01 被 AI 工具包圍的知識工作者現狀

在這個 AI 爆發的時代，知識工作者的工具庫正經歷前所未有的擴容。以我為例，按平臺類型梳理日常使用的 AI 工具，已然形成三層矩陣：

「云端智能助手」：Kimi、豆包、ChatGPT、Gemini、Deepseek 等在線 AI，如同散布在云端的智囊團，隨時響應碎片化需求。比如用豆包快速驗證思路，用 Deepseek 處理專業文檔分析。

「API 驅動的隱形助手」：在 Obsidian 等生產力工具中，通過 API 集成 Deepseek、Gemini、ChatGPT 等能力。當我在筆記中輸入指令時，AI 會像幕后編輯一樣，自動完成內容潤色、思維導圖生成等操作，讓創作流程無縫銜接。

「本地知識堡壘」：在個人電腦部署 Ollama 與各類大語言模型，構建專屬知識庫。無論是本地文檔檢索，還是敏感數據處理，這套本地化方案都能在離線環境中保駕護航。

02 工具爆炸背后的效率困境

隨著工具矩陣擴張，新的矛盾逐漸凸顯：

• 場景切換成本陡增：寫文案時切到 ChatGPT，做數據分析時打開 Deepseek，管理知識庫又要啟動本地模型，頻繁跳轉讓思維鏈條斷裂。
• 工作流碎片化：不同工具輸出格式不統一，從 API 獲取的 JSON 數據需手動轉換，本地模型生成的內容難與云端同步，效率在重復勞動中消耗。
• 知識管理失控：各工具的對話歷史、生成內容散落在不同平臺，想回溯某段 AI 輔助的思路時，往往需要在多個界面中翻找。

03 發現 AI 工具的「瑞士軍刀」：Cherry Studio

就在工具焦慮達到峰值時，Cherry Studio 的出現堪稱「破局者」。這款以 Model Context Protocol（MCP）為核心的集成平臺，像一個智能樞紐，將分散的 AI 能力編織成統一網絡。

它的核心價值在于「三化」：

• 能力整合標準化：通過 MCP 協議對接在線 API、本地模型、自定義服務，無論是調用 ChatGPT 的對話能力，還是觸發本地 Ollama 的知識庫檢索，都能在同一界面完成。
• 工作流自動化：支持配置「AI 工具鏈」—— 例如設置「Obsidian 編輯→Deepseek 潤色→本地模型校驗」的流水線，讓多工具協作像搭積木一樣簡單。
• 知識沉淀結構化：自動歸檔所有 AI 交互記錄，按項目、工具、時間維度分類，配合搜索功能，讓每一次 AI 輔助的成果都能成為可復用的知識資產。

04 從工具使用者到 AI 流程設計師

當 Cherry Studio 將 Kimi 的創意、ChatGPT 的邏輯、本地模型的私密能力整合到同一畫布時，知識工作者的角色也在悄然進化：

• 不再是逐個點擊工具的「操作員」，而是根據需求設計 AI 協作流程的「架構師」；
• 不再為格式轉換、數據遷移煩惱，而是聚焦于「如何讓 AI 組合產生 1+1>2 的價值」。

cherrystudio簡介?

工具名稱：Cherry Studio

官網：https://cherry-ai.com/

支持平臺：Windows / macOS / Linux

授權方式：免費開源

你可以在官網直接下載并安裝Cherry Studio。

下載安裝Cherry Studio之后，你便可以在這一個工具中，配置和使用多個AI工具了！

使用方式

Cherry Studio支持豐富的AI工具，你可以通過兩種方式來使用它們：

通過配置API來使用。

通過AI工具的網頁版來使用，這在Cherry Studio中叫作“小程序”。

在我自己的使用過程中，兩種方式的使用頻次都很高。

首先，Cherry Studio支持很多的網頁版AI工具，即小程序：

?可以把自己經常使用的網頁版AI工具——例如豆包和Kimi，固定在了左側工具欄中：

?

這兩個網頁版的AI工具，主要用于解決封閉性問題，或輸出陳述性知識，因為這類知識都非常簡單，且通常有明確的答案。這樣的需求，豆包和Kimi能夠更快速地給出答案，且不會消耗API費用。

其次，也可以在Cherry Studio配置了一些AI工具的API key——

?

?使用Cherry Studio

Cherry Studio的使用非常簡單，尤其是添加小程序，完全是上手即用。所以，我們關于Cherry Studio的使用指南，主要集中在需要配置API的AI工具上。

但這也并不復雜，你只需要通過以下三個步驟，就能完成配置：

配置模型服務。

添加智能體和助手。

進行問答。

以下，是實踐指南。

1.配置模型服務

除了小程序以外，Cherry Studio中的AI工具，都需要配置API key，才能正常使用。這里，我們以比較流行的深度求索平臺為例，來進行配置。

簡單來說，你需要從deepseek的網站中，申請一個API key，填寫到Cherry Studio中。

直接打開deepseek的網站DeepSeek | 深度求索注冊賬號并打開API頁面，申請即可——

?得到API key之后，打開Cherry Studio的設置，找到模型服務中的深度求索，并將API key粘貼進去即可——

2. 添加智能體和助手

配置好模型之后，我們便可以基于這些模型，來創建智能體和助手了。

關于智能體和助手，我們可以做一個簡單的比喻——

智能體，相當于你的備選專家庫。

當你有特定需要的時候，比如你要站在一名產品經理的角度來解答問題，那么你可以選擇產品經理的智能體添加為助手。

在Cherry Studio中，直接內置了各行各業的上千個智能體：

挑選一個你需要的，點擊右鍵，即可添加為助手

3. 進行問答

有了助手之后，就能進行問答了

?

?

推薦設置

要更好地使用Cherry Studio，推薦你進行以下幾項設置——

1. 配置同步和導出

Cherry Studio是一款單機版的軟件，這意味著，如果你有多臺電腦，那么，不同設備間的數據是不能同步的。

但是，Cherry Studio提供了自定義同步和豐富的導出功能——

同步方面，可以使用Webdav方式，將數據同步到自己的NAS上，換一臺設備，恢復一下，完美無縫同步！

導出方面，主力使用的知識管理工具Notion和Obsidian，Cherry Studio都支持直接導出。

如果是導出到Notion，會以數據庫的方式存儲——

?此外，cherrystudio還支持知識庫和MCP服務功能，由于篇幅有限，感興趣的讀者可以自己深入研究一下。

?

?