Cherry Studio:一个界面管理所有您的 LLM(本地 + cloud)

您用本地运行的 Ollama 处理日常任务,用 OpenAI 账户额度处理复杂任务,还用 Mistral 密钥处理法语任务。三个不同的界面,三份对话历史,三个需要复制粘贴提示词的地方。Cherry Studio 是一个开源桌面客户端,可将您所有的大语言模型——本地和云端模型——整合到一个应用中,并提供自定义助手和 MCP 支持。
#为什么选择 Cherry Studio
Cherry Studio(GitHub 仓库:CherryHQ/cherry-studio,许可证:AGPL-3.0)是一款基于 Electron 的桌面应用,定位为 LLM 服务提供商聚合工具。其理念是:统一的界面、统一的历史记录,提示词随处可用——无论底层模型是在 Ollama 上本地运行的 Qwen 3.5、OpenAI 提供的 GPT-4o,还是 Anthropic 提供的 Claude Sonnet。
对于同时使用本地和云端 LLM 的用户,Cherry Studio 解决了一个实际问题:无需再为了本地模型打开 LM Studio、为了 OpenAI 打开 ChatGPT.com、为了 Anthropic 打开 Claude.ai,或为了 Le Chat 打开一个 Mistral 标签页,然后在它们之间来回切换。每个服务提供商只需配置一次,必要时即可在同一段对话中切换模型。
- 原生支持多家服务商
- Ollama、LM Studio、OpenAI、Anthropic Claude、Mistral、DeepSeek、Gemini、OpenRouter、Groq、Together,以及任何兼容 OpenAI 的端点。
- 开源 AGPL-3.0
- GitHub 上的公开代码。默认不会向外发送遥测数据。你可以自行编译。
- 跨平台桌面端
- Windows、macOS(Intel + Apple Silicon)、Linux(AppImage、.deb)。
- 持久化助手
- 系统提示词 + 参数 + 预配置模型,可像 GPT 一样重复使用。
- 知识库
- 导入文件(PDF、Word、Markdown)并生成 embeddings——无需繁琐拼装的内置 RAG。
- MCP(Model Context Protocol)
- 连接 MCP 服务器,为 LLM 提供工具(文件系统、Web、数据库)。
#先决条件
借助我们的经验和引导式路径,打造你的本地助手,在日常中使用你的 AI。
- 在线空间,终身可用
- PDF + 文件
- 30 天内退款
- 64 位系统
- Windows 10/11、macOS 11+、较新的 Linux。没有官方移动版(Cherry Studio 仅支持桌面端)。
- 4 GB 空闲内存
- 应用本身很轻量(基于 Electron),但如果您同时运行 Ollama 并加载一个 7B 模型,总共需要预留 8 GB 内存。
- 至少一个 LLM 后端
- 要么是运行在 localhost:11434 上的 Ollama,要么是云服务提供商的 API 密钥(OpenAI、Anthropic、Mistral……)。没有这些,应用就是空的。
- (可选)用于 MCP 的 Node.js
- 多个 MCP 服务器通过 npx 安装;如果要使用此功能,建议使用 Node 18+。
#1. Windows / macOS / Linux 安装
该项目在 GitHub 的 Releases 页面发布经过签名的二进制文件。请直接从官方仓库获取最新稳定版本。
- 01Windows下载 Cherry-Studio-x.y.z-x64-setup.exe(NSIS 安装程序)或便携版。双击运行并按照向导操作。无需安装任何外部依赖。
- 02macOS请下载与您的架构相匹配的 .dmg 文件:Cherry-Studio-x.y.z-arm64.dmg 适用于 Apple Silicon(M1/M2/M3/M4),-x64.dmg 适用于 Intel。将应用拖入 /Applications。如果应用未经 Apple 公证,首次启动时请右键点击 →“打开”,以绕过 Gatekeeper。
