# 無問芯穹

次のような経験はありませんか：WeChatのお気に入りに26本の実用記事を保存したのに二度と開いておらず、PCには「学習資料」フォルダ内に散らばった10以上のファイルがあり、半年前に読んだある理論を探したいのに、断片的なキーワードしか覚えていない。そして毎日の情報量が脳の処理限界を超えると、貴重な知識の90%は72時間以内に忘れられてしまいます。\
今なら、無問芯穹の大規模モデルサービスプラットフォームAPI + Cherry Studioで個人ナレッジベースを構築し、保存したまま眠っているWeChat記事や断片化した講義内容を構造化された知識へと変換し、必要なときに正確に呼び出せます。\\

### 一、個人ナレッジベースの構築

#### 1. 無問芯穹APIサービス：ナレッジベースの「思考中枢」、使いやすく、安定

ナレッジベースの「思考中枢」として、無問芯穹大規模モデルサービスプラットフォームは DeepSeek R1 フルパワー版などのモデルバージョンを提供し、安定したAPIサービスを提供します、**現在は登録後、条件なしで無料利用できます。**主流の埋め込みモデル bge、jina モデルを使ってナレッジベースを構築することをサポートし、**プラットフォームはまた、安定した最新・最強のオープンソースモデルサービスを継続的に更新しています**、画像、動画、音声など多様なモダリティを含みます。

<figure><img src="/files/9a9eb5705b9e6700a6a65920a6ce7e9d9c2bc3d6" alt=""><figcaption></figcaption></figure>

#### 2. Cherry Studio：ノーコードでナレッジベースを構築

Cherry Studioは使いやすいAIツールで、RAGナレッジベース開発に1〜2か月の導入期間が必要なことに比べ、このツールの利点は、**ノーコード操作で、**&#x4D;arkdown/PDF/ウェブページなど複数形式をワンクリックで取り込み可能で、40MBのファイルなら1分で解析完了します。さらに、PCのローカルフォルダ、WeChatお気に入りの記事URL、講義ノートを追加することもできます。\\

### 二、3ステップであなた専用のナレッジマネージャーを構築

#### Step 1：基本準備

1. Cherry Studio公式サイトにアクセスして適合版をダウンロード（<https://cherry-ai.com/）>
2. アカウント登録：無問芯穹大規模モデルサービスプラットフォームにログイン（<https://cloud.infini-ai.com/genstudio/model?cherrystudio）>

<figure><img src="/files/fed38fb4135af37cf3d44005c47b459568ba378e" alt=""><figcaption></figcaption></figure>

* APIキーの取得：「モデル広場」でdeepseek-r1を選択し、作成をクリックしてAPIKEYを取得し、モデル名をコピーします

<figure><img src="/files/f166b43461897c61cbc55fc3efa5312a232950b2" alt=""><figcaption></figcaption></figure>

#### Step 2：CherryStudioの設定を開き、モデルサービスで無問芯穹を選択し、APIキーを入力して、無問芯穹のモデルサービスを有効化します

<figure><img src="/files/7e4e70372a88ed11ca37bf47ac3b623fb1fedff5" alt=""><figcaption></figcaption></figure>

以上の手順が完了したら、対話時に必要な大規模モデルを選択すれば、CherryStudioで無問芯穹のAPIサービスを使用できます。\
使いやすいように、ここで「デフォルトモデル」も設定できます\\

<figure><img src="/files/517087aafec062eb33f8d59d57a91d97c721cdc8" alt=""><figcaption></figcaption></figure>

Step 3：ナレッジベースを追加

無問芯穹大規模モデルサービスプラットフォームの埋め込みモデル bge 系列または jina 系列モデルのいずれかのバージョンを選択します

<figure><img src="/files/a0ac36e804d43c61df8b5a27de645aad3b0b208c" alt=""><figcaption></figcaption></figure>

<figure><img src="/files/4bf0939d884781ac127ec70c2a896a38c8152c01" alt=""><figcaption></figcaption></figure>

### 三、実ユーザーシナリオの実測

* 学習資料を取り込んだ後、「『機械学習』第3章の核心公式導出を整理して」と入力

<figure><img src="/files/d07b5e20d8bd41996887a87651b8033d97c47cb7" alt=""><figcaption></figcaption></figure>

\
**生成結果の図を添付**

<figure><img src="/files/8a2918106cb5572d45674b2b57bc550f7ee788b2" alt=""><figcaption></figcaption></figure>


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://docs.cherry-ai.com/docs/jp/pre-basic/providers/wu-wen-xin-qiong.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.