Komplett guide till Cherry Studio AI: Kommandocentralen för dina AI-modeller

Att använda olika applikationer för att komma åt ChatGPT, Claude, Gemini och lokala mallar kan fragmentera ditt arbete avsevärt. Varje tjänst har sitt eget gränssnitt, historik, prenumeration och dokumenthanteringsmetoder, så det blir opraktiskt att ständigt växla mellan plattformar.

Cherry Studio sammanför ett flertal leverantörer och modeller av artificiell intelligens i en skrivbordsapplikationFrån ett enda gränssnitt kan du konfigurera molntjänster, använda modeller som körs med Ollama eller LM Studio, skapa guider, konsultera dokument och ansluta externa verktyg.

Den här guiden visar hur du installerar Cherry Studio på Windows, lägger till leverantörer, använder lokala modeller och konfigurerar dess huvudfunktioner korrekt. Vi förklarar också vilka data som lagras på din dator och vilka data som skickas när du använder molntjänster.

Vad är Cherry Studio och vad används det till?

Cherry Studio är en AI-klient tillgänglig för Windows, macOS och Linux. Dess Community Edition är öppen källkod och distribueras under Cherry-licensen. GNU AGPL 3.0.

Applikationen inkluderar inte alla affärsmodeller i sig. Den fungerar främst som ett gränssnitt genom vilket du kan ansluta olika tjänster via deras API:er. Dess funktioner inkluderar:

• Konfigurera leverantörer som OpenAI, Anthropic, Gemini, DeepSeek och andra kompatibla tjänster.
• Använd lokala modeller med Ollama eller LM Studio.
• Håll samtal med olika modeller från en enda applikation.
• Jämför svaren från flera modeller.
• Skapa guider med specifika instruktioner, mallar och verktyg.
• Importera dokument och webbsidor till kunskapsbaser.
• Anslut MCP-servrar och andra externa verktyg.
• Generera bilder med hjälp av kompatibla leverantörer.
• Spara och organisera konversationer, ämnen och filer.

Nuvarande versioner inkluderar även agentbaserade funktioner som kan dela upp uppgifter i steg och använda verktyg. Den exakta tillgängligheten för varje funktion beror på modell, leverantör och konfigurerade behörigheter.

Vad du bör veta om Cherry Studios integritet

Cherry Studio sparar som standard objekt som chatthistorik, inställningar, konfigurerade nycklar och kunskapsdata på din dator. Detta ger mer kontroll än en renodlat webbaserad applikation, men Det betyder inte att alla konversationer bearbetas lokalt..

När du väljer en modell från OpenAI, Anthropic, Gemini, CherryIN eller en annan fjärrleverantör måste Cherry Studio skicka den tjänsten den nödvändiga prompten, historiken, de bilagor eller den hämtade kontexten som behövs för att generera svaret. Hanteringen av denna information beror sedan på den valda leverantörens villkor och policyer.

För att ha en konversation helt inom ditt team behöver du använda:

• En lokal modell som körs med Ollama, LM Studio eller någon annan kompatibel server.
• En lokal inbäddningsmodell för kunskapsbaser.
• En lokal omrankare, om konfigurationen använder en sådan.
• MCP-verktyg och servrar som inte skickar information till externa tjänster.
• Lokala säkerhetskopior istället för synkronisering via fjärrtjänster.

Cherry Studio stöder lokala säkerhetskopior och synkronisering via WebDAV. Även om WebDAV är praktiskt för att arbeta över flera datorer, innebär det att data inte längre lagras exklusivt på enheten. Innan du använder det med känslig information, kontrollera var WebDAV-servern finns och hur filerna är skyddade.

Krav för att installera Cherry Studio på Windows

Cherry Studio erbjuder olika versioner för x64- och ARM64-datorer. De flesta datorer med Intel- eller AMD-processorer använder Windows x64ARM64-filer är avsedda för datorer med kompatibla ARM-processorer.

Om du inte vet vilken arkitektur din dator använder, öppna:

1. Konfiguration.
2. System.
3. Om.
4. Se avsnittet Systemtyp.

På versionssidan hittar du vanligtvis två format för Windows:

• Setup.exe: Installera Cherry Studio på systemet och skapa motsvarande genvägar.
• Portable.exe: Det låter dig köra applikationen utan att utföra en konventionell installation.

För att använda molnleverantörer behöver du också en internetanslutning och en giltig API-nyckel. Om du kör modeller lokalt beror kraven på RAM-minne och grafikminne på storleken och kvantiseringen av den valda modellen.

