Cherry Studio API 快速上手统一接入 DeepSeek 等大模型的完整调用指南【免费下载链接】cherry-studioAI productivity studio with smart chat, autonomous agents, and 300 assistants. Unified access to frontier LLMs项目地址: https://gitcode.com/GitHub_Trending/ch/cherry-studio想让一个地址同时调通 DeepSeek、OpenAI 等多家大模型却被各家接口格式、Key 管理搞得头大Cherry Studio API 就是为此而生的本地统一网关它在本机起一个服务用一套统一接口把背后任意一家提供商聚合起来。这篇指南先帮你理清它的能力边界再从启动服务到发出第一个请求走通全流程最后附上排错清单和进阶技巧。先弄清它替你做了什么Cherry Studio 本身是一款桌面客户端真正对外暴露能力的是它内置的本地 API 网关。你可以把它理解成一台翻译机前端是各家大模型的原生接口后端是你熟悉的统一协议请求从哪个地址进、以什么格式返回都由它统一兜底。它主要提供这几件事多家提供商统一接入不管底层是 DeepSeek 还是 OpenAI你都用同一套请求格式多轮对话管理帮你维护对话上下文不用自己在代码里反复拼历史消息流式响应文本边生成边往外吐而不是干等全部生成完文件处理 / 插件系统文档上传分析和扩展功能模块目前仍在开发中一条消息从进到出会穿过网络搜索、知识库、大模型、MCP 等多个模块协同处理完整链路如下图所示3 步跑通第一个请求1. 安装并启动服务先从官方渠道把 Cherry Studio 客户端装上然后用一条命令把 API 服务拉起来cherry-studio start --port 8080 --api-key your-api-key这里--port指定服务端口默认 8080--api-key就是后面每次请求都要携带的凭证两个值记一下待会用。2. 带上认证头所有请求都得在 Header 里带凭证格式固定只需把末尾换成你自己的 KeyAuthorization: Bearer your-api-key3. 发一个聊天补全请求聊天补全走POST /api/v1/chat/completions下面这条示例可以直接运行fetch(http://localhost:8080/api/v1/chat/completions, { method: POST, headers: { Content-Type: application/json, Authorization: Bearer your-api-key }, body: JSON.stringify({ model: deepseek-r1, messages: [{ role: user, content: Hello }], stream: false }) }) .then(res res.json()) .then(data console.log(data));把stream改成true即切换到流式模式响应会从一次性 JSON 变成持续推送的数据流此时要用流式读取的方式接数据而不是像上面那样直接res.json()一把拿全。请求体里几个常用字段整理如下方便你按需调整字段说明model模型 ID必填如deepseek-r1messages消息数组每条含role与contenttemperature生成温度取值 0–1默认 0.7stream是否流式响应默认falseprovider模型提供商如deepseek、openai查一下当前能用哪些模型不确定背后挂了几家模型直接GET /api/v1/models就能把当前支持的全部列出来{ object: list, data: [ { id: deepseek-r1, object: model, created: 1677652288, owned_by: deepseek }, { id: gpt-4, object: model, created: 1677652288, owned_by: openai } ] }每个条目都带三个字段id就是你在补全请求里填的模型 IDcreated是创建时间戳owned_by表示它归属哪家提供商。拿不准模型名时先查这张表再填能少踩很多坑。配置项与环境变量速查想改行为主要靠配置文件和环境变量两处下手常用的几项都整理在下面配置项 / 环境变量作用默认值api.port服务端口8080providers.*.api_key各提供商各自的 API 密钥—logging.level日志级别infoCHERRY_API_KEY环境变量API 认证密钥—DEEPSEEK_API_KEY环境变量DeepSeek 的密钥—CHERRY_PORT环境变量服务端口—出错时的排查清单接口一返回异常先按错误码快速定位方向再动手改错误码HTTP 状态处理建议invalid_api_key401核对Authorization头里带的 Key 是否正确rate_limit_exceeded429触发了限流适当降低请求频率model_not_found404确认model字段里的模型 ID 确实存在如果卡在了连不上连接超时这一步按顺序查服务是不是真的跑起来了、端口对不对有没有被占用、防火墙有没有把连接拦掉。反过来如果能连上但响应内容不对就先翻服务日志里的详细报错再核对请求参数格式最后确认上游模型服务本身的状态。把接口用出高性能调通之后还有几个能直接落地的优化点值得顺手做加重试对临时性网络抖动做请求重试别让一次抖动直接把流程打断调参数按场景合理设置temperature和max_tokens前者管输出的随机程度后者控制生成长度加缓存命中率高、重复多的接口结果缓存下来既省调用也省成本接入自定义大模型提供商现有列表里没有你想用的服务Cherry Studio 允许通过实现 Provider 接口来挂新的 AI 服务。建议先翻翻现有提供商的写法找找感觉它们都放在 提供商实现目录 下照着改一份就能扩展出自己的接入。【免费下载链接】cherry-studioAI productivity studio with smart chat, autonomous agents, and 300 assistants. Unified access to frontier LLMs项目地址: https://gitcode.com/GitHub_Trending/ch/cherry-studio创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 