- 03Linux下载 .AppImage(通用版)或 .deb(Debian/Ubuntu)。对于 AppImage:chmod +x Cherry-Studio-x.y.z.AppImage,然后双击。对于 .deb:sudo dpkg -i Cherry-Studio-x.y.z.deb。
#2. 接入本地 Ollama
首次启动时,Cherry Studio 会打开一个空白界面——尚未配置模型。先从最简单的方式开始:连接到您本地运行的 Ollama。
首先确认 Ollama 正在运行,并监听其标准端口。
您应收到包含已安装模型列表的 JSON 响应。如果 curl 返回连接错误,请先启动 Ollama 服务,再继续。
- 01打开设置在 Cherry Studio 中,点击 Settings 图标(左下角),然后点击 Model Providers。
- 02启用 Ollama在 providers 列表中找到 Ollama,并将开关切换为 ON。API Host 字段默认填入 http://localhost:11434 —— 如果 Ollama 在同一台机器上运行,请不要做任何修改。
- 03同步模型点击右侧的 Manage,然后点击刷新按钮。Cherry Studio 会查询 Ollama,并列出所有已安装的模型(qwen3.5、granite4.2、gemma4……)。勾选你希望显示在选择器中的模型。
- 04测试返回 Chat 视图,创建新对话,从顶部菜单中选择一个 Ollama 模型,然后发送一条消息。回复应以流式方式显示在窗口中。
#3. 同时添加云端服务提供商
当您混合使用多个 provider 时,Cherry Studio 的价值才真正体现出来。您可以同时启用 5 个 provider,并在模型选择器中一键切换。
- OpenAI
- platform.openai.com 上的 API key。Cherry Studio 提供 GPT-4o、GPT-4 Turbo、o1 等。
- Anthropic Claude
- API 密钥可在 console.anthropic.com 获取。Claude Sonnet 4.6、Haiku、Opus 模型均可用。
- Mistral
- 在 console.mistral.ai 上获取 API 密钥。可访问 Mistral Large、Codestral、Pixtral。
- DeepSeek
- 在 platform.deepseek.com 获取 API 密钥。可访问 DeepSeek V3 和 R1(推理模型)。
- OpenRouter
- 只需一个密钥,即可通过统一代理访问 200 多个模型——便于快速测试。
- 自定义端点
- 适用于任何兼容 OpenAI 的服务器:vLLM、LM Studio 服务器模式、Together、Fireworks、llama.cpp server。
- 01Settings → Model Providers启用你想使用的每个 provider。
- 02粘贴 API KeyAPI Key 字段。Cherry Studio 会加密存储在应用本地存储中的密钥(不会以明文形式保存在可见的配置文件中)。
- 03测试连接密钥旁的 Check 按钮会发送测试请求。绿色 = 正常,红色 = 密钥无效或网络被阻断。
- 04选择要公开的模型对每个服务提供商,请勾选希望在模型选择器中显示的模型。取消勾选从不使用的模型,以免菜单中堆满选项。
#4. 自定义助手
一个 Cherry Studio 助手 = 一个系统提示词 + 一个默认模型 + 一组参数(温度、上下文)+ 可选的关联知识库。这相当于 OpenAI 的 GPTs 本地版,只不过控制权在你手中。
- 01点击 Assistants 侧边栏中的 +创建面板会打开。名称、表情符号、简短描述。
- 02定义系统提示词这是助手的核心:它的角色、约束条件和预期语气。例如:“你负责批改法语作业。回答时逐条指出错误,并给出修改。不要改述,也不要迁就。”
- 03选择默认模型你可以选择任何已配置服务商的任意模型。对于法语文本校对:可以通过 API 使用 mistral-large,或者在本地通过 Ollama 使用 mistral-small(如果重视隐私)。
