Cherry Studio：300+ AI 助手一應俱全的開源桌面客戶端

摘要

在 AI 工具爆炸式增長的時代，開發者和知識工作者面臨一個共同的痛點：太多 LLM 服務商、太多 API key、太多不同的對話介面。Cherry Studio 用一個統一的桌面應用解決這個混亂——它同時支援 OpenAI、Anthropic、Gemini、Ollama 等 300+ AI 提供商，內建 MCP server 架構，並且完全開源。這篇文章深入探討 Cherry Studio 的核心功能、架構設計，以及為什麼它可能是你今年最值得安裝的 AI 工具。

為什麼你需要一個統一的 AI 客戶端

讓我從一個真實場景開始：

上周我需要在不同模型之間切換。早上用 Claude 寫程式碼，下午用 GPT-4 分析數據，晚上用本地 Ollama 做隱私敏感的文本處理。每個模型都有自己的介面、不同的 API 格式、不同的認證流程。

我數了一下，光瀏覽器標籤頁就開了 7 個：Claude.ai、ChatGPT、Gemini、Perplexity、Poe、一個本地 Ollama 介面，還有另一個我不知道名字的網頁。

這就是 Cherry Studio 想解決的問題。

Cherry Studio 是什麼

Cherry Studio 是一個開源的跨平台桌面應用（Windows、Mac、Linux），定位為「AI 生產力工作室」。它的核心價值主張很明確：

一個客戶端，所有 AI 服務。

不是又一個 API 封裝器，不是又一個 prompt 管理工具，而是真正意義上的統一入口。

核心功能一覽

根據官方文檔和實測，Cherry Studio 的主要功能包括：

1. 多提供商支援

雲服務：OpenAI、Anthropic、Gemini、Perplexity、Poe 等
本地模型：Ollama、LM Studio
API 兼容：所有 OpenAI 格式的服務都支援

2. 300+ 預配置 AI 助手

從常見任務（翻譯、寫作、程式碼審查）到專業領域（法律、醫學、學術）
每個助手有預設 system prompt 和工作流程
可以自定義或建立自己的助手

3. MCP (Model Context Protocol) 支援

內建 MCP server 架構
可以擴展工具和能力
支援第三方 MCP 服務

4. 文檔與數據處理

支援文本、圖片、Office、PDF 等多種格式
WebDAV 文件管理與備份
Mermaid 圖表可視化
程式碼語法高亮

5. 實用工具

全局搜尋功能
話題管理系統
AI 翻譯
拖拽排序
小程序支援

實測體驗：為什麼它比其他工具好

安裝與設定

安裝過程非常簡單。官網提供 Windows、Mac、Linux 的安裝包，下載後直裝即可。

# macOS 安裝（透過 Homebrew）
brew install --cask cherry-studio

# 或者從官網下載
# https://cherry-ai.com

設定 AI 提供商時，只需要提供 API key（對於需要认证的服务）或直接使用（對於本地模型）。整個過程不到 5 分鐘。

300+ 助手的使用體驗

這是 Cherry Studio 最大的賣點。預設的 300+ 助手覆蓋了：

生產力：寫作助手、翻譯、摘要、郵件回覆
程式碼：程式碼審查、除錯、文檔生成
學習：語言學習、學術研究、數學輔導
創意：故事寫作、劇本創作、音樂創作

每個助手都有預設的 system prompt 和專屬的工作區。例如，「程式碼審查助手」會自動套用程式碼審查的 prompt，並且可以指定支援的程式語言。

實測中，我用了「學術摘要助手」來處理一篇 20 頁的論文。它不僅生成了準確的摘要，還提取了關鍵發現和未來研究方向。效果比直接問 ChatGPT 好很多。

MCP 支援：為什麼這很重要

MCP (Model Context Protocol) 是 Anthropic 提出的開放標準，用於讓 LLM 與外部工具和數據源互動。Cherry Studio 是少數內建 MCP server 架構的桌面應用。

這意味著什麼？

工具擴展：可以安裝第三方 MCP 服務，擴展 Cherry Studio 的功能
數據整合：可以連接內部數據庫、API、文件系統
自動化：可以建立複雜的工作流，例如自動整理收件匣、生成報告

