作者：厦门大学信息学院计算机科学系2023级研究生 黄万嘉
指导老师：厦门大学数据库实验室 林子雨 博士/副教授
Cherry Studio 是一款功能强大的跨平台桌面客户端，专为支持多模型服务而设计，旨在为用户提供高效、便捷的 AI 交互体验。它集成了超过 300 个大语言模型，支持多种主流 AI 服务商（如DeepSeek ），并兼容本地模型运行（通过 Ollama），满足用户在不同场景下的需求。
本文使用到的工具及模型有：
- Ollama：模型部署工具
- DeepSeek R1 1.5b：推理模型，基于Ollama本地部署
- nomic-embed-text：嵌入模型，用于对输入的文件（知识）进行向量化
- Cherry Studio：集成各功能的AI助手平台
通过上述工具和模型，可以构建一个本地的知识库，帮助大模型进行更准确地回复。
安装Cherry Studio
直接访问Cherry Studio官网进行下载：https://cherry-ai.com/
下载完成后进行安装即可
Cherry Studio中知识库功能原理
知识库的用处
知识库是 Cherry Studio 的核心功能之一，它通过结合外部知识库与大语言模型的能力，显著提升了模型的回答质量和实用性。构建本地知识库可以帮助我们更好地使用大模型，他可以做到：
提升回答准确性
- 通过检索外部知识库，减少模型“幻觉”，生成更可靠的答案。
- 特别适合需要精确信息的场景，如法律、医疗、金融等领域。
支持实时更新
用户可以随时上传最新数据，确保模型回答基于最新信息。
多源数据整合
支持文件（PDF、DOCX 等）、文件夹、网页链接、纯文本等多种数据来源。
高效检索与问答
基于语义的向量检索，快速找到相关文档片段，提升工作效率。
知识库原理
图源：Cherry Studio官方教程
在 Cherry Studio 知识库中添加的数据全部存储在本地，在添加过程中会复制一份文档放在 Cherry Studio 数据存储目录，当文档被添加到 Cherry Studio 知识库之后，文件会被切分为若干个片段，然后这些片段会交给嵌入模型进行处理，当使用大模型进行问答的时候，会查询和问题相关的文本片段一并交个大语言模型处理。
在本文中，我们选择“nomic-embed-text”作为EmbeddingModel，DeepSeek-r1-1.5b作为LLM
在Cherry Studio中使用知识库
模型安装
在正式使用知识库之前，需要先安装nomic-embed-text模型和DeepSeek R1 1.5b模型，关于这两者的安装，可以直接通过Ollama进行安装，详细的细节可以参考：
设置嵌入模型和推理模型
- 在模型管理服务中找到Ollama，点击管理
- 找到需要的nomic-embed-text和DeepSeek R1 1.5b，添加到我的模型。
创建知识库
- 知识库入口：在 CherryStudio 左侧工具栏，点击知识库图标，即可进入管理页面；
- 添加知识库：点击添加，开始创建知识库；
- 命名：输入知识库的名称并添加嵌入模型，以 nomic-embed-text为例，创建一个DeepSeek系列文章知识库。
创建成功后可以添加文件进入知识库，进行向量化操作
- 添加文件：点击添加文件的按钮，打开文件选择；
- 选择文件：选择支持的文件格式，如 pdf，docx，pptx，xlsx，txt，md，mdx 等，并打开；
- 向量化：系统会自动进行向量化处理，当显示完成时（绿色 ✓），代表向量化已完成。
向量化完成后，可以搜索数据库，并显示该条结果的匹配分数。
使用知识库问答
- 创建一个新的话题，在对话工具栏中，点击知识库，会展开已经创建的知识库列表，选择需要引用的知识库；
- 输入并发送问题，模型即返回通过检索结果生成的答案 ；
