大家好，Anthropic将Agentic系统的设计，按复杂程度从易到难，分为了Prompt设计、增强型LLM、工作流、Agent，这四个层次。
今天想给大家介绍的，就是如何更好地利用Cherry Studio这款优秀的开源AI对话客户端软件，来展开Prompt设计、增强型LLM方面的探索，让我们快速地从实践中收获有价值的知识与经验。
以防有小伙伴还没用过Cherry Studio，这里贴一个官网链接以供下载：
https://www.cherry-ai.com/
对Cherry Studio还比较陌生的朋友，建议先浏览官方帮助文档（点击软件主界面左下角小问号即可）中的功能介绍等相关部分，以熟悉基本操作。
我前期的文章中也介绍过一些Cherry Studio的基本配置方法，虽然是比较老的版本，但大的逻辑依然是可以参考的，例如：0代码！5分钟，搭建DeepSeek驱动的知识库，小白也能行？！
接下来让我们进入正题。
Cherry Studio在Prompt设计方面的辅助
助手广场：优质Prompt模板库
在往期文章中，我跟大家探讨过一些关于Prompt设计的思路、技巧，比如干货分享 | Prompt设计心法 - 如何3步做到清晰表达需求？
但对于很多新手朋友来说，在根据自己的需求实操Prompt设计时，很容易找不到方向，或者对一些偏理论、抽象的内容，不太get得到要点。比如，如何选择自己Prompt中的结构元素，如何进行结构化，如何进行信息压缩等等。
在Cherry Studio中，点击侧面栏智能体按钮，就能进入助手广场的界面。
每个助手的核心，在于它们的提示词。因此，这个助手广场本质上就是一个优质prompt模板库，其中不乏云中江树、李继刚、小七姐等知名prompt大神的作品。
这样，当你面对一个任务，但没有思路或时间来从头编写一个提示词时，不妨浏览一下这个Prompt模板库，找找是否有看起来对自己有用的模版抄抄作业，再基于模型输出，根据实际需求，按照学习的原理，对模板提示词的结构和内容进行调整，这就是一个非常好的通过实践来感受、学习的过程。
多模型并行输出：是驴是马都拉出来遛遛
我们都知道，Prompt只是引导模型输出的辅助手段，而输出质量的优劣，关键还是在于模型本身能不能打。对于同一段Prompt，不同模型的表现可能会大为不同。
因此，当考虑利用AI解决我们的实际问题时，除了设计出必要的Prompt，还需要确定哪个模型能更好地执行我们的Prompt。
Cherry Studio本身允许我们进行非常自由的模型API配置，无论是通过深度求索、月之暗面之类的模型厂商，还是硅基流动、OpenRouter之类的模型批发平台，甚至通过本地Ollama，我们都能比较便利地使用我们需要的模型。
但我想说的并不在于此。为了避免让我们只能一个一个的换模型来测试我们的Prompt，Cherry Studio贴心地提供了多模型并行输出的功能。
通过使用对话框下沿的@按钮，你可以选择任意多个模型，对同一段Prompt进行测试。
同时，Cherry Studio提供了多种结果展示方式，方便我们直观地对多个模型的输出进行对比，最终为我们的提示词选出最佳搭档。
其他辅助功能：Last but not least
1.分支
当我们在与模型进行连续对话的过程中，已经发生的每次对话，都会成为上下文的一部分，与我们最新的一次输入一道传递给模型。
当我们想要对模型的回复从不同的角度追问时，为了防止上下文因内容过于复杂而被污染，我们可以先利用Cherry Studio提供的分支功能，”复制”出一个既有上下文完全相同的对话（即Cherry Studio中 的话题）。
然后再在相互独立的话题中，针对不同的角度、内容，编写合适的Prompt，进行新的对话。
2.翻译
对于有些国外的模型，可能将Promt翻译为英文会有更好的效果。在Cherry Studio中，只需要按一下对话框右下角的翻译按钮，就能将你已写入的提示词翻译为英文。
不要小看这个翻译功能，有时候正是这些非实质障碍的消解，我们才能更好地把精力集中在更有价值的工作上。
Cherry Studio在增强型LLM的搭建方面的应用
本部分内容，大多是我前期文章里介绍过的重点，在此我主要做一些导引，感兴趣的朋友可以去看对应的文章。
知识库
要说对大模型进行增强，除了考虑微调等直接操作模型的技术外，第一个想到的当然就是为模型提供知识库，即RAG了。通过给模型提供一个外部的知识库（无论是在线、本地，也无论呈现形式），我们能够让大模型冲破自身训练数据的限制，在自己“知晓”的范围之外回答我们的问题，协助我们处理事务。
