各种模型服务聚合

Cherry Studio 内置了很多服务商，集成了超过 300 多个大语言模型。在使用过程中，你可以随意切换模型来回答问题，充分利用各个大模型的优势解决问题。目前，已经集成的服务商见服务商配置：

跨平台兼容，为您带来无缝体验

Cherry Studio 支持 Windows 和 macOS 两大主流操作系统，未来还会支持移动平台。这意味着无论您使用什么设备，都能享受到 Cherry Studio 带来的便利。告别平台限制，尽情挖掘 GPT 技术的潜力！

为多种专业人士量身打造

Cherry Studio 的设计初衷是满足各行各业对 GPT 技术的需求。无论您是埋头编码的开发者、追求灵感的设计师，还是笔耕不辍的作家，Cherry Studio 都能成为您的得力助手。通过自然语言处理技术，它能帮助您提升工作效率，轻松应对数据分析、文本生成、代码编写等各种挑战。

丰富的应用场景，激发您的创造力

• 开发者的代码伙伴：利用 Cherry Studio 进行代码生成和调试，让编程更加高效。

• 设计师的灵感源泉：借助 Cherry Studio 进行创意文本生成和设计说明，激发无限创意。

• 作家的得力助手：通过 Cherry Studio 辅助撰写和编辑文章，让文字创作更加流畅。

内置翻译助手，轻松解决语言障碍

突出特色，引领创新

1. 开源精神：Cherry Studio 提供开源代码，鼓励用户自行定制和扩展，打造专属的 GPT 助手。

2. 持续更新：最新版本 v0.4.4 已经发布，开发者始终致力于优化用户体验和功能完善。

3. 简约设计：界面直观简洁，操作便捷，让您专注于创作本身。

4. 高效工作：可以快速切换不同的模型回答问题，快速寻找解决方案

5. 智能会话：通过 AI 自动命名会话，让所有的聊天记录都一目了然，方便后期整理和阅读

6. 拖拽排序：不论是智能体、会话、还是设置都可以拖拽鼠标完成排序，让信息井井有条

7. 翻译无忧：内置智能翻译服务，覆盖主流语种，借助 AI 技术实现精准高效的跨语言交流

8. 多语言支持：满足全球用户的需求，让 GPT 技术跨越语言障碍。

9. 多主题切换：支持白天和夜间模式，不论是白天还是夜晚都可以赏心悦目

轻松上手，开启智能之旅

使用 Cherry Studio 非常简单，只需几个步骤即可开启您的 GPT 之旅：

1. 下载适合您系统的版本

2. 安装并启动客户端

3. 根据界面提示操作

4. 尽情使用各种强大功能

5. 根据需要调整设置

6. 加入社区，与其他用户交流经验

Cherry Studio 不仅仅是一款软件，更是您通往 GPT 技术无限可能的大门。它将复杂的技术简化为易用的工具，让每个人都能轻松驾驭 GPT 的力量。无论您是技术专家还是普通用户，Cherry Studio 都能为您的工作和生活带来前所未有的便利。立即下载 Cherry Studio，开启您的智能之旅吧！

