入门 9 分钟界面

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

Cherry Studio:一个界面适用于所有 LLM(本地 + 云端)

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。

作者: Mohamed Meguedmi·更新于 2026-08-27·已在 Windows、macOS 和 Linux 上测试

#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)。
i
Cherry Studio 不是什么
它不是推理引擎——不会自行下载模型,也不会直接运行 LLM。要在本地运行模型,它需要 Ollama 或 LM Studio 作为后端。它是客户端,不是服务器。

#先决条件

打造专属 AI 助手的完整套件。

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。

GitHub Releases
https://github.com/CherryHQ/cherry-studio/releases
  1. 01
    Windows
    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。
  2. 02
    macOS
    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。
  3. 03
    Linux
    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。
→
验证二进制文件的完整性
在Releases页面上,每个压缩包都有公布的SHA-256哈希值。在Linux上,运行sha256sum Cherry-Studio-*.AppImage,并与公布的值进行比较。在macOS上,运行shasum -a 256 Cherry-Studio-*.dmg。只需10秒,就能保护您免受被植入恶意软件的发布版本侵害。

#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。

检查 Ollama
curl http://localhost:11434/api/tags

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。

  1. 01
    打开设置
    在 Cherry Studio 中,点击 Settings 图标(左下角),然后点击 Model Providers。
  2. 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。
  3. 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。
  4. 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。
i
在另一台机器上使用 Ollama
如果您的 Ollama 运行在局域网服务器上,请将 localhost 替换为 IP 地址(例如:http://192.168.1.42:11434)。在服务器端,必须设置 OLLAMA_HOST=0.0.0.0:11434 来启动 Ollama,使其监听所有网络接口,否则它会拒绝远程连接。

#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。
  1. 01
    Settings → Model Providers
    启用你想使用的每个 provider。
  2. 02
    粘贴 API Key
    API 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)。
  3. 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。
  4. 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。
!
你的 API 密钥保留在本地
Cherry Studio 是一个客户端:您的密钥存储在自己的机器上,并用于直接调用服务提供商的 API。但这也意味着您需要承担保管责任——丢失笔记本电脑,就等于无法再访问您的密钥。如果多人协作,请为每台电脑创建独立的密钥,而不是共享密钥。

#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。

  1. 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。
  2. 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。”
  3. 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)。
  4. 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)。
  5. 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。
→
分享助手
Cherry Studio 会将助手导出为 JSON。这样便于在 git 仓库中对提示词进行版本控制,也便于在团队中共享,无需手动复制 system prompt 和参数。

#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。

示例:Settings → MCP Servers 中的 MCP filesystem
{
  "filesystem": {
    "command": "npx",
    "args": [
      "-y",
      "@modelcontextprotocol/server-filesystem",
      "/home/user/documents"
    ]
  }
}

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。

!
MCP = 请谨慎授予权限
指向 /home/user 的 MCP 文件系统服务器会让 LLM 获得对您整个主目录的读写权限。始终将访问范围限制在必要的最小范围内。对于提供数据库或 shell 访问的 MCP 服务器,也应如此——初期应保持只读模式。

#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。
这份指南对您有帮助吗?

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。