Cherry Studio

Cherry Studio 是 CherryHQ 推出的一款跨平台桌面应用程序，让您无需切换应用或浏览器标签页，即可统一访问数百个大语言模型提供商。该应用由开发者 kangfenmao 构建，于 2024 年底公开发布，通过 Electron 和 TypeScript 在 Windows、macOS 和 Linux 上原生运行。其核心理念非常简单：您无需为 OpenAI、Anthropic、Google 等维护单独的订阅和界面，只需一次性连接所有 API 密钥，即可将对话路由到您需要的任何模型。社区版在 AGPL-3.0 许可证下免费提供，同时为需要私有化部署、SSO 和共享知识库的组织提供企业版（Enterprise Edition）。

该应用内置了 300 多个预配置的 AI 助手，涵盖从 DevOps 故障排除、法律起草到 SEO 文案和数据分析等各种用例。其内置的 RAG 知识库支持 PDF、Word 文档、PowerPoint、电子表格、Markdown 文件和 URL，并在本地对其进行向量化处理，以便您可以通过任何连接的模型查询自己的文档。Cherry Studio 支持 Anthropic 的模型上下文协议（MCP），将其从一个聊天客户端转变为一个可扩展的自动化平台，能够连接外部文件系统、网络搜索、代码解释器和数据库。截至 v1.9.1（2026 年 4 月 16 日），它还包含了 CherryClaw，这是一个具有内置人格框架的命名自主代理系统，并以统一的 Skills 管理取代了早期的 Plugins 系统。

Cherry Studio 在 2026 年 5 月的实际表现

截至 2026 年 4 月 30 日（v1.9.4），Cherry Studio 在大约 18 个月的公开发布期内已经推出了 257 个版本，展现了个人发起的开源项目中罕见的持续活跃开发能力。该应用的模型提供商覆盖三个层级：主流云 API（OpenAI、Anthropic Claude、Google Gemini、Azure）、无需原始 API 密钥即可访问的 AI 网络服务（Claude.ai、Perplexity、Poe），以及通过 Ollama 实现的本地运行时集成。

多模型对比模式是其最突出的实用功能之一。您只需输入一个提示词，即可实时并排获取 GPT-4.1、Claude Sonnet 4、Gemini 2.5 Pro 和 DeepSeek 的同步响应，而无需在四个标签页之间复制粘贴。对于评估生产任务应使用哪个模型的研究人员和开发者来说，这节省了大量时间。2026 年 2 月 23 日发布的 v1.0.0 版本为所有模型（无论提供商是谁）引入了网络搜索功能，在 GitHub 上获得了 288 个互动反应（248 个点赞，95 个庆祝表情），对于一款未商业化的开源工具而言，这是异常强烈的社区认可信号。

知识库的实现支持 pdf、docx、pptx、xlsx、txt、md 和 mdx 格式，以及文件夹导入、网站 URL 和 XML 站点地图。文档使用您配置的嵌入模型（官方文档推荐 bge-m3）在本地进行向量化。匹配分数会显示在检索结果旁边，以便您评估相关性。其局限性包括：文档图像无法向量化，需要手动转换为文本；具有防爬虫保护的网站通常无法导入；站点地图中的本地文件链接无法被识别。

"CherryStudio 在这种情况下是一款强大的工具……它还拥有 MCP、搜索、角色和推理支持。"，khimaros，Hacker News，2025 年 8 月

Cherry Studio 与 LM Studio 和 Jan 的定位对比

LM Studio 是本地 AI 客户端领域最接近的竞争对手，但这两款工具占据了截然不同的定位。LM Studio 是专有软件（非开源），其设计完全以本地模型管理为中心：下载 GGUF 格式的模型、选择量化版本、针对您的硬件进行基准测试，以及运行本地 API 服务器。它不提供云提供商集成、RAG 知识库或代理框架。实际上，Cherry Studio 支持将 LM Studio 作为本地模型后端，因此两者可以叠加使用：LM Studio 管理您的本地模型，Cherry Studio 在其之上提供界面、RAG 和多模型对比。如果您只想要最纯粹的纯本地推理体验，LM Studio 专用的界面更胜一筹。如果您还需要云提供商、文档问答或 MCP 连接，Cherry Studio 则能覆盖全栈需求。

Jan 是完全开源的（Apache 2.0，比 Cherry Studio 的 AGPL-3.0 更宽松）且隐私优先。Jan 的设计理念是纯本地运行，采用极简的、类似 ChatGPT 的界面。它包含一个兼容 OpenAI 的本地 API 服务器，因此像 Cursor 或 Open WebUI 这样的工具可以路由到 Jan 的本地模型。Jan 的扩展生态系统仍在成熟中；它缺乏 Cherry Studio 的 300 多个预配置助手、内置 RAG 和 MCP 集成深度。在评论中被描述为“如果苹果设计 LM Studio 会是什么样子”，Jan 优化了优雅和简洁，而不是广度。Cherry Studio 的 AGPL-3.0 许可证会带来商业部署上的摩擦，而 Jan 的 Apache 2.0 许可证则避免了这一点，这对于在这些工具之上构建产品的团队来说非常重要。