StarHistory

智能体页面是一个助手广场，这里你可以选择或者搜索你想要的模型预设，点击器卡片后即可将助手添加在对话页面的助手列表当中。

你也可以在页面中编辑和创建自己的助手。

• 点击我的点击创建智能体卡片即可开始创建自己的助手。

翻译初始状态是一个基础的翻译提示词，你也可以自定义翻译提示词来实现自己想要的翻译效果。

翻译所使用的模型可以点击顶部设置按钮到页面设置。

在小程序页面你可以在客户端内使用各大服务商的网页版AI相关程序，目前暂不支持自定义添加和删除。

知识库使用可参考进阶教程中的。

在此页面可设置软件的界面语言，以及设置代理等。

默认助手模型

当助手未设置默认助手模型时,其新对话当中默认选择的模型为此处设置的模型。

另外新建助手时，优化提示词所使用的模型也是此处设置的模型。

话题命名模型

每次对话后会调用模型为对话生成一个话题名称，此处设置的模型为命名时所使用的模型。

翻译模型

对话、绘画等输入框当中的翻译功能，翻译界面的翻译模型都使用的是此处设置的模型。

Todo List

• 快捷弹窗 (读取剪贴板、快速提问、解释、翻译、总结）

• 支持使用服务商提供的 SSO 进行登录

• 多模型回答对比

• 读取其他软件中用户选择的数据

• 插件功能

• 全部模型支持联网

• 推出第一个正式版

助手和话题

助手

助手是对所选模型做一些个性化的设置来使用模型，如提示词预设和参数预设等，通过这些设置让所选模型能更加符合你预期的工作。

系统默认助手预设了一个比较通用的参数（无提示词），您可以直接使用或者到智能体页面寻找你需要的预设来使用。

话题

助手是话题的父集，单个助手下可以创建多个话题（即对话），所有话题共用助手的参数设置和预设词（prompt）等模型设置。

对话设置

模型设置

模型设置与助手设置当中的模型设置参数同步,详见助手设置部分文档。

消息设置

消息分割线:使用分割线将消息正文与操作栏隔开。

使用衬线字体：字体样式切换，现在你也可以通过自定义css来更换字体。

代码显示行号：模型输出代码片段时显示代码块行号。

代码块可折叠：打开后当输出长代码在代码片段当中时，可自动折叠代码块。

消息样式：可切对话界面换为气泡样式或列表样式。

代码风格：可切换代码片段的显示风格。

数学公式引擎：

• KaTeX 渲染速度更快，因为它是专门为性能优化设计的；

• MathJax 渲染较慢，但功能更全面，支持更多的数学符号和命令。

消息字体大小：调整对话界面字体的大小。

输入设置

显示预估Token数：在输入框显示输入文本预估消耗的Token数（非实际上下文消耗的Token，仅供参考）。

长文本粘贴为文件：当从其他地方复制长段文本粘贴到输入框时会自动显示为文件的样式，减少后续输入内容时的干扰。

Markdown渲染输入消息：关闭时只渲染模型回复的消息，不渲染发送的消息。

快速敲击3次空格翻译：在对话界面输入框输入消息后，连敲三次空格可翻译输入的内容为英文。的

助手设置

在助手界面选择需要设置的助手名称→在右键菜单中选对应设置

编辑助手

提示词设置

名称：可自定义为方便辨识的助手名称；

提示词：即prompt，可以参照智能体页面的提示词写法来编辑内容。

模型设置

默认模型：可以为该助手固定一个默认模型，从智能体页面添加时或复制助手时初始模型为该模型。不设置该项初始模型则为全局初始模型(即默认助手模型)。

自动重置模型：打开时 - 当在该话题下使用过程中切换其他模型使用时，再次新建话题会将新话题的重置为助手的默认模型。当该项关闭时新建话题的模型会跟随上一话题所使用的模型。

如助手的默认模型为gpt-3.5-turbo，我在该助手下创建话题1，在话题1的对话过程中切换了gpt-4o使用，此时：

如果开启了自动重置：新建话题2时，话题2默认选择的模型为gpt-3.5-turbo;

如果未开启自动重置：新建话题2时，话题2默认选择的模型为gpt-4o。

温度 (Temperature) ：

温度参数控制模型生成文本的随机性和创造性程度（默认值为0.7）。具体表现为：

• 低温度值(0-0.3)：

  • 输出更确定、更专注

  • 适合代码生成、数据分析等需要准确性的场景

  • 倾向于选择最可能的词汇输出

• 中等温度值(0.4-0.7)：

  • 平衡了创造性和连贯性

  • 适合日常对话、一般性写作

  • 推荐用于聊天机器人对话(0.5左右)