官方 roadmap 提到正在開發「MCP Marketplace」，這意味著未來會有更多社區貢獻的 MCP 服務可用。

跨平台與本地優先

Cherry Studio 支援 Windows、Mac、Linux，並且所有數據都儲存在本地。對於注重隱私的用戶來說，這是一個重要優勢。

你可以選擇：

使用雲端服務（數據通過 API 傳輸）
使用本地模型（數據完全在本地）
混合模式（敏感數據用本地，通用任務用雲端）

技術架構分析

從 GitHub 倉庫和文檔來看，Cherry Studio 的技術選型：

前端：Electron + React + TypeScript
狀態管理：Zustand
樣式：Tailwind CSS
本地存儲：SQLite + File System
API 通訊：自定義 HTTP 客戶端

這種選型的好處：

跨平台：Electron 允許一套代碼運行在所有主流桌面系統
開發效率：React + TypeScript 是成熟的技術棧，社區資源豐富
性能：對於桌面應用來說，Electron 的性能是可接受的
擴展性：模組化架構方便添加新功能

與競品的比較

vs Claude.ai / ChatGPT

|------|---------------|-----------|---------|

| 本地模型 | ✅ Ollama/LM Studio | ❌ | ❌ |

| 數據本地化 | ✅ 可選 | ❌ | ❌ |

| 自定義助手 | ✅ | ⚠️ 有限 | ⚠️ GPTs |

| MCP 支援 | ✅ 內建 | ❌ | ❌ |

| 開源 | ✅ | ❌ | ❌ |

| 價格 | 免費（API 費用另計） | 訂閱制 | 訂閱制 |

vs OpenClaw

OpenClaw 也是開源的 AI 助手，但它更側重於「個人 AI 助手」的定位，強調自主性和長期記憶。Cherry Studio 則更側重於「統一入口」和「生產力工具」。

兩者可以互補使用：Cherry Studio 作為日常開發和生產力的入口，OpenClaw 作為長期記憶和自主任務的補充。

適合什麼樣的團隊

開發者：

需要頻繁切換不同 LLM 的服務
想要本地模型處理敏感代碼
需要 MCP 擴展工具能力

知識工作者：

需要處理大量文檔和數據
想要統一的 AI 助手入口
注重數據隱私

團隊：

需要標準化的 AI 工具使用
想要集中管理 API key 和訪問權限
需要內部數據整合

如何開始使用

步驟 1：安裝

# macOS
brew install --cask cherry-studio

# 或從官網下載
# https://cherry-ai.com

步驟 2：設定 AI 提供商

打開 Cherry Studio
點擊左上角「設置」圖標
選擇「提供商」
點擊「添加提供商」
選擇提供商類型（OpenAI、Anthropic、Ollama 等）
輸入 API key（如需要）
點擊「測試連接」

步驟 3：使用助手

在左側選擇「助手」
選擇一個助手（例如「程式碼審查助手」）
開始對話

步驟 4：擴展 MCP

在設置中找到「MCP Server」
點擊「添加 MCP Server」
輸入 MCP 服務的 URL 或本地路徑
點擊「連接」

限制與注意事項

已知限制

複雜工作流：目前不支援複雜的多步驟工作流自動化
移動端：只有桌面版，沒有 iOS/Android 版（roadmap 中提到）
性能：Electron 應用在大型項目中可能佔用較多記憶體

未來路線圖

根據官方 roadmap，即將推出的功能包括：

選擇助手：智能內容選擇增強
深度研究：高級研究能力
文檔預處理：改進的文檔處理
MCP 市場：社區貢獻的 MCP 服務
筆記與收藏：知識管理功能
動態畫布：可視化工作流
OCR：光學字符識別
TTS：文字轉語音

結論

Cherry Studio 解決了一個真實的痛點：AI 工具的碎片化。它沒有發明什麼新技術，但它做了一件很有價值的事：把現有的優秀工具和服務整合到一個統一的、用戶友好的介面中。

對於開發者和知識工作者來說，Cherry Studio 可能是今年最值得安裝的 AI 工具之一。它免費、開源、跨平台，並且持續活躍更新。

如果你厭倦了在不同 AI 服務之間切換，如果你想要本地模型處理敏感數據，如果你需要 MCP 擴展能力——Cherry Studio 值得你花 5 分鐘嘗試。

參考資料