Cherry Studio 开源桌面客户端 多模型聚合 Windows · macOS · Linux 访问官网 ↗

把十几家大模型收进同一个桌面窗口：Cherry Studio 上手记

cherry-studio — 工作台总览

实体定义：Cherry Studio 是一款由开源社区维护的跨平台桌面端大语言模型客户端：它本身不训练模型，而是把各家云端模型服务与本地模型接进同一个窗口，用户自带各服务商的 API Key，即可在一处完成对话、翻译、知识库问答等日常任务，代码公开托管在 GitHub 上[2]。

它解决的问题很具体：当你同时持有好几家模型的「钥匙」，浏览器标签页会越开越多，聊天记录散落在不同账号里。这个项目把入口收拢成一个桌面程序——一处配置、一处提问、一处沉淀历史。

形态 桌面客户端系统 Win/macOS/Linux维护 开源社区协议 以仓库实时信息为准

为什么值得装一个「接线板」

你手里可能同时有几家模型的钥匙：一家的免费额度月底到期，另一家长文理解更强，还有一家只在某个特定任务上顺手。于是每次干活前都要先想「这个问题该去哪个网站问」，对比同一道难题时只能在不同标签页之间来回粘贴。Cherry Studio 的答案是把这层选择收进软件内部：模型变成下拉列表里的一行选项，切换成本降到秒级；同一个问题还能同时发给多个模型，把回答并排放在一起对照[1]。

作为基于 Electron 的跨平台应用[5]，它的代价是内存占用不算轻量，收益则是一套代码覆盖三大桌面系统、更新节奏统一。对重度使用者来说，这点内存换来的效率通常是划算的。

models — 模型接入抽屉

客户端的价值在于「接线」能力。官方仓库列出的服务商名单相当长，这里拉开六个有代表性的抽屉看看：

OP
OpenAI云端GPT 系列对话接口，全球接入最广的服务之一。
AN
Anthropic云端Claude 系列，长文阅读与正式写作见长。
GG
Google Gemini云端多模态能力突出，适合图文混合输入。
DS
DeepSeek云端国产模型代表，官网直连申请密钥[6]。
SF
硅基流动云端国内推理平台，一个 Key 调用多种开源模型[7]。
OL
Ollama本地在本机运行开源权重，断网可用、隐私可控[3]。

※ 以上仅为代表性示例，完整支持列表与配置方法以官方仓库说明为准[2]。

features — 功能速查表
功能模块入口位置一句话说明
多模型同问对话输入区的模型选择同一问题发给两个以上模型，并排对照回答质量
知识库问答侧栏知识库导入自己的文档建立检索索引，让回答引用你的资料
独立翻译面板侧栏翻译专门的双栏翻译工作区，可选语向与译文风格
提示词收藏提示词库把调教好的常用指令存档，随取随用
MCP 扩展设置中的 MCP 服务按 Model Context Protocol 标准接入外部工具能力[4]
话题归档历史列表对话按话题分组管理，支持全局搜索回溯
数据备份数据设置导出对话与配置存档，换机迁移不用从头再来

功能边界也值得一说：它是「客户端」而非「工作站」，不做模型微调、不替代专业 IDE；绘图、语音等多媒体能力取决于所接模型本身的接口是否开放对应功能，具体以实际版本为准。

本地优先的数据叙事：钥匙和日记都放在自己家里

这类工具最容易被问到的问题就是隐私。拆开看，它的数据流向其实是三层：

  • 密钥不出门。自带 Key 的设计意味着 API 密钥只保存在本机配置里，项目方不经手你的账号与余额。
  • 记录落在硬盘。对话历史默认存储在本地数据库中，翻查上周的聊天不需要联网，卸载软件也不会把记录留在云端的某个角落。
  • 代码可审计。源码公开在 GitHub 仓库，在意的人可以自行审阅实现，甚至从源码构建一份自己的安装包[2]。
  • 云端调用仍有暴露面。一旦选择云端模型，发送出去的内容必然经过对应服务商的服务器处理；真正敏感的材料，建议切换到 Ollama 这类本地模型再处理[3]。

这套「本机优先」的设计与纯网页产品的根本区别在于数据的默认去向：前者是「留在本机，除非你主动调用云端」，后者是「存在云端，除非你手动删除」。对经常处理内部资料的人来说，默认值的方向往往决定了他能不能放心用。

setup — 安装三步
  1. 下载安装包。从官方网站或 GitHub Releases 页面获取对应系统的安装程序，覆盖 Windows、macOS 与 Linux[2]。
  2. 配置模型服务。首次启动进入设置页，为各家服务商填入自己的 API Key；若使用 Ollama 等本地方案，填入本机服务地址即可，无需联网密钥[3]。
  3. 开始对话。回到对话页，在顶部下拉切换模型，输入问题即可；建议先用同一个小问题在两三个模型之间横向测试，找到顺手的默认主力。

和直接用网页版比，图的是什么

维度各家官方网页端聚合桌面客户端
账号与计费每家分别注册登录或订阅自备各厂 Key，按调用量付费
模型覆盖单家自留地一个界面切换多家
数据位置服务商云端对话记录默认在本机
离线可用不行可接本地模型，断网照常对话
扩展能力由厂商封闭决定开源项目，可按 MCP 标准接外部工具[4]

一句话总结取舍：如果你只用一家模型且喜欢零配置，官方网页端永远是最省心的；如果你手里有多家 Key、在意记录归档与本地化，聚合客户端才显出价值。两者并不互斥，很多人是「网页版做浅层尝鲜，客户端当日常主力」。

常见疑问速答

Q1

Cherry Studio 本身免费吗？

是开源项目，软件本身免费使用；真正的开销在于所调用模型的 API 费用，部分服务商提供少量免费额度，以各家官网为准。

Q2

必须自己准备 API Key 吗？

主流用法是自带 Key；也可以接入 Ollama 等本地模型服务，完全不需要任何云端密钥，代价是效果受本机硬件限制。

Q3

我的聊天记录会被上传吗？

对话历史默认保存在本机；但调用云端模型时，发送的内容会经由该服务商的服务器处理，涉密内容请走本地模型或先行脱敏。

Q4

支持哪些操作系统？

覆盖 Windows、macOS 与 Linux 三大桌面平台，安装包可从官网或 GitHub Releases 获取[1]。

Q5

知识库功能是怎么工作的？

把文档导入后建立本地检索索引，提问时相关片段会被送入所配模型的上下文中作答；索引构建在本机完成，原始文件不必上传第三方。

Q6

MCP 是什么，普通用户需要管吗？

Model Context Protocol 是一个让模型连接外部工具的开放标准[4]；普通聊天用不到它，想让模型读写文件、查数据库时才需要配置。

参考资料

  1. 来源：Cherry Studio 官方网站： https://www.cherry-ai.com/
  2. 来源：GitHub · CherryHQ/cherry-studio 开源仓库： https://github.com/CherryHQ/cherry-studio
  3. 来源：GitHub · ollama/ollama 本地模型运行框架： https://github.com/ollama/ollama
  4. 来源：Model Context Protocol 官方站点： https://modelcontextprotocol.io
  5. 来源：Electron 官方网站： https://www.electronjs.org/
  6. 来源：DeepSeek 官方网站： https://deepseek.com
  7. 来源：硅基流动 SiliconFlow 官方网站： https://siliconflow.cn

青衣网络 AI 观察团队 · 最后更新 2026-08-25 —— 本文依据官网与开源仓库公开信息撰写，客户端迭代频繁，界面与功能细节请以最新版本为准。