• 高温度值(0.8-1.0)：

  • 产生更具创造性和多样性的输出

  • 适合创意写作、头脑风暴等场景

  • 但可能降低文本的连贯性

Top P (核采样)：默认值为 1，值越小，AI 生成的内容越单调，也越容易理解；值越大，AI 回复的词汇范围越大，越多样化。

核采样通过控制词汇选择的概率阈值来影响输出：

• 较小值(0.1-0.3)：

  • 仅考虑最高概率的词汇

  • 输出更保守、更可控

  • 适合代码注释、技术文档等场景

• 中等值(0.4-0.6)：

  • 平衡词汇多样性和准确性

  • 适合一般对话和写作任务

• 较大值(0.7-1.0)：

  • 考虑更广泛的词汇选择

  • 产生更丰富多样的内容

  • 适合创意写作等需要多样化表达的场景

上下文数量 (Context Window)

要保留在上下文中的消息数量，数值越大，上下文越长，消耗的 token 越多：

• 5-10：适合普通对话

• >10：需要更长记忆的复杂任务（例如：按照写作提纲分步生成长文的任务，需要确保生成的上下文逻辑连贯）

• 注意：消息数越多，token 消耗越大

开启消息长度限制(MaxToken)

单次回答最大Token数,在大语言模型中，max token（最大令牌数）是一个关键参数，它直接影响模型生成回答的质量和长度。具体设置多少取决于自己的需要，当然也可以参考以下建议。

如:在CherryStudio当中填写好key后测试模型是否连通时，只需要知道模型是否有正确返回消息而不需特定内容,这种情况下设置MaxToken为1即可。

多数模型的MaxToken上限为4k Tokens，当然也有2k也有16k甚至更多的，具体需要到对应介绍页面查看。

流式输出（Stream）

流式输出是一种数据处理方式，它允许数据以连续的流形式进行传输和处理，而不是一次性发送所有数据。这种方式使得数据可以在生成后立即被处理和输出，极大地提高了实时性和效率。

在CherryStudio客户端等类似环境下简单来说就是打字机效果，

关闭后(非流)：模型生成完信息后整段一次性输出（想象一下微信收到消息的感觉）；

打开时：逐字输出，可以理解为大模型每生成一个字就立马发送给你，直到全部发送完。

自定义参数

在请求体（body）中加入额外请求参数，如presence_penalty等字段，一般人一般情况下用不到。

填法：参数名称—参数类型（文本、数字等）—值，参考文档：点击前往

上述top-p、maxtokens、stream等参数就是这些参数之一。

当前页面仅做界面功能的介绍，配置教程可以参考基础教程中的教程。

API 秘钥

在CherryStudio当中，单个服务商支持多Key轮询使用，轮询方式为从前到后列表循环的方式。

• 多Key用英文逗号隔开添加。如以下示例方式：

API 地址

在使用内置服务商时一般不需要填写API地址，如果需要修改请严格按照对应的官方文档给的地址填写。

如果服务商给的地址为https://xxx.xxx.com/v1/chat/completions这种格式，只需要填写根地址部分（https://xxx.xxx.com）即可。

