CherryStudio

CherryStudio 简介

CherryStudio 是一款集多模型对话、知识库管理、AI 绘画、翻译等功能于一体的全能 AI 助手平台。 CherryStudio 的高度自定义的设计、强大的扩展能力和友好的用户体验，使其成为专业用户和 AI 爱好者的理想选择。无论是零基础用户还是开发者，都能在 CherryStudio 中找到适合自己的AI功能，提升工作效率和创造力。

今天就体验一下 CherryStudio 搭建本地知识库，并使用 DeepSeek 实现 RAG 功能。

环境准备

在搭建本地知识库前，需要确保以下环境准备到位：

• 操作系统要求：支持 Windows、macOS、Linux 平台。
• 安装 Cherry Studio：
  1. 前往 Cherry Studio 官方网站 下载最新版本客户端。
  2. 按照安装向导完成部署。

模型配置

知识库需要配置嵌入模型，而实现 RAG 需要使用到大模型如 DeepSeek-R1，为了方便，我们可以直接使用硅基流动提供的 API 能力，毕竟点击新注册的账号有免费的 2000W Tokens 还没用完。

注册之后可以复制出来API Key，粘贴到Cherry Studio中去。

在 Cherry Studio 设置->模型服务->硅基流动，按如下顺序进行配置：

1. 正确配置硅基流动的配置： API 地址【https://api.siliconflow.cn】和 API Key【sk-a·············bcqb】，如果有其他模型的 API Key 也可以直接选择其他模型。
2. 选择嵌入模型：用于向量化知识，并存入向量数据库，免费的嵌入模型可以用 BAAI/bge-m3，为了效果更好可以选择付费的 Pro/BAAI/bge-m3。
3. 选择对话模型：用于 RAG 功能实现对话，我们选择当前 DeepSeek-R1 或 DeepSeek-V3。

本地知识创建

1、新建知识库

点击 Cherry Studio 左侧知识库按钮，进入知识库管理页面，点击添加按钮新建知识库。

2、添加文件

支持拖拽添加本地文件，也可以添加本地文件目录、网址、网站或者文本。

3、添加网址或者网站

可以将网络上的内容添加到知识库中，如某一篇博客内容，也可以将一个网站进行添加，如将本人博客网站添加到知识库，需要注意的是正确填写网站的站点地图。

4、搜索知识库

可以在本地知识库中进行内容搜索，能够检索到相关内容片段，这些内容片段后面通过 RAG 技术，将作为提问的上下文传给 LLM。

结合DeepSeek实现RAG

RAG (Retrieval-Augmented Generation) 是一种将信息检索和生成结合起来的技术架构。在自然语言处理领域，RAG 通过检索相关的外部知识库内容，结合生成式模型生成最终的答案，能够极大地提升模型的回答准确性和丰富性。

本地知识库的搭建则是 RAG 技术的重要部分，利用 Cherry Studio 等平台，可以便捷地实现这一过程。

1、选择知识库

进行提问之前可以选择要检索的知识库。

2、进行提问

可以看到大模型回答内容时参考了知识库中本人网站的内容：

常见问题与解决方案

Q: Cherry Studio 能否支持动态更新数据？

A: 支持。可以增量更新文档，系统会自动重建索引。

Q: 是不是需要联网才能使用？

A: 搭建本地知识库支持完全离线运行，对话模型需要联网。

Q: Cherry Studio 的检索速度如何？

自动重建索引。

Q: 是不是需要联网才能使用？

A: 搭建本地知识库支持完全离线运行，对话模型需要联网。

Q: Cherry Studio 的检索速度如何？

A: 对于中小规模知识库，其内置检索引擎性能较优。此外，结合向量化检索技术可以进一步提升速度。