AnythingLLM 是企业知识库方面最强劲的直接竞争对手：它提供更复杂的文档索引和多用户 RAG 管理，但配置曲线更陡峭。对于希望使用 RAG 而无需承担企业级设置开销的个人开发者和小型团队来说，Cherry Studio 取得了更好的平衡。LM Studio 仍然是权威的本地模型管理器，而 Cherry Studio 则是权威的多提供商桌面客户端，并附加了本地模型支持。

日常使用的真实体验

设置 Cherry Studio 需要为您想使用的每个提供商连接 API 密钥。对于 OpenAI、Anthropic 和 Google，这意味着获取 API 访问权限并将密钥粘贴到设置面板中。对于本地模型，您需要单独安装 Ollama，Cherry Studio 会自动检测到它。多提供商设置的初始配置大约需要 15-30 分钟。300 多个预配置助手覆盖了足够广泛的领域，大多数用户可以选择现有的角色，而无需从头编写系统提示词，这与原始 API 工具相比降低了初始使用门槛。

日常的对话管理非常清爽。主题可搜索且可置顶（在 v1.9.2 中添加），全局搜索功能涵盖所有对话和知识库内容。导出选项包括 Markdown、JSON 和 PDF。界面原生渲染 Mermaid 图表和语法高亮的代码块，这对于频繁进行代码审查的开发者对话非常重要。WebDAV 支持允许将对话历史记录同步到自托管文件服务器或云存储，为用户提供了不依赖供应商云的备份选项。

MCP 集成面向开发者，需要手动配置 MCP 服务器连接。2026 年 4 月的 v1.9.1 版本添加了 flomo 作为内置 MCP 服务器，并引入了统一的 Skills 管理界面，简化了之前的 Plugins 系统。在同一版本中推出的自主代理 CherryClaw 仍处于早期阶段：代理循环可以处理多步任务，但大规模的可靠性还需要更多的社区测试。对于简单的聊天和 RAG 工作流，体验非常稳定。对于复杂的代理自动化，它是一个功能强大但仍在成熟中的框架。

Electron 架构意味着 Cherry Studio 带有典型的 Chromium 内存开销。在配备 8GB RAM 且运行本地模型的机器上，用户报告了明显的资源竞争。一个要求记录最低硬件配置的 GitHub Issue（Issue #9440，2025 年 8 月）反映了这一现实限制。如果您同时运行本地模型，该应用不适合低配置硬件。话虽如此，如果您没有同时通过 Ollama 运行本地推理，该应用的资源占用与任何基于 Electron 的生产力应用相当；内存问题仅针对云端加本地模型组合的工作流。

"如果你不懂中文读写，在他们的 Issues 页面上祝你好运。文档页面也是用中文写的。"，Eisenstein，Hacker News，2025 年 8 月

中文优先的开发文化是英语用户最常提到的摩擦点之一。核心界面已本地化为英语和其他十几种语言。但是 GitHub 的 Issues 跟踪器、许多社区论坛帖子以及部分官方文档默认使用简体中文。对于试图解决边缘情况的英语贡献者或用户来说，这增加了一个真正的障碍。该项目对问题响应迅速，但主要的支持社区以中文运作。

Cherry Studio 适合哪些人

Cherry Studio 最适合那些维护多个 LLM 提供商 API 访问权限，并且厌倦了在 ChatGPT 界面、Claude.ai、Gemini 和独立的本地推理工具之间切换上下文的开发者和技术用户。同时在四个模型上运行相同提示词的功能，为模型评估工作真正节省了时间。在私人文档集合上构建 RAG 管道的研究人员可以从本地优先的知识库中受益，而无需部署单独的向量数据库堆栈。考虑建立非 SaaS 订阅的本地 AI 中枢的团队会发现，企业版是比部署 Open WebUI 或完整的 AnythingLLM 实例开销更低的替代方案。

希望完全在自己的硬件上进行文档问答的注重隐私的用户，可以配置带有本地 Ollama 模型和 bge-m3 嵌入的 Cherry Studio，从而确保没有任何数据离开机器。这是一个经过测试的真实用例，而不是营销噱头：知识库向量化在设计上就是本地的，而 API 密钥架构意味着您可以控制哪些提供商能看到哪些对话。2025 年 11 月的一篇博客演练记录了在 Mac Studio 上使用 Ollama 和 RAGFlow 的完整设置，称这种组合对于涉及敏感客户文档的专业研究工作流非常实用。

需要在快速廉价模型（DeepSeek、Gemini Flash）进行草稿创作和高质量模型（Claude Opus、GPT-4.1）进行润色之间快速切换的内容创作者和作家会发现，与管理单独的浏览器标签页或订阅相比，多模型界面节省了大量时间。助手库中预置的文案、翻译和编辑角色减少了为日常创意任务编写系统提示词所花费的时间。

在以下情况下请跳过 Cherry Studio：您想要一个完全没有云 API 依赖的纯离线桌面体验（Jan 或 LM Studio 更合适）。您需要移动客户端（iOS 和 Android 已在路线图上，但截至 2026 年 5 月尚未发布）。您不习惯管理 API 密钥和排除提供商身份验证故障。您需要一个可与 ChatGPT 的高级语音模式相媲美的语音优先界面。或者您需要 Apache 2.0 许可证以便在产品中进行商业嵌入（Jan 的许可证更宽松）。