CherryStudio客户端会自动拼接剩余的路径（/v1/chat/completions），未按要求填写可能会导致无法正常使用。

添加模型

一般情况下点击服务商配置页面最左下角的管理按钮会自动获取该服务商所有支持调用的模型，从获取列表中点击“+”号添加到模型列表即可。

注意：点击管理按钮时弹窗列表里的模型需要点击模型后的“+”号添加到服务商配置页面的模型列表才可以在模型选择列表当中出现。

连通性检查

点击API 秘钥输入框后的检查按钮即可测试是否成功配置。

绘画功能目前仅支持硅基流动的绘画模型，你可以到注册一个账户添加到来使用。

有关参数的疑问可以鼠标悬停在对应区域的?处查看介绍。

文件界面会展示所有对话、绘画、知识库等相关的文件，可以在此页面集中管理和查看。

该界面可以进行客户端数据的云端和本地备份、本地数据目录查询和清除缓存等操作。

数据备份

目前数据备份只支持WebDav的方式进行备份。你可以选择支持WebDav的服务来进行云端备份。

你也可以通过A—备份→WebDav—恢复→B的方式来实现多端数据同步。

在此页面你可以设置软件的颜色主题、页面布局或者自定义css来进行一些个性化的设置。

主题选择

你可以在此处设置默认的界面颜色模式（浅色模式、深色模式或跟随系统）

话题设置

该设置是针对对话界面的布局的设置。

话题设置

自动切换到话题

当打开该设置时点击助手名称页面会自动切换到对应话题页面。

显示话题时间

打开时会在话题下方显示话题创建的时间。

自定义css

首先到首页点击下载 Mac 版本，或点击下方直达

下载完成后点击这里

拖拽图标安装

安装完成

在该界面可以启(停)用和设置一些功能的快捷键，具体按照界面指示设置。

1. 配置 SiliconCloud 的模型服务

​1.2 点击左下角的设置，在模型服务中选择【硅基流动】

​1.2 点击链接获取 SiliconCloud API 密钥

1. 登录SiliconCloud（若未注册首次登录会自动注册账号）

2. 访问API 密钥新建或复制已有密钥

​1.3 点击管理添加模型

​2. 模型服务使用

1. 点击左侧菜单栏的“对话”按钮

2. 在输入框内输入文字即可开始聊天

3. 可以选择顶部菜单中的模型名字切换模型

打开 QwenLM 官网：https://chat.qwenlm.ai/ 并登录账号

将获取到的绿色部分 Token 输入到 Cherry Studio

获取APIKey

• 在官方点击+ Create new secret key

• 找到服务商OpenAI，填入刚刚获取到的key

• 点击最下方管理或者添加，加入支持的模型并打开右上角服务商开关就可以使用了。

• 登录并进入令牌页面

• 创建新令牌（也可以直接使用default令牌↑）

• 复制令牌

• 打开CherryStudio的服务商设置点击服务商列表最下方的添加

• 输入备注名称，提供商选OpenAI，点击确定

• 填入刚刚复制的key

• 回到获取API Key的页面，在对应浏览器地址栏复制根地址，例：

• 添加模型（点击管理自动获取或手动输入）打开右上角开关即可使用。

下载

• 到官网找到对应版本的安装包下载

• 等待下载完成

如果出现浏览器提示文件不被信任等情况选择保留即可

选择保留→ 信任 Cherry-Studio

• 打开文件

• 安装

• 登录

• 找到火山方舟点击进入,或直接点击

添加模型

• 进入页面后在侧栏最下方找到开通管理

• 在开通管理页面开通需要使用的模型

• 全部开通完成后点击在线管理，进入后点击创建推理接入点

• 接入点名称随便写，保证自己能辨识即可，建议跟模型名同步

• 点击+添加模型按钮

• ① 选择模型、② 选择版本（主线模型）、③ 确认

• 点击确认接入

• 点击添加模型

• 按照此流程依次添加模型

API Key获取

• 点击侧栏最下方的API Key管理

• 创建API Key

• 创建成功后，点击创建好的API Key后的小眼睛打开并复制

• 将复制的API Key填入到CherryStudio当中后，打开服务商开关就可以使用了。

API地址

API地址有两种写法

• 第一种为客户端默认的:https://ark.cn-beijing.volces.com/api/v3/

• 第二种写法为:https://ark.cn-beijing.volces.com/api/v3/chat/completions#

Docs Github 仓库地址：https://github.com/CherryHQ/cherry-studio-docs

贡献文档可以通过以下方式来进行：

1. 可以通过提交 issue 或者提交 Pull Request 方式进行

2. 也可以联系开发者 [email protected] 获取编辑身份

我们欢迎对 Cherry Studio 的贡献！您可以通过以下方式贡献：

1. 贡献代码：开发新功能或优化现有代码。

2. 修复错误：提交您发现的错误修复。

3. 维护问题：帮助管理 GitHub 问题。

4. 产品设计：参与设计讨论。

5. 撰写文档：改进用户手册和指南。

6. 社区参与：加入讨论并帮助用户。

7. 推广使用：宣传 Cherry Studio。

联系人：何先生

📮：[email protected]