Hur man laddar ner Cherry Studio för Windows

Det enklaste sättet att få tag på applikationen är att använda Cherry Studios officiella webbplatsDu kan också ladda ner den från avsnittet officiella GitHub-versioner.

Undvik att ladda ner installationsprogram från tredjepartswebbplatser. Förutom att minska risken för att använda en komprometterad fil, låter den officiella webbplatsen dig hitta den senaste versionen och välja arkitekturen korrekt.

För de flesta datorer måste du ladda ner filen vars namn innehåller:

x64-setup.exe

Välj ARM64-versionen endast om Windows anger att din dator använder den här arkitekturen. Om du vill testa programmet utan att installera det kan du ladda ner varianten som innehåller ordet portable.

Så här installerar du Cherry Studio på Windows steg för steg

1. Öppna installationsprogrammet som laddats ner från den officiella webbplatsen eller GitHub.
2. Om Windows visar varningen Användarkontokontroll, kontrollera filkällan innan du tillåter att den körs.
3. Följ stegen som anges av installationsguiden.
4. Slutför processen och öppna Cherry Studio från Start-menyn.
5. Välj språk och granska programmets ursprungliga inställningar.
6. Gå till inställningarna för att konfigurera minst en leverantör och en modell.

Gränssnittet kan variera mellan versioner, särskilt efter större uppdateringar. Modellinställningarna finns dock i inställningsmenyn. Modelleringstjänster eller motsvarande avsnitt avsett för leverantörer.

Hur man lägger till OpenAI eller Anthropic eller Gemini

För att använda en kommersiell leverantör måste du hämta en API-nyckel från deras officiella plattform. En prenumeration på ChatGPT, Claude eller Gemini inkluderar inte nödvändigtvis krediter för att använda deras API, eftersom webbåtkomst och API:et vanligtvis faktureras separat.

Den allmänna proceduren i Cherry Studio är följande:

1. Öppna programinställningarna.
2. Skriva in Modelleringstjänster.
3. Välj den leverantör du vill konfigurera.
4. Klistra in API-nyckeln i motsvarande fält.
5. Kontrollera API-adressen. Om du använder den officiella tjänsten bör du vanligtvis behålla standardadressen.
6. Aktivera leverantören.
7. Tryck på alternativet för att kontrollera anslutningen eller få en lista över modeller.
8. Välj och aktivera de modeller du vill visa i applikationen.

En giltig nyckel garanterar inte att ditt konto har åtkomst till alla modeller. Tillgängligheten kan bero på leverantör, region, saldo, organisation och kontobehörigheter.

Du kan också lägga till tjänster som är kompatibla med OpenAI eller Anthropic API:er med hjälp av en anpassad leverantör. I så fall måste du ange basadressen som tillhandahålls av tjänsten och välja rätt API-typ.

Hur man ansluter Cherry Studio till Ollama

Ollama låter dig köra modeller på din egen dator. För att använda det med Cherry Studio måste du först installera Ollama och ladda ner minst en kompatibel modell.

Du kan till exempel ladda ner en relativt lätt modell från en terminal med hjälp av:

ollama pull qwen3:4b

Kontrollera de installerade modellerna med:

ollama list

Öppna sedan Cherry Studio och följ dessa steg:

1. Gå in i inställningarna för Modelleringstjänster.
2. Välja Ollama.
3. Kontrollera att serviceadressen är http://localhost:11434.
4. Lämna API-nyckeln tom om Ollama körs lokalt med standardkonfigurationen.
5. Hämta listan över tillgängliga modeller.
6. Aktivera den modell du vill använda.
7. Välj den modellen när du startar en konversation.

Modellen fortsätter att köras med Ollama. Cherry Studio tillhandahåller endast gränssnittet, organiserar konversationerna och skickar förfrågningarna till den lokala tjänsten.

Hur man använder Cherry Studio med LM Studio

LM Studio kan också exponera lokala modeller med hjälp av ett OpenAI-kompatibelt API. Innan du ansluter, öppna LM Studio, ladda en modell och starta din lokala server.

Skapa eller välj sedan en OpenAI-kompatibel leverantör i Cherry Studio och ange adressen som visas av LM Studio. En adress som liknar följande används vanligtvis:

http://localhost:1234/v1

Porten kan ändras om du har ändrat den i LM Studio. Vissa gränssnitt begär en API-nyckel även om den lokala servern inte validerar den; i så fall kan du använda ett testvärde, såvida du inte har aktiverat autentisering på servern.

Hur man jämför flera modeller i Cherry Studio

En av Cherry Studios mest användbara funktioner är samtidig kommunikation med flera modeller. Det låter dig skicka samma fråga till olika system och jämföra deras svar utan att manuellt kopiera frågan mellan flera sidor.