长河君 · 2026/10/18 16:14:55 · 阅读 1.2k Cherry Studio API 快速上手：统一接入 DeepSeek 等大模型的完整调用指南
Cherry Studio API 快速上手统一接入 DeepSeek 等大模型的完整调用指南【免费下载链接】cherry-studioAI productivity studio with smart chat, autonomous agents, and 300 assistants. Unified access to frontier LLMs项目地址: https://gitcode.com/GitHub_Trending/ch/cherry-studio想让一个地址同时调通 DeepSeek、OpenAI 等多家大模型却被各家接口格式、Key 管理搞得头大Cherry Studio API 就是为此而生的本地统一网关它在本机起一个服务用一套统一接口把背后任意一家提供商聚合起来。这篇指南先帮你理清它的能力边界再从启动服务到发出第一个请求走通全流程最后附上排错清单和进阶技巧。先弄清它替你做了什么Cherry Studio 本身是一款桌面客户端真正对外暴露能力的是它内置的本地 API 网关。你可以把它理解成一台翻译机前端是各家大模型的原生接口后端是你熟悉的统一协议请求从哪个地址进、以什么格式返回都由它统一兜底。它主要提供这几件事多家提供商统一接入不管底层是 DeepSeek 还是 OpenAI你都用同一套请求格式多轮对话管理帮你维护对话上下文不用自己在代码里反复拼历史消息流式响应文本边生成边往外吐而不是干等全部生成完文件处理 / 插件系统文档上传分析和扩展功能模块目前仍在开发中一条消息从进到出会穿过网络搜索、知识库、大模型、MCP 等多个模块协同处理完整链路如下图所示3 步跑通第一个请求1. 安装并启动服务先从官方渠道把 Cherry Studio 客户端装上然后用一条命令把 API 服务拉起来cherry-studio start --port 8080 --api-key your-api-key这里--port指定服务端口默认 8080--api-key就是后面每次请求都要携带的凭证两个值记一下待会用。2. 带上认证头所有请求都得在 Header 里带凭证格式固定只需把末尾换成你自己的 KeyAuthorization: Bearer your-api-key3. 发一个聊天补全请求聊天补全走POST /api/v1/chat/completions下面这条示例可以直接运行fetch(http://localhost:8080/api/v1/chat/completions, { method: POST, headers: { Content-Type: application/json, Authorization: Bearer your-api-key }, body: JSON.stringify({ model: deepseek-r1, messages: [{ role: user, content: Hello }], stream: false }) }) .then(res res.json()) .then(data console.log(data));把stream改成true即切换到流式模式响应会从一次性 JSON 变成持续推送的数据流此时要用流式读取的方式接数据而不是像上面那样直接res.json()一把拿全。请求体里几个常用字段整理如下方便你按需调整字段说明model模型 ID必填如deepseek-r1messages消息数组每条含role与contenttemperature生成温度取值 0–1默认 0.7stream是否流式响应默认falseprovider模型提供商如deepseek、openai查一下当前能用哪些模型不确定背后挂了几家模型直接GET /api/v1/models就能把当前支持的全部列出来{ object: list, data: [ { id: deepseek-r1, object: model, created: 1677652288, owned_by: deepseek }, { id: gpt-4, object: model, created: 1677652288, owned_by: openai } ] }每个条目都带三个字段id就是你在补全请求里填的模型 IDcreated是创建时间戳owned_by表示它归属哪家提供商。拿不准模型名时先查这张表再填能少踩很多坑。配置项与环境变量速查想改行为主要靠配置文件和环境变量两处下手常用的几项都整理在下面配置项 / 环境变量作用默认值api.port服务端口8080providers.*.api_key各提供商各自的 API 密钥—logging.level日志级别infoCHERRY_API_KEY环境变量API 认证密钥—DEEPSEEK_API_KEY环境变量DeepSeek 的密钥—CHERRY_PORT环境变量服务端口—出错时的排查清单接口一返回异常先按错误码快速定位方向再动手改错误码HTTP 状态处理建议invalid_api_key401核对Authorization头里带的 Key 是否正确rate_limit_exceeded429触发了限流适当降低请求频率model_not_found404确认model字段里的模型 ID 确实存在如果卡在了连不上连接超时这一步按顺序查服务是不是真的跑起来了、端口对不对有没有被占用、防火墙有没有把连接拦掉。反过来如果能连上但响应内容不对就先翻服务日志里的详细报错再核对请求参数格式最后确认上游模型服务本身的状态。把接口用出高性能调通之后还有几个能直接落地的优化点值得顺手做加重试对临时性网络抖动做请求重试别让一次抖动直接把流程打断调参数按场景合理设置temperature和max_tokens前者管输出的随机程度后者控制生成长度加缓存命中率高、重复多的接口结果缓存下来既省调用也省成本接入自定义大模型提供商现有列表里没有你想用的服务Cherry Studio 允许通过实现 Provider 接口来挂新的 AI 服务。建议先翻翻现有提供商的写法找找感觉它们都放在 提供商实现目录 下照着改一份就能扩展出自己的接入。【免费下载链接】cherry-studioAI productivity studio with smart chat, autonomous agents, and 300 assistants. Unified access to frontier LLMs项目地址: https://gitcode.com/GitHub_Trending/ch/cherry-studio创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考