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

#为何选择 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。

原生多服务商支持

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

代码在GitHub上公开。默认不发送任何遥测数据。您可以自行编译。

跨平台桌面支持

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

支持文件导入（PDF、Word、Markdown）并集成嵌入向量——内置 RAG 无需自行搭建。

模型上下文协议（MCP）

连接 MCP 服务器以向 LLM 提供工具（文件系统、网络、数据库）

#先决条件

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。

至少包含一个 LLM 后端

要么使用本地运行的 Ollama（地址为 localhost:11434），要么使用云服务提供商的 API 密钥（如 OpenAI、Anthropic、Mistral 等）。否则，应用将为空。

(可选) 为 MCP 安装 Node.js

多个 MCP 服务器可通过 npx 安装——若要使用该功能，建议使用 Node 18 或更高版本。

#1. Windows / macOS / Linux 安装

项目在 GitHub 的 Releases 页面发布签名二进制文件。请直接从官方仓库获取最新稳定版本。

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。双击后，跟随向导操作。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）版本。对于 .AppImage：执行 chmod +x Cherry-Studio-x.y.z.AppImage，然后双击运行。对于 .deb：执行 sudo dpkg -i Cherry-Studio-x.y.z.deb。

#2. 连接本地 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。

首先确保 Ollama 正常运行并监听其标准端口。

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，点击左下角的 Settings 图标，然后选择 Model Providers。
2. 02
   启用Ollama

   在提供者列表中找到 Ollama，并将其开关切换为 ON。API Host 字段将默认填充为 http://localhost:11434 —— 如果 Ollama 运行在相同机器上，请不要进行任何修改。
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并列出您已安装的所有模型（qwen3.5, granite4.2, gemma4...）。勾选您希望出现在选择器中的模型。
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。

#3. 同时添加云端服务提供商

当您混合使用时，Cherry Studio 的价值才得以体现。您可以同时激活 5 个提供商，并通过模型选择器一键切换。

OpenAI

platform.openai.com 的 API 密钥。Cherry Studio 支持 GPT-4o、GPT-4 Turbo、o1 等模型。

Anthropic Claude

API密钥请从console.anthropic.com获取。支持Claude Sonnet 4.6、Haiku、Opus模型。

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

适用于所有OpenAI兼容的服务器：vLLM，LM Studio 服务器模式，Together，Fireworks，llama.cpp server。

1. 01
   Settings → Model Providers

   启用您希望使用的每个服务提供商。
2. 02
   粘贴 API 密钥

   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
   选择要展示的模型

   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. 个性化助手

Cherry Studio助手 = 系统提示 + 默认模型 + 参数（温度、上下文）+ 可选关联的知识库。相当于OpenAI的GPTs的本地版本，只是你始终保有控制权。

1. 01
   点击 Assistants 侧边栏中的 +

   出现一个创建面板。填写名称、表情符号和简短描述。
2. 02
   设置系统提示

   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

   您可以选择任意已配置提供商的任意模型。对于法语文本校对：可通过 API 使用 mistral-large，或通过 Ollama 使用本地 mistral-small（若需隐私保护）。
4. 04
   调整温度与上下文

   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。点击即开启预配置的新对话，基于当前设置。

#5. 支持 MCP（模型上下文协议）

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。

实际上，您可以在Cherry Studio中声明一个MCP服务器，所有支持工具调用的模型（如Claude、GPT-4、部分Qwen 3.5版本以及Granite 4.2）均可在对话过程中调用该服务器。

{
  "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。

#Cherry Studio vs Chatbox vs Jan

三者均为支持多供应商 LLM 的开源桌面客户端。差异如下：

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

未显示任何 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 出现 401 错误

密钥无效或已过期。请从服务提供商控制台重新生成并重新粘贴。同时请确认您的账户余额充足。

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

缺少或版本过旧的 Node.js。请安装 Node 18 或更高版本（推荐使用 nvm），然后重新启动 Cherry Studio。MCP 日志可通过 View → Toggle Developer Tools → Console 访问。

应用运行缓慢 / 响应迟钝

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。

回复在中间被截断

模型已达到输出token的上限。请在助手设置中增加Max Tokens（长文本回复建议设置为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。

如果您将 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。

如果希望进一步实现资源共享

《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。