Den här funktionen kan vara användbar för:

• Jämför kvaliteten på olika modeller vid programmering.
• Utvärdera olika versioner eller översättningar.
• Jämför lokala och fjärrstyrda modeller.
• Kontrollera vilken som bäst följer vissa instruktioner.
• Balans mellan kvalitet, hastighet och kostnad.

Observera att varje svar kan generera ett separat samtal. Om du väljer tre betalningsalternativ skickas uppmaningen tre gånger och användningen faktureras separat av varje leverantör.

Hur man skapar en personlig assistent

Cherry Studio innehåller hundratals förkonfigurerade guider och låter dig skapa dina egna. En guide sammanför en uppsättning instruktioner, en fördefinierad mall och, vid behov, kunskapsbaser eller verktyg.

För att skapa en ny:

1. Öppna deltagaravsnittet.
2. Skapa en ny assistent.
3. Ange ett namn och en tydlig beskrivning.
4. Välj den modell du ska använda.
5. Skriv systeminstruktionerna.
6. Det begränsar dess funktion, ton och svarsformat.
7. Lägg bara till en kunskapsbas eller verktyg om du behöver dem.
8. Spara guiden och testa den med flera verkliga exempel.

Instruktionerna bör förklara vad assistenten ska göra, vilken information de kan använda och vilka åtgärder de inte ska vidta. En titel som ”Marknadsföringsexpert” ger mindre vägledning än en detaljerad beskrivning av målgrupp, format, mål och begränsningar.

Hur man använder filer och kunskapsbaser

Kunskapsbaser låter dig importera filer och webbsidor för att hämta utdrag relaterade till en fråga. Cherry Studio stöder olika format, inklusive PDF-, Word-, Excel-, text- och Markdown-dokument.

För att skapa en kunskapsbas:

1. Öppna avsnittet som motsvarar kunskapsbaserna.
2. Skapa en ny bas.
3. Välj en kompatibel inbäddningsmodell.
4. Importera de dokument eller sidor du vill läsa.
5. Vänta tills programmet har bearbetat och indexerat innehållet.
6. Koppla basen till en assistent eller ett samtal.
7. Ställ specifika frågor och granska de hämtade fragmenten.

RAG-funktionen kan bättre underbygga svaren, men Det eliminerar inte hallucinationerResultatet beror på dokumentets kvalitet, textutdragningen, fragmenteringen, inbäddningarna, hämtningen och den generativa modellen.

Verifiera alltid originalkällorna när du arbetar med akademisk, medicinsk, juridisk, finansiell eller affärsmässig information. Ett svar som genereras på några minuter ersätter inte en litteraturgenomgång eller mänsklig verifiering.

Hur man använder MCP-verktyg på ett säkert sätt

Model Context Protocol gör det möjligt för Cherry Studio att ansluta till servrar som tillhandahåller externa verktyg, resurser och källor. Beroende på vilken server som är installerad kan modellen fråga en databas, komma åt specifika filer, surfa på internet eller anropa ett API.

MCP gör inte automatiskt någon konversation till en autonom agent. Den valda modellen måste ha stöd för verktyg, och Cherry Studio måste ha en guide eller agent konfigurerad som kan använda dem.

Innan du installerar en MCP-server:

• Kontrollera vem som underhåller projektet och granska deras kod när det är möjligt.
• Begränsa de mappar och inloggningsuppgifter som är åtkomliga.
• Ge inte skrivbehörighet om du bara behöver läsa information.
• Undvik att ge allmän åtkomst till filsystemet.
• Granska varje känslig åtgärd innan du godkänner den.
• Ange inte hemligheter direkt i prompter eller delade konfigurationer.
• Inaktivera de servrar du inte använder.

En MCP-server kan köra processer eller kommunicera med externa tjänster. Därför bör du behandla den som alla andra applikationer med åtkomst till din dator, och inte bara som en visuell förlängning.

Cherry Studio Community, Enterprise, CherryAI och CherryIN

Utgåvan Cherry Studio Community Det är gratis och öppen källkod under AGPL-3.0-licensen. Kommersiell användning är tillåten förutsatt att villkoren i den licensen respekteras. Företag som kräver andra villkor kan konsultera en kommersiell licens.

Cherry Studio Enterprise Den är inriktad på organisationer som behöver centraliserad hantering av modeller, medarbetarkonton, behörigheter, delade kunskapsbaser, säkerhetskopior och distribution på egna servrar eller i ett privat moln.

