使用Cherry Studio配置模型服务指南


接上文 《手把手带你本地部署DeepSeek：超简单，一看就会！》，使用命令行一句一句问，也太难受了，所以我决定安装Cherry Studio，因为它不仅提供直观易用的图形界面，还支持管理各种AI模型！！！简直不要太棒！！！

1. 安装Cherry Studio

进入Cherry Studio仓库，选择对应版本进行下载，我下载的是最新版

在这里插入图片描述

出现问题

在这里插入图片描述

右键点击“保留”，接着点击“仍然保留”，就好了

指定安装路径

在这里插入图片描述

安装完成之后，就可以看到聊天窗了

在这里插入图片描述

2. 配置模型服务

点击左下角的“设置”，进行模型服务配置。

在这里插入图片描述

未在本地部署大模型

如果你在本地没有部署DeepSeek等大模型，可以在右侧添加API密钥在线使用大模型。

在这里插入图片描述

点击“获取”会跳转到这个页面，注册账号并填写邀请码X9F5naKp，授权之后会自动获取到API密钥

在这里插入图片描述

将密钥复制并粘贴到Cherry Studio客户端中的API密钥框中，并确保右上角的开关处于打开状态

在这里插入图片描述

点击右侧的检测，会告诉你连接成功

在这里插入图片描述

已在本地部署大模型

如果你已经在本地部署了DeepSeek模型。点击“设置”，在模型服务中选择“Ollama”并打开右上角的开关，点击“管理”

在这里插入图片描述
点击加号添加模型
在这里插入图片描述

返回到对话界面，在界面上方选择添加的DeepSeek模型，就可以开始聊天了

在这里插入图片描述

在这里插入图片描述

# 学习 # DeepSeek # 人工智能
Logo
智能体开发者社区

中国智能体开发者社区，聚焦智能体与大模型开发，提供前沿资讯、实用工具链、开源项目及行业案例。通过技术沙龙、开发者大赛等活动，促进经验交流与协作，助力开发者快速构建创新智能应用。

更多推荐

MCP协议开发实战：从零搭建AI Agent工具链

创建静态资源（如项目 README 文件）。创建动态资源（如实时系统状态）。在 Client 中请求并利用资源上下文。回顾 MCP 协议如何降低 AI Agent 开发门槛。当前生态的局限与未来的演进方向。鼓励读者基于此大纲进行实践，并参与开源贡献。

avatar 智能体开发者社区

AI Agent可观测性：破解多步推理黑盒

随着AI Agent在复杂任务中承担越来越多的决策角色，其内部的多步推理过程往往如同一个“黑盒”，难以理解、调试和信任。本文旨在探讨AI Agent可观测性（Observability）的核心概念、技术挑战与实践方案，为开发者提供一套系统的方法论和工具链，以“照亮”Agent的推理黑盒，实现对其行为、决策逻辑与内部状态的全面洞察。构建AI Agent的可观测性体系不再是“锦上添花”，而是保障其在大

avatar 智能体开发者社区

MCP协议开发实战：从零搭建AI Agent工具链

回顾：我们从协议概念到动手搭建了一个可用的MCP工具链。MCP的生态现状：官方与社区提供的Server示例（GitHub, Jira, Notion等）。未来方向：更复杂的工具编排、多模型协作、可视化工具开发平台。鼓励动手：鼓励读者基于此框架，开发解决自己实际问题的工具。

avatar 智能体开发者社区