- 04调整温度和上下文确定性任务(校对、提取)设为 0.2,创意写作设为 0.7–1.0。上下文窗口取决于模型(近期推出的模型可达 128k)。
- 05保存助手会出现在侧边栏中。点击即可开始使用此配置预先设置的新对话。
#5. MCP 支持(Model Context Protocol)
MCP 是 Anthropic 于 2024 年底发布的协议,用于标准化大语言模型(LLM)访问外部工具的方式:读取文件、查询数据库、调用 API。Cherry Studio 是首批原生支持该协议、面向普通用户的桌面客户端之一。
具体来说,您可以在 Cherry Studio 中声明一个 MCP 服务器,所有兼容工具调用的模型(Claude、GPT-4、某些 Qwen 3.5 和 Granite 4.2)都可以在对话期间调用它。
添加后,助手可以在获授权的文件夹中列出、读取和写入文件。请对它说:“列出我的文档文件夹中的 .md 文件,并概述最新的那个文件。”——它会自行调用工具。
#Cherry Studio vs Chatbox vs Jan
三者都是支持多家供应商的开源 LLM 桌面客户端。区别如下:
- Cherry Studio
- 聚合功能最全面:支持 15 家以上云服务提供商、本地 Ollama/LM Studio,以及助手、知识库和 MCP。界面信息密度高,学习难度也略高一些。
- Chatbox
- 更简洁,也更容易上手。支持的服务提供商更少,没有 MCP,知识库功能也没有那么先进。如果您只想要一个简洁的多 API 客户端,不想承担繁重的使用负担,它就很合适。
- Jan
- 更侧重本地优先:Jan 内置自己的推理引擎(基于 llama.cpp),因此无需依赖 Ollama 就能运行模型。支持的云服务提供商比 Cherry 少;截至撰写本文时,尚不支持 MCP。
总结:如果您经常混合使用本地与云端模型,并且需要MCP,可选Cherry Studio。如果您想要无需Ollama的本地一体化工具,可选Jan。如果您想要最简单的客户端,可选Chatbox。
#故障排除
- 没有显示任何 Ollama 模型
- 请确认 curl http://localhost:11434/api/tags 能正常响应,并在Ollama提供商设置中点击 Manage → 刷新按钮。如果Ollama正在运行却没有响应,请重启服务。
- OpenAI/Anthropic 上的 401 错误
- 密钥无效或已过期。请在 provider 控制台中重新生成,然后重新粘贴。还要确认您的账户有余额。
- 通过企业代理连接云端服务时出现连接错误
- Cherry Studio 并不总是读取 HTTPS_PROXY 环境变量。请在 Settings → General → Network 中配置代理。
- MCP 服务器无法启动
- 缺少 Node.js 或版本过旧。请安装 Node 18+(建议使用 nvm),然后重新启动 Cherry Studio。可通过 View → Toggle Developer Tools → Console 访问 MCP 日志。
- 应用运行缓慢 / 卡顿
- 积累了过多历史记录。较长的对话会加重本地索引的负担。请通过 Settings → Data Management 归档或删除旧对话。
- 回答在中途被截断
- 模型在输出时达到了 token 上限。请在助手设置中增大 Max Tokens(长回复建议设置为 4096 或更高)。
#深入了解
Cherry Studio 的主要价值在于提供统一的界面。若想深入了解其底层运行的后端:
- 如果您还没有 Ollama
- 《Ollama 是什么,它如何工作》介绍了 Cherry Studio 在本地调用的守护进程,有助于理解为什么模型无法加载。
- 如果你将 Cherry 与其他界面进行比较
- 《LM Studio vs Ollama:2026 年该选哪个》以及《Msty:优雅的本地 LLM 界面》指南介绍了统一界面领域的直接替代方案。
- 如果您想进一步进行共享
- 《LiteLLM:统一本地与云端的代理》比 Cherry Studio 更进一步,部署在服务器端,可在本地 Ollama 与云端 API 之间自动进行故障回退。
有反馈、发现了错误,或想补充说明?请告诉我们,让这份指南对每个人都更有帮助。