📱：151 2114 2031

什么是tokens？

Tokens 是 AI 模型处理文本的基本单位，可以理解为模型"思考"的最小单元。它不完全等同于我们理解的字符或单词，而是模型自己的一种特殊的文本分割方式。

1. 中文分词

• 一个汉字通常会被编码为 1-2 个 tokens

• 例如："你好" ≈ 2-4 tokens

2. 英文分词

• 常见单词通常是 1 个 token

• 较长或不常见的单词会被分解成多个 tokens

• 例如：

  • "hello" = 1 token

  • "indescribable" = 4 tokens

3. 特殊字符

• 空格、标点符号等也会占用 tokens

• 换行符通常是 1 个 token

什么是 Tokenizer？

Tokenizer（分词器）是 AI 模型将文本转换为 tokens 的工具。它决定了如何把输入文本切分成模型可以理解的最小单位。

为什么不同模型的 Tokenizer 不一样？

1. 训练数据不同

• 不同的语料库导致优化方向不同

• 多语言支持程度差异

• 特定领域（医疗、法律等）的专门优化

2. 分词算法不同

• BPE (Byte Pair Encoding) - OpenAI GPT 系列

• WordPiece - Google BERT

• SentencePiece - 适合多语言场景

3. 优化目标不同

• 有的注重压缩效率

• 有的注重语义保留

• 有的注重处理速度

实际影响

同样的文本在不同模型中的 token 数量可能不同：

什么是嵌入模型 (Embedding Model)?

基本概念： 嵌入模型是一种将高维离散数据（文本、图像等）转换为低维连续向量的技术，这种转换让机器能更好地理解和处理复杂数据。想象一下，就像把复杂的拼图简化成一个简单的坐标点，但这个点仍然保留了拼图的关键特征。在大模型生态中，它作为"翻译官"，将人类可理解的信息转换为AI可计算的数字形式。

工作原理： 以自然语言处理为例，嵌入模型可以将词语映射到向量空间中的特定位置。在这个空间里，语义相近的词会自动聚集在一起。比如：

• "国王"和"王后"的向量会很接近

• "猫"和"狗"这样的宠物词也会距离相近

• 而"汽车"和"面包"这样语义无关的词则会距离较远

主要应用场景：

• 文本分析：文档分类、情感分析

• 推荐系统：个性化内容推荐

• 图像处理：相似图片检索

• 搜索引擎：语义搜索优化

核心优势：

1. 降维效果：将复杂数据简化为易处理的向量形式

2. 语义保持：保留原始数据中的关键语义信息

3. 计算效率：显著提升机器学习模型的训练和推理效率

技术价值： 嵌入模型是现代AI系统的基础组件，为机器学习任务提供了高质量的数据表示，是推动自然语言处理、计算机视觉等领域发展的关键技术。

Embedding模型在知识检索中的工作原理

基本工作流程：

1. 知识库预处理阶段

• 将文档分割成适当大小的chunk（文本块）

• 使用embedding模型将每个chunk转换为向量

• 将向量和原文存储到向量数据库中

1. 查询处理阶段

• 将用户问题转换为向量

• 在向量库中检索相似内容

• 将检索到的相关内容作为上下文提供给LLM

• 登录并打开令牌页面

• 点击添加令牌

• 输入令牌名称后点击提交（其他设置如有需要可自行配置）

• 打开CherryStudio的服务商设置点击服务商列表最下方的添加

• 输入备注名称，提供商选OpenAI，点击确定

• 填入刚刚复制的key

• 回到获取API Key的页面，在对应浏览器地址栏复制根地址，例：

• 添加模型（点击管理自动获取或手动输入）打开右上角开关即可使用。

通过自定义 CSS 可以修改软件的外观更加符合自己的喜好，例如这样：

:root {
  --color-background: #1a462788;
  --color-background-soft: #1a4627aa;
  --color-background-mute: #1a462766;
  --navbar-background: #1a4627;
  --chat-background: #1a4627;
  --chat-background-user: #28b561;
  --chat-background-assistant: #1a462722;
}

