Cherry Studio：300+ AI 助手一应俱全的开源桌面客户端
Cherry Studio：300+ AI 助手一应俱全的开源桌面客户端
摘要
在 AI 工具爆炸式增长的时代，开发者和知识工作者面临一个共同的痛点：太多 LLM 服务商、太多 API key、太多不同的对话介面。 Cherry Studio 用一个统一的桌面应用解决这个混乱——它同时支援 OpenAI、Anthropic、Gemini、Ollama 等 300+ AI 提供商，内建 MCP server 架构，并且完全开源。这篇文章深入探讨 Cherry Studio 的核心功能、架构设计，以及为什么它可能是你今年最值得安装的 AI 工具。
为什么你需要一个统一的 AI 客户端
让我从一个真实场景开始：
上周我需要在不同模型之间切换。早上用 Claude 写程式码，下午用 GPT-4 分析数据，晚上用本地 Ollama 做隐私敏感的文本处理。每个模型都有自己的介面、不同的 API 格式、不同的认证流程。
我数了一下，光浏览器标签页就开了 7 个：Claude.ai、ChatGPT、Gemini、Perplexity、Poe、一个本地 Ollama 介面，还有另一个我不知道名字的网页。
这就是 Cherry Studio 想解决的问题。
Cherry Studio 是什么
Cherry Studio 是一个开源的跨平台桌面应用（Windows、Mac、Linux），定位为「AI 生产力工作室」。它的核心价值主张很明确：
**一个客户端，所有 AI 服务。 **
不是又一个 API 封装器，不是又一个 prompt 管理工具，而是真正意义上的统一入口。
核心功能一览
根据官方文档和实测，Cherry Studio 的主要功能包括：
1. 多提供商支援
- 云服务：OpenAI、Anthropic、Gemini、Perplexity、Poe 等
- 本地模型：Ollama、LM Studio
- API 兼容：所有 OpenAI 格式的服务都支援
2. 300+ 预配置 AI 助手
- 从常见任务（翻译、写作、程式码审查）到专业领域（法律、医学、学术）
- 每个助手有预设 system prompt 和工作流程
- 可以自定义或建立自己的助手
3. MCP (Model Context Protocol) 支援
- 内建 MCP server 架构
- 可以扩展工具和能力
- 支援第三方 MCP 服务
4. 文档与数据处理
- 支援文本、图片、Office、PDF 等多种格式
- WebDAV 文件管理与备份
- Mermaid 图表可视化
- 程式码语法高亮
5. 实用工具
- 全局搜寻功能
- 话题管理系统
- AI 翻译
- 拖拽排序
- 小程序支援
实测体验：为什么它比其他工具好
安装与设定
安装过程非常简单。官网提供 Windows、Mac、Linux 的安装包，下载后直装即可。
# macOS 安裝（透過 Homebrew）
brew install --cask cherry-studio
# 或者从官网下载
# https://cherry-ai.com设定 AI 提供商时，只需要提供 API key（对于需要认证的服务）或直接使用（对于本地模型）。整个过程不到 5 分钟。
300+ 助手的使用体验
这是 Cherry Studio 最大的卖点。预设的 300+ 助手覆盖了：
- 生产力：写作助手、翻译、摘要、邮件回覆
- 程式码：程式码审查、除错、文档生成
- 学习：语言学习、学术研究、数学辅导
- 创意：故事写作、剧本创作、音乐创作
每个助手都有预设的 system prompt 和专属的工作区。例如，「程式码审查助手」会自动套用程式码审查的 prompt，并且可以指定支援的程式语言。
实测中，我用了「学术摘要助手」来处理一篇 20 页的论文。它不仅生成了准确的摘要，还提取了关键发现和未来研究方向。效果比直接问 ChatGPT 好很多。
MCP 支援：为什么这很重要
MCP (Model Context Protocol) 是 Anthropic 提出的开放标准，用于让 LLM 与外部工具和数据源互动。 Cherry Studio 是少数内建 MCP server 架构的桌面应用。
这意味着什么？
1. 工具扩展：可以安装第三方 MCP 服务，扩展 Cherry Studio 的功能
1. 数据整合：可以连接内部数据库、API、文件系统
1. 自动化：可以建立复杂的工作流，例如自动整理收件匣、生成报告
官方 roadmap 提到正在开发「MCP Marketplace」，这意味着未来会有更多社区贡献的 MCP 服务可用。
跨平台与本地优先
