio 可以同时接入 300+ 种模型，对话数据存在你的本地电脑上。你可以把它理解成"ChatGPT 的万能遥控器"——不只是控制一台电视，而是控制所有品牌的电视，并且遥控器上有更多功能键。
Q2：Cherry Studio 真的免费吗？我用它需要付费吗？
A：Cherry Studio 本身完全免费开源。但调用 AI 模型（ChatGPT、Claude 等）需要各服务商的 API Key，这些 API 调用通常是付费的。Cherry Studio 内置了一些免费模型（如 GLM-4），使用这些不花钱。你可以把它理解成：软件免费，但调用的 AI 模型可能需要付费——费用付给模型服务商（OpenAI、Anthropic 等），不是付给 Cherry Studio。
Q3：我的对话数据会被看到吗？
A：数据全部存储在你的本地设备上，Cherry Studio 不会上传。但当你使用云端模型（比如 ChatGPT API）时，你的问题会通过网络发送到 OpenAI 的服务器——这部分数据传输不受 Cherry Studio 控制。如果你用本地模型（Ollama），整个对话 100% 在本地，完全不联网。
Q4：知识库和普通的对话式 AI 有什么区别？
A：普通对话中，AI 只能基于它的训练数据回答（可能过时或泛泛而谈）。知识库模式下，AI 会从你提供的文档中检索相关内容再回答——回答基于你的专属数据，更准确、更有针对性。比如问"公司去年的 Q3 营收是多少"，普通 ChatGPT 不会知道，但连接了你的年报 PDF 的知识库就能精准回答。
实操问题类
Q5：API Key 在哪获取？多少钱？
A：不同服务商渠道不同：
OpenAI：platform.openai.com，需要海外手机号和信用卡。GPT-4o 约 $2.5/百万输入 token
DeepSeek：platform.deepseek.com，国内可注册，价格极低，约 ¥1/百万 token
通义千问：阿里云 dashscope.aliyun.com，有免费额度
硅基流动：siliconflow.cn，国内聚合平台，聚合多个模型无需翻墙，有免费额度
如果你不想折腾 API Key，先用 Cherry Studio 内置的免费模型上手。
Q6：本地模型怎么配置？需要什么硬件？
A：安装 Ollama（ollama.com）或 LM Studio → 下载一个开源模型（如 Qwen2.5-7B、Llama 3-8B）→ 在 Cherry Studio 中添加本地模型服务 → 选择对应模型开始使用。7B（70 亿参数）模型建议至少 8GB 显存的显卡和 16GB 内存。没有独立显卡也可以用 CPU 跑，但速度会比较慢。
Q7：知识库导入 PDF 后搜索不准怎么办？
A：几个可能原因和解决方法：
PDF 是扫描版（图片而非文字）：需要先 OCR 识别文字再导入
文档太长：拆分大文档，每份控制在 50 页以内（RAG 的检索精度和文档大小相关）
语言不匹配：如果文档是英文，提问也需要用英文效果更好（嵌入模型的语言匹配问题）
参数可调：在知识库设置中调整检索参数（返回片段数、相似度阈值等）
Q8：Cherry Studio 会不会卡顿或闪退？
A：作为开源项目且迭代频繁，偶尔会有稳定性问题。遇到闪退：重启即可，对话历史会自动保存。如果某个版本问题严重，可以从 GitHub Releases 页面下载旧版本回退。保持版本更新可以解决大部分已知 bug。
小结
如果你想在一个窗口里用遍所有主流 AI 模型，并且需要知识库、多模型对比、数据本地存储等进阶能力——Cherry Studio 是目前功能最全面、性价比最高（免费）的选择。特别是 300+ 模型的聚合能力和知识库功能，让它不仅仅是"另一个 AI 聊天窗口"，而是一个完整的 AI 工作台。
如果你只是偶尔和 ChatGPT 聊聊天，不需要复杂功能，ChatBox（更轻量）或直接用网页版就够了。如果你对数据隐私有极致要求且能接受较低智能水平的本地模型，Jan 的离线优先设计更契合。