关注我~第一时间学习如何更好地使用AI。
重要的不是我们是否会被AI替代，
而是我们要比被替代的人更懂AI。
大家好，正如笔记分享 | 萌新向AI Agent应用设计思路-Anthropic官方文档学习中所介绍的，Anthropic将Agentic系统的设计，按复杂程度从易到难，分为了Prompt设计、增强型LLM、工作流、Agent ，这四个层次。
今天想给大家介绍的，就是如何更好地利用Cherry Studio这款优秀的开源AI对话客户端软件，来展开Prompt设计、增强型LLM方面的探索 ，让我们快速地从实践中收获有价值的知识与经验。
以防有小伙伴还没用过Cherry Studio，这里贴一个官网链接以供下载：
对Cherry Studio还比较陌生的朋友，建议先浏览官方帮助文档（点击软件主界面左下角小问号即可）中的功能介绍等相关部分，以熟悉基本操作。
我前期的文章中也介绍过一些Cherry Studio的基本配置方法，虽然是比较老的版本，但大的逻辑依然是可以参考的，例如：0代码！5分钟，搭建DeepSeek驱动的知识库，小白也能行？！
接下来让我们进入正题。
Cherry Studio在Prompt设计方面的辅助
助手广场：优质Prompt模板库
在往期文章中，我跟大家探讨过一些关于Prompt设计的思路、技巧，比如干货分享 | Prompt设计心法 - 如何3步做到清晰表达需求？
但对于很多新手朋友来说，在根据自己的需求实操Prompt设计时，很容易找不到方向，或者对一些偏理论、抽象的内容，不太get得到要点。比如，如何选择自己Prompt中的结构元素，如何进行结构化，如何进行信息压缩等等。
在Cherry Studio中，点击侧面栏智能体 按钮，就能进入助手广场的界面。
每个助手的核心，在于它们的提示词。因此，这个助手广场本质上就是一个优质prompt模板库，其中不乏云中江树、李继刚、小七姐等知名prompt大神的作品。
这样，当你面对一个任务，但没有思路或时间来从头编写一个提示词时，不妨浏览一下这个Prompt模板库，找找是否有看起来对自己有用的模版抄抄作业，再基于模型输出，根据实际需求，按照学习的原理，对模板提示词的结构和内容进行调整，这就是一个非常好的通过实践来感受、学习的过程。
多模型并行输出：是驴是马都拉出来遛遛
我们都知道，Prompt只是引导模型输出的辅助手段，而输出质量的优劣，关键还是在于模型本身能不能打。对于同一段Prompt，不同模型的表现可能会大为不同。
因此，当考虑利用AI解决我们的实际问题时，除了设计出必要的Prompt，还需要确定哪个模型能更好地执行我们的Prompt。
Cherry Studio本身允许我们进行非常自由的模型API配置，无论是通过深度求索、月之暗面之类的模型厂商，还是硅基流动、OpenRouter之类的模型批发平台，甚至通过本地Ollama，我们都能比较便利地使用我们需要的模型。
但我想说的并不在于此。为了避免让我们只能一个一个的换模型来测试我们的Prompt，Cherry Studio贴心地提供了多模型并行输出的功能。
通过使用对话框下沿的 @按钮，你可以选择任意多个模型，对同一段Prompt进行测试。
同时，Cherry Studio提供了多种结果展示方式，方便我们直观地对多个模型的输出进行对比，最终为我们的提示词选出最佳搭档。
其他辅助功能：Last but not least
1.分支
当我们在与模型进行连续对话的过程中，已经发生的每次对话，都会成为上下文 的一部分，与我们最新的一次输入一道传递给模型。
当我们想要对模型的回复从不同的角度追问时，为了防止上下文因内容过于复杂而被污染，我们可以先利用Cherry Studio提供的分支 功能，”复制”出一个既有上下文完全相同的对话（即Cherry Studio中 的话题）。
然后再在相互独立的话题中，针对不同的角度、内容，编写合适的Prompt，进行新的对话。
2.翻译
对于有些国外的模型，可能将Promt翻译为英文会有更好的效果。在Cherry Studio中，只需要按一下对话框右下角的翻译按钮，就能将你已写入的提示词翻译为英文。
不要小看这个翻译功能，有时候正是这些非实质障碍的消解，我们才能更好地把精力集中在更有价值的工作上。
Cherry Studio在增强型LLM的搭建方面的应用
本部分内容，大多是我前期文章里介绍过的重点，在此我主要做一些导引，感兴趣的朋友可以去看对应的文章。
知识库
要说对大模型进行增强，除了考虑微调等直接操作模型的技术外，第一个想到的当然就是为模型提供知识库，即RAG了。通过给模型提供一个外部的知识库（无论是在线、本地，也无论呈现形式），我们能够让大模型冲破自身训练数据的限制，在自己“知晓”的范围之外回答我们的问题，协助我们处理事务。
当然，Cherry Studio在最早期的版本就提供了知识库功能，并且在历次更新中对其进行优化完善。
Cherry Studio中知识库的基本用法，可以参考我的文章：：0代码！5分钟，搭建DeepSeek驱动的知识库，小白也能行？！
而对于如重排序等更高级的新特性的使用，详见官方帮助文档。
MCP
而正如Anthropic文章中所述，对LLM进行增强的第二个常用手段，就是为它提供工具。
而MCP作为LLM的“转换器”，使得LLM能够与不同的外部数据库、应用程序、系统轻松交互、共享信息，从而大大地拓展了模型的能力边界。
Cherry Studio几乎在MCP刚推出时就上线了这个功能，具体配置方法可以参考官方文档，或者我的这篇文章：Cherry Studio重大版本更新！手把手教你丝滑配置MCP服务器！
同时，我在前期也使用Cherry Studio，对各式各样的MCP及其应用场景，进行了很多有意思的探索，感兴趣的朋友可以去看看：
- 办公、生活辅助类
Excel-MCP应用 | 自动提取图片数据到Excel的极简工作流手把手教程
【15合1神器】不会代码也能做高级图表！这个MCP工具让我工作效率翻了不止三倍！
想玩玩极简版AI Agent？MCP就够了！手把手教你用Cherry Studio整活~
高德、彩云MCP全体验：让Cherry Studio化身私人小助理的喂饭版指南！
- Obsidian联动、知识管理类
MCP x Obsidian：体验智能笔记新境界，Cherry Studio 萌新操作指南
markitdown-mcp联动Obsidian-mcp | 一个极简知识管理工作流
【效率翻倍】Obsidian自动待办清单实现：MCP联动Prompt保姆级教程（萌新3分钟上手）
- 网络爬虫类
萌新靠MCP实现RPA、爬虫自由？playwright-mcp实操案例分享！
萌新指南｜手把手教你Cherry Studio配置MCP，10分钟让大模型学会上网截图！
好了，以上就是本期的主要内容。祝大家玩得开心~！
—— END——
往期精华：
1.Workflow编排
Coze工作流编排指南6：聊天陪伴类智能体基本工作流详解-快来和玛奇玛小姐姐谈心吧~
Agent | 工作流编排指南5：长文扩写自由 — Coze循环节点用法详解
Agent | 工作流编排指南4：萌新友好的Coze选择器节点原理及配置教程
AI工作流编排手把手指南之二：Coze智能体的插件添加与调用
AI工作流编排手把手指南之一：Coze智能体的创建与基本设置
2.Prompt设计