Cherry Studio 支援 Windows、Mac、Linux，并且所有数据都储存在本地。对于注重隐私的用户来说，这是一个重要优势。
你可以选择：
- 使用云端服务（数据通过 API 传输）
- 使用本地模型（数据完全在本地）
- 混合模式（敏感数据用本地，通用任务用云端）
技术架构分析
从 GitHub 仓库和文档来看，Cherry Studio 的技术选型：
- 前端：Electron + React + TypeScript
- 状态管理：Zustand
- 样式：Tailwind CSS
- 本地存储：SQLite + File System
- API 通讯：自定义 HTTP 客户端
这种选型的好处：
1. 跨平台：Electron 允许一套代码运行在所有主流桌面系统
1. 开发效率：React + TypeScript 是成熟的技术栈，社区资源丰富
1. 性能：对于桌面应用来说，Electron 的性能是可接受的
1. 扩展性：模组化架构方便添加新功能
与竞品的比较
vs Claude.ai / ChatGPT
| 特性 | Cherry Studio | Claude.ai | ChatGPT |
|------|---------------|-----------|---------|
| 多提供商 | ✅ 300+ | ❌ 仅 Claude | ❌ 仅 GPT |
| 本地模型 | ✅ Ollama/LM Studio | ❌ | ❌ |
| 数据本地化 | ✅ 可选 | ❌ | ❌ |
| 自定义助手 | ✅ | ⚠️ 有限 | ⚠️ GPTs |
| MCP 支援 | ✅ 内建 | ❌ | ❌ |
| 开源 | ✅ | ❌ | ❌ |
| 价格 | 免费（API 费用另计） | 订阅制 | 订阅制 |
vs OpenClaw
OpenClaw 也是开源的 AI 助手，但它更侧重于「个人 AI 助手」的定位，强调自主性和长期记忆。 Cherry Studio 则更侧重于「统一入口」和「生产力工具」。
两者可以互补使用：Cherry Studio 作为日常开发和生产力的入口，OpenClaw 作为长期记忆和自主任务的补充。
适合什么样的团队
开发者：
- 需要频繁切换不同 LLM 的服务
- 想要本地模型处理敏感代码
- 需要 MCP 扩展工具能力
知识工作者：
- 需要处理大量文档和数据
- 想要统一的 AI 助手入口
- 注重数据隐私
团队：
- 需要标准化的 AI 工具使用
- 想要集中管理 API key 和访问权限
- 需要内部数据整合
如何开始使用
步骤 1：安装
# macOS
brew install --cask cherry-studio
# 或从官网下载
# https://cherry-ai.com步骤 2：设定 AI 提供商
1. 打开 Cherry Studio
1. 点击左上角「设置」图标
1. 选择「提供商」
1. 点击「添加提供商」
1. 选择提供商类型（OpenAI、Anthropic、Ollama 等）
1. 输入 API key（如需要）
1. 点击「测试连接」
步骤 3：使用助手
1. 在左侧选择「助手」
1. 选择一个助手（例如「程式码审查助手」）
1. 开始对话
步骤 4：扩展 MCP
1. 在设置中找到「MCP Server」
1. 点击「添加 MCP Server」
1. 输入 MCP 服务的 URL 或本地路径
1. 点击「连接」
限制与注意事项
已知限制
1. 复杂工作流：目前不支援复杂的多步骤工作流自动化
1. 移动端：只有桌面版，没有 iOS/Android 版（roadmap 中提到）
1. 性能：Electron 应用在大型项目中可能占用较多记忆体
未来路线图
根据官方 roadmap，即将推出的功能包括：
- 选择助手：智能内容选择增强
- 深度研究：高级研究能力
- 文档预处理：改进的文档处理
- MCP 市场：社区贡献的 MCP 服务
- 笔记与收藏：知识管理功能
- 动态画布：可视化工作流
- OCR：光学字符识别
- TTS：文字转语音
结论
Cherry Studio 解决了一个真实的痛点：AI 工具的碎片化。它没有发明什么新技术，但它做了一件很有价值的事：把现有的优秀工具和服务整合到一个统一的、用户友好的介面中。
对于开发者和知识工作者来说，Cherry Studio 可能是今年最值得安装的 AI 工具之一。它免费、开源、跨平台，并且持续活跃更新。
如果你厌倦了在不同 AI 服务之间切换，如果你想要本地模型处理敏感数据，如果你需要 MCP 扩展能力——Cherry Studio 值得你花 5 分钟尝试。
参考资料