随着大模型的普及，越来越多的企业希望借助 AI 提升工作效率——从智能对话、文档分析到知识问答与研发辅助，AI 正在重塑企业的工作方式。但在实际落地中，数据安全与隐私合规始终是绕不过的问题。为确保企业核心数据不外流、私有化模型稳定可控，本地私有化部署逐渐成为企业首选方案，而 CherryStudio 与 GPUStack 的结合，正是这一需求的理想实现。
CherryStudio 作为交互界面，为企业员工提供便捷的操作入口和知识管理能力，让用户能够轻松调用内部模型、查询知识库，以及生成文档和辅助决策，提升业务流程的智能化水平与工作效率。
而 GPUStack 是整套系统的算力与模型管理中枢。它为企业提供统一的模型部署、调度与监控能力，支持多模型的单机/多机运行与自动资源分配，确保推理过程高效稳定。同时，GPUStack 还具备认证授权、负载均衡、故障恢复与指标观测功能，让企业在本地掌控模型生命周期，实现对 AI 服务的统一管理与合规运行。
CherryStudio：多模型桌面客户端
CherryStudio 是跨平台（Windows、macOS、Linux）的桌面 AI 客户端，支持连接多种 LLM 服务：
主流云服务：OpenAI、Gemini、Anthropic、Claude、Perplexity 等 本地模型：Ollama、LM Studio、以及 GPUStack 内置 300+ 智能助手模板，支持自定义角色与多模型对话 支持文档、PDF、代码、Markdown 等多种格式，并提供多模态图像识别 集成 WebDAV、图表、翻译、知识库等工具
作为 AI 生产力中心，适用于办公、编程、学习与创作等场景。
GPUStack：本地 AI 模型的算力中枢
如果将 CherryStudio 视为交互前端，GPUStack 则是后端引擎。
GPUStack 提供标准化 API，可与上层系统（如 CherryStudio、业务服务或自定义应用）无缝集成，实现模型即服务（Model-as-a-Service）的统一访问，让企业能够集中管理算力资源，快速上线或更新模型服务。
关键特性
多厂商 GPU 支持：NVIDIA、AMD、Apple Silicon、昇腾、海光、摩尔线程、 天数智芯、寒武纪、沐曦 等
多类型模型： LLM（语言模型） VLM（视觉语言模型，支持图像识别） Embedding 与 Rerank 模型 Image 模型（图像生成与编辑） TTS 模型（语音合成） ASR 模型（语音识别） OpenAI API 兼容：可被任意兼容 OpenAI 接口的客户端直接连接（包括 CherryStudio） 一键部署模型：从模型仓库选择并启动，无需手动配置环境与依赖 内置 Playground：直观的交互测试界面 动态调度与监控：自动分配算力，实时查看 GPU 使用率、模型状态与 token 消耗
简而言之：GPUStack 将服务器构建为可管理的 AI 平台，适合企业私有化部署与模型统一管理。
实战：三步完成 CherryStudio 连接 GPUStack
步骤一：启动 GPUStack 服务
首先，参考 GPUStack 官方文档完成安装（https://docs.gpustack.ai/latest/installation/nvidia-cuda/online-installation/）。推荐容器化部署方式，在 NVIDIA GPU 服务器上，根据文档要求完成对应版本的 NVIDIA 驱动、Docker 和 NVIDIA Container Toolkit 安装后，通过 Docker 启动 GPUStack 服务。
docker run -d --name gpustack \
--restart=unless-stopped \
--gpus all \
--network=host \
--ipc=host \
-v gpustack-data:/var/lib/gpustack \
registry.cn-shanghai.aliyuncs.com/gpu-stack/gpustack:v0.7.1
启动完成后，在浏览器访问 http://your_server_ip：
若 your_server_ip 为 localhost 或 127.0.0.1，可直接进入管理界面。
管理员账号为 admin，默认密码使用以下命令查看：
docker exec -it gpustack cat /var/lib/gpustack/initial_admin_password
更多设备与安装方式参考官方文档：https://docs.gpustack.ai/latest/overview/
步骤二：部署模型
1. 打开 GPUStack 网页端「模型库」页面 2. 选择要运行的模型（如 Qwen3）3. 点击「保存」，转到「部署」页面，等待状态变为 Running
模型可用后，可在 GPUStack 的「Playground - Chat」直接测试：
亦可按需部署更多模型（如下仅为演示）：
更多部署细节见 GPUStack 项目与文档：
项目地址：https://github.com/gpustack/gpustack 官方文档：https://docs.gpustack.ai/
显存不足或需添加多节点，请参考下图：
步骤三：连接 CherryStudio
如尚未安装 CherryStudio，请先访问官网安装：https://www.cherry-ai.com/
1. 打开 CherryStudio，进入「设置」→「模型服务」，搜索 “GPUStack”
2. 选择「GPUStack」，并启用（未启用将无法使用）
3. 配置参数：
Base URL： http://your_server_ip/v1-openai/（注意：末尾斜杠必需）API Key：在 GPUStack 的「API Keys」页面新建并复制 4. 管理模型
5. 测试连接
配置正确后，会显示“连接成功”。
6. （可选）设置默认模型
向量嵌入：将文本/知识内容映射为向量，支持高效相似度计算 1. 准备知识库内容（示例为手动创建）
2. 不使用知识库进行问答
3. 使用知识库进行问答
注意：某些模型的函数调用输出格式与 CherryStudio 预期不一致，可能导致未能按预期调用知识库。此类差异在当前生态中较常见。
更换其他模型后再次尝试：
如果模型判断问题简单而不触发查库，可通过系统提示词明确约束：回答必须依据知识库内容。调整后，结果如预期：
数据可控：请求与推理均在本地或内网完成，保护核心信息安全 算力可扩展：支持多机部署与灵活调度 GPU 资源 模型可替换：可引入最新 Hugging Face / ModelScope 模型，便于持续升级 多模态支持：图像理解与分析能力提升决策支持 OpenAI 生态兼容：无缝接入丰富工具与服务
至此，CherryStudio 即可调用 GPUStack 上部署的模型，获得与 OpenAI 一致的使用体验，同时实现对数据与算力的完全掌控。
GPUStack 赋能：CherryStudio 的多模型能力
接入 GPUStack 后，可在 CherryStudio 中自由切换多类模型，覆盖更多应用场景：
结合 CherryStudio 的多模态界面、知识库与插件体系，可构建功能完整的 AI 助手中心。
视觉语言模型（VLM）
上述示例中，答案不正确，主要由于模型尺寸（7B）与量化精度（4bit）受限。更换更大模型后，结果正确：
向量嵌入（Embedding）
向量嵌入是现代检索与问答系统的重要组成部分，通过将文本或文档映射为高维向量，实现语义级相似度匹配，从而提升搜索与问答质量。
以下示例展示如何结合知识库实现语义检索与问答：
更多用法，欢迎探索。
私有化部署的价值
适用于企业内部应用的私有化落地，安全、高效且灵活。
