Cherry Studio 助手挂知识库，AI 回答时自动翻你的专属参考书
为什么要挂知识库
直接在对话里拖文件做一次性处理很方便，但有个缺点：下次遇到类似问题还得再拖一次。知识库 解决了这个问题——把文档、笔记、网址扔进知识库后，它会做向量化索引，之后可以被任何对话助手检索。
挂载知识库的效果：每次你和这个助手对话时，Cherry Studio 会自动把你的问题和知识库里相关的段落一起发给 AI，AI 基于这些上下文回答，相当于有了你的专属知识储备。
挂载步骤
- 打开或创建一个助手
- 找到「知识库」相关设置项
- 从已建知识库列表里勾选一个或多个
- 保存
下次和这个助手对话时，你会看到知识库检索命中的来源标注在对话历史里——AI 回答的哪些段落来自知识库的哪些文档，一目了然。
典型用法
| 场景 | 助手角色 | 挂载的知识库 | 效果 |
|---|---|---|---|
| 公司知识助手 | 产品助理 | 产品手册 + API 文档 + 内部规范 | 员工问"XX 功能怎么实现"，AI 从手册里找答案 |
| 个人资料管家 | 私人助理 | 历年工作笔记 + 读书摘录 + 邮件存档 | 问"我去年在哪个 PPT 里提过那个分析框架" |
| 学习陪练 | 数学助手 | 课件 + 论文 + 公式集 | 让 AI 按课件内容出题、解答疑惑 |
| 合同法规速查 | 法务助手 | 法条 + 合同模板 + 裁判文书 | 问 AI"民法典第 3.2 条适用于什么场景" |
知识库检索是怎么做的
Cherry Studio 内置了向量模型（支持内置本地嵌入模型和云端嵌入模型两种模式），把知识库里每个文档切分成小段落，每个段落生成一个向量。对话时，把你的问题也转成向量，在知识库里找"距离最近"的几个段落，一起发给 AI。
检索质量主要取决于：
- 文档切分粒度：段落太长会稀释权重，太短会丢失上下文。Cherry Studio 有默认值，也可以在知识库设置里调
- 嵌入模型选择：不同嵌入模型在中文上的效果差异很大。详见 嵌入模型选择指南
- 知识库数据源质量：脏数据、重复数据、格式乱码会降低检索质量
和 Agent 配合
Agent 智能体 可以在任务执行过程中主动查知识库。比如让 Agent 写一份产品方案，它会先去知识库里检索你之前写过的相关文档、产品手册里的格式规范、内部的 PRD 模板，然后基于这些素材写。
这种主动检索是 Agent 的高级能力——普通对话助手是 Cherry Studio 在发送前帮你检索好，Agent 是自己决定什么时候去查、查什么。
隐私注意
知识库内容存在本地（或你配置的云端存储），检索过程也在本地完成。只有被检索到的相关段落才会和对话内容一起发给模型服务商。如果你用本地嵌入模型做索引，整个检索流程完全离线。