Dessa två tjänster bör inte heller förväxlas:

• CherryAI: Integrerad åtkomst till vissa gratismodeller som erbjuds från appen, i enlighet med dess villkor.
• CherryIN: leverantör eller gateway från vilken olika modeller kan konfigureras med hjälp av ett konto och en API-nyckel.

Modeller, kampanjer, begränsningar och priser för dessa tjänster kan ändras. Innan du använder dem ofta, kontrollera den uppdaterade kostnaden och verifiera vilket företag som behandlar förfrågningarna.

Cherry Studio jämfört med andra gränssnitt för artificiell intelligens

Verktyg	Huvudfokus	Lokal installation	Flera leverantörer	Kunskapsbaser
Cherry Studio	AI-driven klient för skrivbord och arbetsyta	Ja	Ja	Ja
ChatGPT	OpenAI-tjänster och applikationer	Klientapplikation; modeller som hanteras av OpenAI	Inte som en primär funktion	Projekt, filer och GPT enligt planen
LobeChat	Multimodellgränssnitt för webb och skrivbord	Ja, beroende på vilken metod som väljs.	Ja	Ja
AnythingLLM	Arbetsytor och dokumentkonsultation	Ja	Ja	Ja

Det finns inget enda bästa alternativ. Cherry Studio är särskilt tilltalande för dem som söker en skrivbordsapplikation med flera leverantörer, lokala modeller, assistenter, agenter och dokumenthanteringsfunktioner. AnythingLLM kan passa bättre för vissa arbetsytecentrerade implementeringar, medan LobeChat erbjuder olika webb-, skrivbords- och självhostade alternativ.

Vanliga misstag när man konfigurerar Cherry Studio

Leverantören visar inga modeller.

Kontrollera att API-nyckeln är giltig, att leverantören är aktiverad och att du har använt alternativet för att hämta eller hantera modellistan. Vissa konton har inte åtkomst till hela katalogen.

API-nyckeln fungerar på webben, men inte i Cherry Studio.

En prenumeration på en webbapplikation innebär inte nödvändigtvis API-åtkomst. Kontrollera att nyckeln kommer från leverantörens utvecklarplattform och att kontot har tillräckligt med pengar eller att fakturering är aktiverat.

Cherry Studio detekterar inte Ollama

Kontrollera att Ollama körs och att den konfigurerade adressen är:

http://localhost:11434

Du kan också kontrollera tjänsten från en terminal:

ollama list

Om Ollama finns på en annan dator måste du använda dess nätverksadress och konfigurera fjärråtkomst på ett säkert sätt.

Den lokala modellen visas, men svarar mycket långsamt.

Modellen kan vara för stor för det tillgängliga RAM-minnet eller grafikminnet. Prova en lättare kvantisering eller en modell med färre parametrar och kontrollera med [metodnamn saknas]. ollama ps hur det går.

Kunskapsbasen kan inte hitta innehållet

Kontrollera att dokumenten har bearbetats klart, att inbäddningsmodellen fungerar och att databasen är kopplad till rätt guide. Det kan också vara nödvändigt att justera innehållsdelningen och likhetströskeln.

En MCP-server startar inte

Vissa servrar kräver Node.js, Python, miljövariabler eller ytterligare kommandon. Kontrollera deras loggar och bekräfta att alla beroenden är installerade. I Windows bör du också verifiera att den körbara filen är tillgänglig i miljövariabeln PATH.

Svaren genererar mer kostnader än väntat.

Kontrollera om du skickar frågan till flera modeller samtidigt, använder en alltför lång historik eller bifogar stora dokument. Varje leverantör kan debitera separat för både inkommande och utgående tokens.

Är Cherry Studio värt att installera?

Cherry Studio är ett intressant alternativ för att centralisera moln- och lokala modeller utan att förlita sig på ett enda webbgränssnitt. Dess främsta fördel är att sammanföra konversationer, leverantörer, assistenter, agenter, dokument och verktyg i en enda plattformsoberoende applikation.

Sekretessen beror dock på konfigurationen. Att spara historiken lokalt hindrar inte att uppmaningar skickas till den valda leverantören. Om du vill att bearbetningen ska finnas kvar på din dator, använd lokala modeller, inbäddningar och verktyg.

För att komma igång installerar du helt enkelt applikationen, konfigurerar en leverantör och aktiverar en eller två modeller. Sedan kan du gradvis lägga till assistenter, kunskapsbaser och MCP-servrar. Detta gör det enklare att se vilka funktioner du faktiskt behöver och kontrollera både behörigheter och samtalskostnader.