Cherry Studio实战教程：搭建本地知识库与AI智能体

Cherry Studio是什么

Cherry Studio是一款支持多模型接入的桌面端AI客户端，适用于Windows、macOS等操作系统。它的核心价值在于把分散的大模型服务、本地知识库和智能体编排整合到一个界面里，让普通用户不用写代码就能搭建属于自己的AI助手。

这篇教程基于B站UP主的实操演示整理，完整覆盖三个关键环节：接入大模型、构建本地知识库、创建带身份设定的智能体。整个流程不涉及编程，核心操作只需十几分钟就能跑通。

下载安装环节有一个容易被忽略的细节：安装路径尽量不要放在系统盘（C盘），避免占用系统空间。安装完成后进入主界面，左下角的「设置」是后续所有配置的入口。

接入大模型与API密钥配置

接入模型是使用Cherry Studio的第一步。在「设置」→「模型服务」中可以搜索并选择服务商，演示中使用的是阿里百炼^广告平台（通义千问系列模型），也支持DeepSeek^广告（深度求索）等主流服务。

配置的关键是获取API密钥。点击「获取密钥」会跳转到阿里百炼官网，登录后在控制台新建API-KEY。这里有个必须注意的坑：API-KEY采用加密存储，只有在新建时才会完整显示一次，一旦关闭页面就无法再查看完整密钥，必须当场复制或下载保存，否则只能重新创建。

把复制好的密钥粘贴回Cherry Studio的对应字段，保存后点击「检测」即可验证连接是否成功。提示「连接成功」就说明密钥有效、平台已打通。

阿里百炼平台提供的模型数量相当可观，点击「同步模型」可以一次性拉取全部（演示中显示多达280个）。如果想单独添加某个模型，可以到百炼官网的「模型广场」复制模型名称，回到Cherry Studio搜索并点击「添加」，或者直接用「手动添加」粘贴模型名。

配置完成后回到对话界面，选择刚添加的模型（如通义千问3.8 Flash）发起对话，就能验证模型是否正常工作。

创建本地知识库

知识库是让AI「读懂你的资料」的核心功能。在左侧列表点击「知识库」→「创建知识库」，取好名称后需要选择一个嵌入模型（Embedding模型）。

嵌入模型决定了文档被解析成向量的方式，这里有一条重要规则：知识库一旦创建完成，就不能更换嵌入模型，否则必须重建知识库。原因在于不同模型生成的向量空间互不通用，混用会导致检索失效。所以在创建前就要想清楚用哪个嵌入模型。

创建完成后，点击「文件」把准备好的资料批量导入（可以Ctrl+A全选）。导入后Cherry Studio会进行解析处理，这个过程相当于把文档切分并转成向量存储，等待几秒到十几秒即可就绪。

使用知识库也很直观：在对话窗口点击「加号」选中对应知识库，再提问。比如提问「什么是面向对象编程思维」，模型回答时不仅会给出答案，还会标注引用来源——指明内容来自上传文档的具体章节。这种可溯源的回答，正是本地知识库相比裸聊（直接问大模型）的最大优势。

**嵌入模型（Embedding Model）**是将文本转换为高维数值向量的专用模型，它的工作原理是把词语、句子乃至整段文档映射到一个连续的向量空间中，语义相近的内容在该空间中距离更近。知识库检索时，用户的提问同样被转换成向量，系统通过计算"问题向量"与"文档向量"之间的余弦相似度，找出最相关的文档片段再交给大模型生成回答。这就是为什么不同嵌入模型生成的向量互不通用——每个模型定义的向量空间维度和分布各不相同，用A模型建库、用B模型查询，就像用英语索引的图书馆里用中文找书，根本对不上号。常见的嵌入模型包括阿里的text-embedding系列、OpenAI的text-embedding-ada等，选择时可优先考虑与已接入的主力模型同平台的嵌入模型，以减少跨平台调用的配置复杂度。

创建AI智能体

智能体（Agent）是把模型、人设、知识库三者绑定在一起的「成品助手」。在Cherry Studio主界面的启动台中找到「工作」入口，点击顶部的「添加智能体」即可开始创建。

创建流程分几步：先给智能体命名（如「Java编程智能体」），运行模式可直接用默认的Agent模式，再选择驱动模型（演示用通义千问3.8 Max）。

接下来是系统提示词（System Prompt），这是决定智能体性格和回答规则的核心。不擅长写提示词的用户，可以借助豆包、Kimi等第三方AI工具代写——只要描述清楚需求（例如「我需要一份用于Java编程智能体的提示词」），这些工具一分钟左右就能生成一份结构完整的提示词，复制粘贴回Cherry Studio即可。

最后一步是绑定知识库，选择此前创建好的知识库，点击完成，智能体就搭建成功了。

实测效果很明显：对同一个问题「什么是OOP」，智能体不仅给出带标题、带类比（把面向过程比作菜谱逐步操作）的结构化回答，还会从绑定的知识库中捞取对应资料。相比裸聊「你问一句答一句、不知道自己是谁」，智能体有了明确的身份、人设和知识来源，回答更有针对性和专业味道。

**系统提示词（System Prompt）**是大模型对话框架中位于最顶层的隐藏指令，在用户每次发送消息之前就已被注入到对话上下文，相当于给模型预设了一套"行为宪法"。它可以定义模型的角色身份（"你是一名专业的Java开发工程师"）、回答风格（"始终用代码示例辅助说明"）、禁止行为（"不得回答与编程无关的话题"）以及输出格式要求。系统提示词的质量直接决定智能体的可用程度：模糊的提示词会导致模型答非所问，而结构清晰、边界明确的提示词能让同一个基础模型表现出截然不同的专业深度。借助豆包、Kimi等工具代写提示词时，建议在需求描述中同时说明目标用户、常见问题类型和期望的输出格式，生成质量会显著更高。

一套流程，复用到任意场景

这套工作流可以归纳为三步：创建智能体 → 写好提示词（定义人设与规则）→ 绑定知识库。模型可以沿用已配置好的通义千问，无需每次更换。

真正的价值在于它的可复用性。想做产品经理助手、英语学习搭子、客服问答机器人等任何角色，流程完全一致——只需替换提示词和对应的知识库，就能快速产出一个全新的垂直领域智能体。

对于不懂编程但想拥有定制化AI助手的用户来说，Cherry Studio把「接模型、建知识库、配智能体」这条链路降到了最低门槛，是入门本地AI工具链值得尝试的选择。