Cherry Studio：桌面上最好用的 DeepSeek 客户端，还能当知识库用
5.3 万 star 的桌面 AI 工作台，Windows/Mac/Linux 都有。多模型、知识库、MCP、提示词库，本机存数据，不上云。
前面写过 Chatbox，这篇是它的"加强版对手"：功能更多、界面更重，也更像一套工作台而不是聊天框。
5.3 万 star，地址：
https://github.com/CherryHQ/cherry-studio
和 Chatbox 的区别
两个都是"填 Key 就能用"的桌面客户端。差别在：
- Chatbox：轻，快，专注聊天；
- Cherry Studio：重，全，聊天只是其中一块，还有知识库、MCP 工具、助手分组。
如果你要在电脑上长期用 AI 干活，Cherry 更合适；只是问问题，Chatbox 更清爽。
装
官网或 GitHub Releases 下载对应平台的安装包（Windows exe / macOS dmg / Linux AppImage）。也有便携版。
装完先配模型。
接 DeepSeek
设置 → 模型服务 → DeepSeek：
| 字段 | 填什么 |
|---|---|
| API Key | platform.deepseek.com 生成的 |
| API 地址 | https://api.deepseek.com |
| 模型 | 勾选 deepseek-chat、deepseek-reasoner |
保存后，新建对话时右上角能选模型。
也可以用"自定义 OpenAI 兼容"添加——如果你还有别家（硅基流动、月之暗面、本地 Ollama），都走这条路，界面统一管理。
知识库：这个是真能用
它自带本地知识库：上传 PDF、Word、Markdown，建一个库，对话时引用。
关键一步是 embedding 模型。DeepSeek 对话模型不带 embedding，所以要么：
- 在本机跑一个 embedding 模型（Ollama 里
nomic-embed-text就够）； - 或者接一个支持 embedding 的服务。
配好之后，问"我那份合同里违约金怎么写的"，它会先检索再回答，给出引用的段落。
MCP：让它能动手
Cherry Studio 支持 MCP（Model Context Protocol）服务器。装上之后，模型能调用外部工具：读文件、查数据库、搜网页。
比如加一个文件系统 MCP，你就能问"帮我看看 D 盘那个项目里的 package.json 有什么依赖"，它真的去读。
这条路比纯对话强很多，但配置门槛也高——要自己写 JSON 配置、管进程。
其他值得一提的
提示词库：常用提示词存起来，一键调用。
多助手分组：把"写代码的"“写文案的"“翻译的"分到不同分组，切换清晰。
快速提问：全局快捷键唤起一个小窗，随手问一句，不用切到主界面。这个用习惯了很上瘾。
数据都在本地：会话、知识库、配置全在本机目录，不上传。想备份就备份那个目录。
会踩的坑
知识库建好但检索不到 embedding 模型没配，或者文档没索引完。看设置里的索引状态。
上传大 PDF 卡住 几百兆的扫描件会解析很久。先拆分成章节再传。
MCP 配置完没生效 JSON 格式错、或者路径里有中文空格。用绝对路径，别用相对路径。
更新后配置丢了 正常情况下不会。但大版本更新前，先把配置目录复制一份。
它适合谁
- 想要一个桌面 AI 工作台，聊天 + 知识库 + 工具都在一起的；
- 手上不止一个模型供应商，想统一管理的；
- 在意数据留本地的。
不适合：只想在手机上看两眼的（用网页版或 Chatbox）；内存小的老电脑。
最后
桌面客户端这类工具，最后拼的不是功能列表，是你每天打开它的那一下顺不顺。
Cherry 在"顺手"这件事上做得不错：快捷键、分组、提示词库，都是为高频使用设计的。
有问题留言。
留言