介绍
cherry studio，是一个工具框架，其核心智能的计算等功能，均来自接入的模型服务商，需要通过使用对应模型厂商的API密钥，去调用对应模型的服务。
源代码
github.com/CherryHQ/ch… Cherry Studio 官方的 GitHub 开源代码仓库，由 CherryHQ 团队维护。
安装
这是一个基于 Node.js + Electron + TypeScript 的桌面应用项目（存在package.json、electronic-builder.yml、ts文件）。所以整体思路是安装Node.js环境，使用yarn/npm来安装和运行cherry studio。
一、安装Nods.js
-
打开官网：nodejs.org/
-
下载 LTS 版本（推荐稳定）
-
安装时保持默认设置即可
-
安装后，在 PowerShell 中运行以下命令验证：
node -v
npm -v
二、安装Yarn（cherry studio使用yarn）
- npm install -g yarn
- yarn -v
三、克隆项目
- git clone github.com/CherryHQ/ch…
- cd cherry-studio
四、安装依赖
- yarn install（这个过程会自动读取
package.json和yarn.lock安装所有依赖）
四、安装完成，启动项目
- yarn dev（看到运行到start electron app...的时候，就会打开客户端界面了）
配置
一、设置API密钥，用它连接某个模型服务商的API，来实现你的应用。这里我选择硅基流动。“设置--硅基流动--获取密钥”。初次申请会赠送20元，不同模型，token价格不同。配置好后，点一下检测，选择你的模型，提示“连接成功”，就可以了；
二、配置嵌入模型、重排模型。在硅基流动模型，继续下拉，点击“管理”。点击“嵌入”、“重排”，增加模型；
三、设置文档处理模型。“设置--工具设置--文档预处理”，我选择了Doc2x。没有密钥和刚刚一样，注册申请一下即可；
四、配置个人知识库。红框为必填，点确定；
五、 导入本地资料，开始使用;
六、在助手中提问时，也可以直接引用知识库内容进行搜索。这样的回答，不仅结合了模型能力，也融合了本地知识库的信息，能够更贴近期望的答案。
FAQ
1、点击知识库，无法搜索成功，且后台报错“10:38:12.395 [mainWindow::QuotaTag] [KnowledgeContent] Error checking quota: [Error: Error invoking remote method 'knowledge-base:check-quota': Error: Failed to check quota: Error: HTTP 401: Unauthorized]”。
回答：配置时，不要忘记文档预处理模型的选择，需要申请对应的API密钥。
学习
我使用PlantUML绘制了一份技能树脑图，把大模型路线分成L1到L4四个阶段，一步步带你从入门到进阶，从理论到实战。
这份大模型路线大纲已经导出整理打包了，在 >gitcode ←←←←←←
L1阶段:启航篇丨极速破界AI新时代
L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。
L2阶段：攻坚篇丨RAG开发实战工坊
L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。
L3阶段：跃迁篇丨Agent智能体架构设计
L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。
L4阶段：精进篇丨模型微调与私有化部署
L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。
