解决什么问题
同时用几家模型的用户都有同款痛苦：一个模型开一个网页标签，对话历史散落各处，常用提示词每次重新粘贴，想对比两个模型的回答就得来回切换复制。一个具体场景：写方案时用推理模型列提纲，查资料用便宜的对话模型，处理带隐私的笔记只能用本地模型——三个模型、三个网页、三份互不相通的记录，一天下来全是切换成本。
Cherry Studio 把这些收进一个桌面应用：各家供应商的 key 各配一次，模型随点随切，对话记录统一放在本地。这篇是入门篇：它是什么、怎么装、第一句对话怎么发出来、进阶功能有哪些，全部给最小可用路径，不展开单点功能的深水区。
它是什么：开源的多模型桌面客户端
Cherry Studio 是一个开源的桌面端 AI 客户端，代码托管在 GitHub（仓库 CherryHQ/cherry-studio），安装包通过 Release 发布，覆盖 Windows、macOS、Linux 三平台，基于 Electron 构建，是标准的桌面应用形态。
能力主线是”多模型聚合”：内置了一批常见供应商的接入定义（DeepSeek、OpenAI、Ollama 等），任何提供 OpenAI 兼容接口的服务，都能用”API 地址 + API 密钥 + 模型名”三件套接入。围绕对话还提供了助手预设、翻译、知识库等进阶能力【待补：各功能入口的当前名称】。对话数据保存在本地设备【待补：数据目录与备份入口】。
一句话定位三种用法：网页版适合临时问两句；Dify 这类平台适合搭团队级应用；Cherry Studio 卡的是”个人在桌面端把多家模型用顺”这个位置：
| 方式 | 适合谁 | 成本 |
|---|---|---|
| 各家网页版 | 偶尔用一两家 | 免费额度或订阅费 |
| Cherry Studio | 个人多模型日常使用 | 应用免费开源，模型按 API 用量付费 |
| 自建 Dify | 团队、要做成应用对外服务 | 服务器 + API 费用 |
环境与版本
| 项 | 说明 |
|---|---|
| 系统 | Windows 10/11、macOS（分 arm64 与 x64 包）、Linux |
| 硬件 | 内存 8 GB 以上的常规电脑即可；要跑本地大模型另算 |
| 网络 | 云端供应商需要能访问对应 API 域名；本地模型无此要求 |
| 版本 | 当前最新版本【待补：版本号与发布日期】 |
上手五步
第 1 步：下载安装
从官网 cherry-ai.com 或 GitHub Releases 拿安装包。Windows 安装时可能遇到 SmartScreen 拦截，macOS 可能遇到 Gatekeeper 或”已损坏”提示，处理办法见站内排查清单文（文末链接），都是几分钟的事。
第 2 步：配置第一个供应商
进设置里的模型服务（供应商管理）页，以 DeepSeek 为例，填三样东西：
API 密钥：sk-xxxxxxxxxxxxxxxx （在 DeepSeek 开放平台「API Keys」页创建）
API 地址：https://api.deepseek.com （OpenAI 兼容，带不带 /v1 后缀均可）
模型：deepseek-chat （需要深度推理时选 deepseek-reasoner）三件套在不同供应商那里的对应关系，一张表备查：
| 供应商 | API 地址 | 密钥来源 | 备注 |
|---|---|---|---|
| DeepSeek | https://api.deepseek.com | 开放平台 API Keys 页 | /v1 后缀可带可不带 |
| OpenAI 兼容中转 | 以服务商文档为准 | 服务商后台签发 | 认准”OpenAI 兼容”字样 |
| Ollama（本地） | http://localhost:11434 | 无需密钥 | 同机默认地址 |
供应商页如有”检查/连通性测试”按钮，先点一下确认通了【待补：该按钮的当前名称与位置】。不想用界面按钮，就先用 curl 验证 key 有效：
curl -s https://api.deepseek.com/chat/completions \
-H "Authorization: Bearer $DEEPSEEK_API_KEY" \
-H "Content-Type: application/json" \
-d '{"model": "deepseek-chat", "messages": [{"role": "user", "content": "ping"}]}'返回里有模型回复，说明 key 和网络都没问题，剩下的只是客户端配置。
第 3 步：发起第一句对话
回到主界面新建对话，把当前模型切到刚配好的供应商，输入发送即可。对话区右侧可以调温度等生成参数，切模型不改参数。没配供应商之前应用能打开但聊不了天，这不是故障。
第 4 步：接本地模型（可选）
已经用 Ollama 跑本地模型的话，供应商列表里选 Ollama，地址填 http://localhost:11434（同一台机器默认即可；客户端在另一台机器上时，要把 Ollama 改为监听 0.0.0.0 并放行端口）。本地拉个模型试：
ollama pull qwen2.5:7b # Q4 量化版约占 4~5 GB 存储
ollama list云端模型干重活，本地模型处理隐私敏感内容，两路并存是这个客户端最实用的姿势。
第 5 步：进阶功能
对话用顺之后，按性价比顺序试：助手预设（把常用系统提示词沉淀成可复用的角色，比如把”你是严谨的中文技术编辑，输出前先列事实清单”存成一个编辑助手）、翻译、知识库（往库里喂文档，对话可引用）。入口都在主界面侧栏【待补：当前版本的入口名称】。
常见坑
坑一：Base URL 的 /v1 纠结。 OpenAI 兼容服务对路径的约定不统一：DeepSeek 带不带 /v1 都能用，有的服务只认其中一种。报 404 或”model not found”时，第一个动作是核对 API 地址与模型名拼写——模型名是精确匹配的字符串，多一个空格都算错。
坑二：本地 Ollama 连不上。 Ollama 默认只监听 127.0.0.1:11434，同一台机器没事；客户端在另一台机器（或应用跑在容器里）就连不上，要设 OLLAMA_HOST=0.0.0.0 并开放对应端口。
坑三：来路不明的”免费 key”。 中转服务能看到你发送的全部内容，工作文档、代码别喂给不认识的中转站。个人 key 只往官方平台和可信服务里填，泄露了立刻去后台吊销重建。
坑四：把应用当备份。 对话记录在本地，换机、重装前先做导出【待补：导出功能位置与格式】，否则历史记录直接清零，找回的代价极高。
最终效果
全部走完，你得到的是：一个桌面应用里配好云端与本地两路模型，随时切换；对话记录沉淀在本地可搜索；常用提示词变成可复用的助手。日常”问 AI”不再需要开五六个网页标签，换模型只是点一下下拉框的事。下一步可以把助手预设按工作流整理一遍，让每个高频任务都有一个顺手入口。