前不久我写过几篇文章，介绍25年我常用的几个AI工具，约莫着算下来有十几个，分布在不同的网页里面。
25年，我真正觉得好用的 AI 工具清单
这么多账号，对于我，甚至现在的你，管理起来是非常头疼的一件事情。
好多次，我都会这样问自己：
我有多少个 AI 账号，又在浏览器里面折腾切换了多少次界面？
以及，Prompt 在 Notion、微信收藏夹、ChatGPT、Claude、Gemini 里面到处有，知识分散、效率低、思路断层——这是当下多数人的真实体验。
并且有一些写好的prompt，无法沉淀到我自己私有的知识库里面，就非常难受。
每个应用之间是互相隔离，老死不相往来的（如果想导出历史记录，可以看一泽的Chat Memo）。
对此，今天这篇文章，来谈谈我自己的解法，以及我想推荐一款好用的AI工具-- cherry studio。
上面提到的这些难点，基本上他都可以帮我解决，本地这样的的一个工作台，囊括市面上所有的AI工具集合。
话不多说，我们开始。
Cherry Studio是何许人也
先来说说，cherry studio究竟是啥。
简洁来说，Cherry Studio 是一个能把多模型、多服务商的 AI 能力统一管理的桌面客户端，支持 Windows / macOS / Linux 平台。
你可以把它想象成集合常用AI 工具的工作台：不需要频繁切换浏览器窗口，不需要重复登录，无缝调度你常用的 AI 资源。
提示词 & AI 聚合平台
Cherry Studio 最直观的功能，是把你常用的 AI 模型和提示词放到一个统一的工作台里。
而这，最终都会原封不动的保存到自己的知识库里面，你也不用回头从其他AI工具上面在粘贴回来。
你可以在一个界面里：
调用 OpenAI、Gemini、Anthropic 等主流模型； 直接打开 Claude、Peplexity、Poe 等在线服务； 切换本地部署的模型（比如 Ollama / LM Studio 本地模型）。
更强的是，它内置了 300+ 预配置的智能助手（也可以自己定义），类似于给每一个工作场景预先设定好身份：写作助理、总结专家、代码调试员、翻译专家等。
比如我可以把公众号页面排版的提示词预设到这里面，每次只需要输入内容就可以。
我也可以把短视频脚本撰写的提示词放置到里面，直接给我出自带表格的分镜头脚本，并且可以导出为word文档。
我觉得，满足一个普通人的日常需求，基本就足够了。
这里面，大概有几百个提示词吧....
别忘了，我们也可以调用MCP服务，也可以是每一个AI模型的手，去使用第三方的数据和服务。
我还记得，我之前，在本地启用小红书mcp服务，直接可以搜索小红书的关键词，获取最新的小红书笔记。
以及，本地配置了chrome+computer-use，基本上不需要AI浏览器，就可以主动去浏览网页了。
把提示词、参数、角色一次性保存下来，再也不用每次去手动输入。
以及，有一些常用的chatgpt、DeepSeek、kimi等，都会聚合在一个页面里面，只需要轻轻点击对应的logo，就可以访问页面了。
这个功能，我觉得非常好用，直接拯救了我。
想象我以前，每次用某个工具，需要登录验证一大堆，而且还不好管理。
知识库 + 联网搜索 + 对话历史：长期记忆不是口头承诺
在我看来，与AI不断对话的过程，值得记录下来。
这是你每一次思维认知成长与蜕变的过程，等到下一次翻开来看，或许会受到很大的启发。
高效的 AI 互动不只是一次对话，而是带历史、有记忆、可检索的长期交互。
Cherry Studio 有自己内置的 知识库功能，支持你把本地文档（PDF、Word、代码、笔记）、网页内容、链接等一键导入并自动向量化。
建立知识库后，你的提问就能结合文档内容给出更准确、更专业的回答，而不是重新生成一个泛泛的回答。
这个过程类似给 AI 装上了长期记忆：
下次提问它能结合你自己的资料，好比你的大脑，而不是每次都是从 0 重新开始。
在使用的时候，非常建议，同时开启知识库+thinking mcp，回答结果会更加准确。
此外，它还支持对话历史的上下文关联，让每一次提问都有“线性记忆”，这对连贯性很重要。
能动手干活的 Agent + Coding
Cherry Studio 内置的智能助手不仅仅是对话机器人，它可以被配置成 Agent 类型，在某些场景下替你自动执行任务。
熟悉agent的朋友，可能知道Manus，coze，dify等。
没错，在cherry studio里面也可以配置这样的智能体。
当你在助手栏，新建一个助手的时候，会有一个agent选项。
然后你可以自定义智能体名称，选择模型，以及选择哪种权限。
然后，你就可以在设置里面，查看自己当前智能体的配置。
除此之外，你还可以设定：
自动根据项目需求生成代码框架； 用 AI 脚本批量处理文档与表格； 让不同模型按预定的顺序协作输出。
这和普通的提问不同，它更像是你的 AI 小团队：根据你预设好的规则和流程去执行，而不是被动回应问题。
不过，当前是纯提示词驱动的agent，可以在workflow里面去写好什么时候调用mcp以及插件。
低代码的workflow编排，目前不太支持。
以及，我非常兴奋的告诉大家，cherry studio已经支持Claude skills了。
关于skill，可以查看我之前的文章，2026年普通人的红利。
也就是说，你可以把自己沉淀好的一些sop，直接转化成skills，下次执行的时候，调用命令就可以了。
比如，能够大概做出来一个样子（具体还得使用Claude模型）：
还有 Coding 助手支持多种语言的代码补全、生成和片段调试，使你在写代码时省去来回切换的成本。
比如，cherry studio自带的代码工具，其实不止Claude code，还有Gemini cli，codex等。
点击启动之后，直接就可以启用了。如下。
写在最后
用了cherry studio，你会有这样一个工作流程：
你正在构思一篇长文：
在 Cherry Studio 里把相关文档、链接、笔记导入知识库； 用不同模型对比结构生成草稿； 用写作智能助手润色和补充； 利用代码助手生成自动统计图表； 最后把整体内容导出到 Markdown 或 Word，或者直接使用obsidian进行排版之后发布。
这一套操作过程，不需要离开 Cherry Studio 的工作台。它把各个过程串连起来，消除了频繁切换工具的摩擦。
在我看来，Cherry Studio 的价值不在它有多少个模型整合，也不是那种所谓的套壳工具站，
它把散落的 AI 能力组织成一个可以持续使用的生产力平台，一个能让 AI 真正“上手干活”的工作枢纽。
在这个 AI 工具日益增多、碎片化体验日益严重的时代，一个能把所有工作台统一起来的管理器，是提升效率的关键。
Cherry Studio 正在把这个想法变成现实