当然，Cherry Studio在最早期的版本就提供了知识库功能，并且在历次更新中对其进行优化完善。
Cherry Studio中知识库的基本用法，可以参考我的文章：：0代码！5分钟，搭建DeepSeek驱动的知识库，小白也能行？！
而对于如重排序等更高级的新特性的使用，详见官方帮助文档。
MCP
而正如Anthropic文章中所述，对LLM进行增强的第二个常用手段，就是为它提供工具。
而MCP作为LLM的“转换器”，使得LLM能够与不同的外部数据库、应用程序、系统轻松交互、共享信息，从而大大地拓展了模型的能力边界。
Cherry Studio几乎在MCP刚推出时就上线了这个功能，具体配置方法可以参考官方文档。
想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？别再浪费时间啦！2025 年 AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！
👇👇扫码免费领取全部内容👇👇
一、学习必备：100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT，帮你看透 AI 趋势
想了解大模型的行业动态、商业落地案例？大模型电子书？这份资料帮你站在 “行业高度” 学 AI：
1. 100+本大模型方向电子书
2. 26 份行业研究报告：覆盖多领域实践与趋势
报告包含阿里、DeepSeek 等权威机构发布的核心内容，涵盖：
- 职业趋势：《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》；
- 商业落地：《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》；
- 领域细分：《AGI 在金融领域的应用报告》《AI GC 实践案例集》；
- 行业监测：《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。
3. 600+套技术大会 PPT：听行业大咖讲实战
PPT 整理自 2024-2025 年热门技术大会，包含百度、腾讯、字节等企业的一线实践：
- 安全方向：《端侧大模型的安全建设》《大模型驱动安全升级（腾讯代码安全实践）》；
- 产品与创新：《大模型产品如何创新与创收》《AI 时代的新范式：构建 AI 产品》；
- 多模态与 Agent：《Step-Video 开源模型（视频生成进展）》《Agentic RAG 的现在与未来》；
- 工程落地：《从原型到生产：AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。
二、求职必看：大厂 AI 岗面试 “弹药库”，300 + 真题 + 107 道面经直接抱走
想冲字节、腾讯、阿里、蔚来等大厂 AI 岗？这份面试资料帮你提前 “押题”，拒绝临场慌！
1. 107 道大厂面经：覆盖 Prompt、RAG、大模型应用工程师等热门岗位
面经整理自 2021-2025 年真实面试场景，包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题，每道题都附带思路解析：
2. 102 道 AI 大模型真题：直击大模型核心考点
针对大模型专属考题，从概念到实践全面覆盖，帮你理清底层逻辑：
3. 97 道 LLMs 真题：聚焦大型语言模型高频问题
专门拆解 LLMs 的核心痛点与解决方案，比如让很多人头疼的 “复读机问题”：
三、路线必明： AI 大模型学习路线图，1 张图理清核心内容
刚接触 AI 大模型，不知道该从哪学起？这份「AI大模型 学习路线图」直接帮你划重点，不用再盲目摸索！
路线图涵盖 5 大核心板块，从基础到进阶层层递进：一步步带你从入门到进阶，从理论到实战。
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。
L5阶段：专题集丨特训篇 【录播课】
四、资料领取：全套内容免费抱走，学 AI 不用再找第二份
不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：
👇👇扫码免费领取全部内容👇👇
2025 年想抓住 AI 大模型的风口？别犹豫，这份免费资料就是你的 “起跑线”！
扫一扫
3342
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
