最强 AI 客户端:Cherry Studio,开源,免费,强大!!

火山方舟向量数据库大模型

★ 你好,我是大明哥,前大厂程序员,目前在探索 AI 中。

大明哥以前使用 AI 都是通过网站使用,但是有些时候我会使用多个,比如一会儿使用 DeepSeek,一会儿又要切换到 ChatGPT,偶尔还会用到硅基流动、火山方舟。 真的很麻烦。

如果我们需要将多个平台聚合到一个工具上面使用,就需要使用到客户端。这里大明哥强烈安利 Cherry Studio

Cherry Studio 介绍

Cherry Studio,一款集多模型对话、知识库管理、AI 绘画、翻译等功能于一体的全能 AI 助手平台支持高度自定义,支持本地按需开发,功能强大的个人版AI终端软件,配合在线模型和本地模型同时使用。 集智能对话、智能体、图片生产、在线翻译、小程序和知识库于一体的多功能终端。

核心功能与特殊:

  • 基础对话功能
  • 一问多答:支持同一问题通过多个模型同时生成回复,方便对比不同模型的表现。
  • 自动分组:每个助手的对话记录会自动分组管理,便于快速查找历史对话。
  • 对话导出:支持将完整对话导出为多种格式(如 Markdown、Word 等),方便储存与分享。
  • 高度自定义参数:除了基础参数调整外,还支持填写自定义参数,满足个性化需求。
  • 助手市场:内置千余个行业专用助手,涵盖翻译、编程、写作等领域,同时支持自定义助手。
  • 多种格式渲染:支持 Markdown 渲染、公式渲染、HTML 实时预览等功能,提升内容展示效果。
  • 多种特色功能集成
  • AI 绘画:提供专用绘画面板,可通过自然语言描述生成高质量图像。
  • AI 小程序:集成多种免费 Web 端 AI 工具,无需切换浏览器即可直接使用。
  • 翻译功能:支持专用翻译面板、对话翻译、提示词翻译等多种翻译场景。
  • 文件管理:对话、绘画和知识库中的文件统一分类管理,避免繁琐查找。
  • 全局搜索:支持快速定位历史记录和知识库内容,提升工作效率。

多服务商统一管理机制

  • 服务商模型聚合:支持 OpenAI、Gemini、Anthropic、Azure 等主流服务商的模型统一调用。
  • 模型自动获取:一键获取完整模型列表,无需手动配置。
  • 自定义服务商:支持符合 OpenAI、Gemini 、Anthropic等规范的三方服务商接入,兼容性强。

本地知识库系统

  • 多种格式支持:支持 PDF、DOCX、PPTX、XLSX、TXT、MD 等多种文件格式导入。
  • 多种数据源支持:支持本地文件、网址、站点地图甚至手动输入内容作为知识库源。
  • 知识库导出:支持将处理好的知识库导出并分享给他人使用。
  • 支持搜索检查:知识库导入后,可实时检索测试,查看处理结果和分段效果。

下载地址:https://cherry-ai.com/download

文档地址:https://docs.cherry-ai.com/

体验 Cherry Studio

基本对话

以 DeepSeek 为例,这里使用硅基流动的 API 来搭建。

picture.image

这里需要三个信息:API 密钥、API 地址以及具体的模型。

API 密钥我们在硅基流动里面去新建就可以了:

picture.image

模型,我们直接去轨迹流动的模型广场里面找到对应的模型复制就可以了。这里我们选择 DeepSeek:

picture.image

将复制的内容粘贴到 Cherry Studio 里面就可以了。或者点击下面的[管理],直接搜索也可以:

picture.image

配置完成过后检查一下 API 是否可以连通,如果正常则会提示“连接成功”。配置成功后,我们就可以来进行对话了。

picture.image

我们也可以配置多个模型,进行切换。非常方便,再也不用开多个 Tab 来进行切换了。

文生图

目前 Cherry Studio 进支持硅基流动,前面我们已经配置好了,可以直接使用。它有几个参数:

  • 尺寸:就是图片比例
  • 随机种子:保持唯一性。比如我生成一张图片不是很满意,我还想对齐进行优化,种子保持一致,图片就可以在原来的基础上进行修改
  • 推理步骤:数字越大,图片就越精细,但是速度就越慢
  • 反向提示词:用于提示 AI 把这些内容排查

picture.image

大明哥试了下,感觉不是很好。我不是很擅长作图,所以有可能跟我提示词有关系。

内置提示词

Cherry Studio 内置了很多提示词,我们可以直接使用:

picture.image

也可以自定义提示词:

picture.image

上面只是一些最基础的玩法,后续大明哥将介绍一些它的高级玩法,比如搭建自己的知识库、MCP。

0
0
0
0
关于作者
关于作者

文章

0

获赞

0

收藏

0

相关资源
大规模高性能计算集群优化实践
随着机器学习的发展,数据量和训练模型都有越来越大的趋势,这对基础设施有了更高的要求,包括硬件、网络架构等。本次分享主要介绍火山引擎支撑大规模高性能计算集群的架构和优化实践。
相关产品
评论
未登录
看完啦,登录分享一下感受吧~
暂无评论