#content-container {
  background-color: #2e5d3a !important;
}

内置变量

https://github.com/CherryHQ/cherry-studio/tree/develop/src/renderer/src/assets/styles

相关推荐

分享一些中国风 Cherry Studio 主题皮肤: https://linux.do/t/topic/325119/95

Cherry Studio 数据存储遵循系统规范，数据会自动放在用户目录下，具体目录位置如下：

macOS: /Users/username/Library/Application Support/CherryStudioDev

Windows: C:\Users\username\AppData\Roaming\CherryStudio

如果希望能够修改存储位置，可以通过创建软连接的方式来实现。将软件退出，然后把数据移动到你希望保存的位置，然后在原位置创建一个链接指向移动后的位置即可。

知识库教程

在 0.91 版本中，CherryStudio 带来了期待已久的知识库功能。

下面我们将按步骤呈现 CherryStudio 的详细使用说明。

添加嵌入模型

1. 在模型管理服务中查找模型，可以点击“嵌入模型”快速筛选；

2. 找到需要的模型，添加到我的模型。

创建知识库

1. 知识库入口：在 CherryStudio 左侧工具栏，点击知识库图标，即可进入管理页面；

2. 添加知识库：点击添加，开始创建知识库；

3. 命名：输入知识库的名称并添加嵌入模型，以 bge-m3 为例，即可完成创建。

添加文件并向量化

1. 添加文件：点击添加文件的按钮，打开文件选择；

2. 选择文件：选择支持的文件格式，如 pdf，docx，pptx，xlsx，txt，md，mdx 等，并打开；

3. 向量化：系统会自动进行向量化处理，当显示完成时（绿色 ✓），代表向量化已完成。

添加多种来源的数据

CherryStudio 支持多种添加数据的方式：

1. 文件夹目录：可以添加整个文件夹目录，该目录下支持格式的文件会被自动向量化；

4. 纯文本笔记：支持输入纯文本的自定义内容。

搜索知识库

当文件等资料向量化完成后，即可进行查询：

1. 点击页面下方的搜索知识库按钮；

2. 输入查询的内容；

3. 呈现搜索的结果；

4. 并显示该条结果的匹配分数。

对话中引用知识库生成回复

1. 创建一个新的话题，在对话工具栏中，点击知识库，会展开已经创建的知识库列表，选择需要引用的知识库；

2. 输入并发送问题，模型即返回通过检索结果生成的答案 ；

3. 同时，引用的数据来源会附在答案下方，可快捷查看源文件。

常见错误代码

控制台报错查看方法

• 点击CherryStudio客户端窗口后按下快捷键Ctrl+Shift+I（Mac端：Command+Option+I）

• 在弹出的控制台窗口中点击Network → 点击查看②处最后一个标有红色 × 的completions（对话类、翻译、模型连通性检查等遇到错误时） 或generations（绘画遇到错误时） → 点击Response查看完整的返回内容（图中④的区域）。

如果你无法判断该错误的原因,请将该界面截图发送到中寻求帮助。

Telegram 讨论组

讨论组成员会分享自己的使用经验，帮助你解决问题

加入 Telegram 讨论组获取帮助：

Github Issues

适合记录防止开发者遗忘，或者在这里参与讨论

Github Issues：

Email

如果没有找到其他反馈渠道，可以联系开发者获取帮助

邮箱联系开发者：[email protected]

排名更新时间: 2025-01-19

说明

• 排名(UB)：基于 Bradley-Terry 模型的上界排名

• 排名(StyleCtrl)：考虑对话风格的样式控制排名

• 置信区间：模型表现的置信区间

• 分数：基于模型性能的竞技场得分

数据来源

• 数据来自 lmarena.ai