干货分享 | 如何使用Cherry Studio快速上手AI学习实践

本文较长,建议点赞收藏。更多AI大模型应用开发学习视频及资料,在智泊AI

重要的不是我们是否会被AI替代,而是我们要比被替代的人更懂AI。

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:

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,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

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。

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。

学习资源推荐

如果你想更深入地学习大模型,以下是一些非常有价值的学习资源,这些资源将帮助你从不同角度学习大模型,提升你的实践能力。

本文较长,建议点赞收藏。更多AI大模型应用开发学习视频及资料,在智泊AI

相关推荐
科技峰行者6 小时前
阿里云无影发布首个Agentic Computer形态的个人计算产品
人工智能·阿里云·ai·agent
刘立军7 小时前
本地大模型编程实战(37)使用知识图谱增强RAG(3)
后端·架构·llm
Baihai_IDP7 小时前
GPU 网络通信基础,Part 1(横向与纵向扩展;训练中的通信环节...)
人工智能·llm·gpu
CUGGZ8 小时前
前端开发的物理外挂来了,爽到飞起!
前端·后端·程序员
SimonKing8 小时前
Xget:又一下载神器诞生!开源免费无广告,速度拉满!
java·后端·程序员
CodeSheep9 小时前
稚晖君公司最新合伙人,公开了!
前端·后端·程序员
前端小同学9 小时前
逆向还原Claude for Chrome - 学习顶尖公司是如何做浏览器agent的
人工智能·chrome·agent
致Great20 小时前
AI Agent的四象限法则:解码智能体应用的底层逻辑
人工智能·大模型·agent·智能体·deepresearch