GPT は万能ではありません。あるタスクで失敗した場合、Codex で試行錯誤を続けるべきか、別のモデルに切り替えるべきか。1 つのモデルでは不十分な場合、モデルの切り替え、データの補完、ツールの使用を検討する必要があります。
Codex が登場する前は、私は Cherry Studio を使っていました。AI に詳しい友人たちも多くが使っています。今日は、このソフトウェアで何ができるのか、そしてこのワークベンチをスムーズに使いこなす方法についてお話しします。
1. Cherry Studio でできること
Cherry Studio は、オープンソースのデスクトップ AI ソフトウェアです。GPT、Claude、DeepSeek、Kimi、そして自分のコンピューターで動作するモデルも、対応するインターフェースを通じて接続し、同じソフトウェア内で使用できます。
私にとって最も魅力的な点は、モデルを交換できる一方で、よく使う資料、作成要件、ツールはこのワークベンチ内に留まることです。
例えば、記事を書いていて導入部が気に入らない場合、同じ資料を複数のモデルに同時に与え、それぞれにバージョンを作成させ、横並びで比較できます。良い方向性が見つかったら、そこで編集を続けられます。異なるチャットサイト間で何度も貼り付け直す必要はありません。
2 つのバージョンを保持したい場合は、「ブランチ」を開いてそれぞれ個別に編集します。数ラウンド後に元の方が良かったと気づいた場合は、以前の分岐点に戻ることができます。トーンやフォーマットに関する要件は「アシスタント」として保存できるため、毎回説明する必要はありません。
自分の記事、製品マニュアル、プロジェクト文書は「ナレッジベース」に入れることができます。必要に応じて、AI に原文を検索させ、データに基づいて回答させることができます。モデルを切り替えても、このデータは引き続き利用可能です。
テンプレートから Word 文書を生成したり、フォルダーを整理したり、機能的な Web ページを作成したりする場合は、エージェントに任せることができます。モデルとツールを設定すれば、資料を読み込み、ファイルを操作できます。完了したら開いて確認し、問題があれば修正を依頼します。
このソフトウェアには、翻訳や描画などのエントリーもあります。制限の少ないオープンソースモデルやローカルモデルを試したい場合は、Ollama や LM Studio を介して接続できます。これについては後ほど詳しく説明します。
これらの一般的な機能には既製のエントリーがあります。モデルと必要なサービスを設定するだけで、ゼロからコードを書くことなく使用できます。
2. Cherry Studio のインストール
Cherry Studio 公式ダウンロードページ を開きます。
Mac の場合は、Apple Silicon には ARM64、Intel チップには x64 を選択します。インストーラーを開いたら、「アプリケーション」フォルダーにドラッグします。Windows の場合は、通常は x64 インストーラーを選択します。ARM デバイスの場合は、ARM64 を選択します。
初めて開くときは、「後で設定」をクリックして、先にソフトウェアに入ることができます。
左側の「チャット」は作成や質問用、「ワーク」はエージェントがタスクを実行する場所、「ナレッジベース」は繰り返し参照する資料を保存します。モデルの設定は、左下の「設定」からアクセスします。
上部のタブはブラウザーに似ています。チャットページを開いたままモデルを設定し、後で戻ってテストすることができます。毎回終了して再起動する必要はありません。
3. モデルの接続
インストール後、モデルを接続する必要があります。ソフトウェア自体は無料ですが、モデルの呼び出しには費用がかかる場合があり、モデルプロバイダーによって課金されます。
Kimi を使いたい場合は、Moonshot API を接続します。DeepSeek の場合は、DeepSeek API を接続します。SiliconFlow のように複数のモデルを提供するプラットフォームを選択し、1 つのアカウントで異なるモデルを使用することもできます。まずは 1 つから始めて、比較したいときに 2 つ目を追加します。
ここでの API は、「Cherry Studio がそのモデルを使用するためのインターフェース」と理解できます。コードを書く必要はなく、API Key と呼ばれる文字列を取得してソフトウェアに入力するだけです。
API Key は、プロバイダーの「オープンプラットフォーム」で作成します。チャットのサブスクリプションを持っていても、API にクレジットがあるかどうかは別途確認する必要があることがよくあります。これらは通常、別々に課金されます。
Kimi を例にとると、Moonshot オープンプラットフォーム に登録またはログインし、API Key 管理を見つけて、キーを作成します。アカウントに利用可能なクレジットがあるかどうかを確認します。ない場合は、プラットフォームの指示に従って有効にします。少額の予算から始めましょう。
Cherry Studio に戻り、「設定 → モデルサービス」を開き、「Moonshot」を見つけて、キーを貼り付け、サービスを有効にし、「モデルリストを取得」をクリックします。
リストにいくつかの名前があるかもしれません。使用する予定のモデルを追加します。チャットページに戻り、上部のモデル名をクリックして切り替えます。短いメッセージを送信し、正常に返信があれば接続成功です。
接続するのはモデル API です。Kimi の Web 機能やメンバーシップ特典は移行されません。ここでは、Cherry Studio のインターフェースとツールを使用します。
友人や会社から一連のインターフェースを提供されたが、プロバイダーがリストにない場合は、下部の「プロバイダーを追加」をクリックします。通常、以下の情報が必要です。
プロバイダー名は、「会社テストインターフェース」など、自分が認識できるものであれば何でも構いません。モデル ID は任意ではありません。サーバーがモデルを識別するために使用する名前です。リストの取得に失敗した場合は、ID が提供されていれば手動で追加します。
接続できない場合は、エラーを確認します。キーが無効な場合は、完全にコピーされ、正しい場所に入力されていることを確認します。クレジットが不足している場合は、プロバイダーの残高を確認します。モデルが存在しない場合は、モデル ID を確認します。アドレスとインターフェースのタイプも、プロバイダーのドキュメントと一致している必要があります。
モデルがチャットできるようになったら、画像、ファイル、ツール呼び出しを試します。テキストの返信があるからといって、すべての機能をサポートしているとは限りません。特に、後でエージェントを使用する場合に重要です。
公式サービスとサードパーティサービスの選択については、トラブルシューティングを簡単にするために、まずは公式インターフェースから始めることをお勧めします。サードパーティも問題ありませんが、データが誰に送信されるか、価格設定はどうか、モデルを誰が提供しているかを把握しておく必要があります。モデルに一致する名前があっても、それが同じサービスであるとは限りません。
API Key をチャットログや公開スクリーンショットに貼り付けないでください。他の人があなたのクレジットを使用する可能性があります。
4. モデルのテスト
接続したら、自分がよく使う資料（下書き、議事録、製品説明など）でテストします。内容に精通しているほど、回答に欠落がないか確認しやすくなります。
例えば、長い資料を同僚向けの短いメッセージに要約する場合、2 つのモデルに同じ要件を与えます。
1以下の資料を、同僚向けのメッセージに要約してください。200 語以内で。23確定した結論、担当者、時間、未解決の問題は保持すること。4原文にないものは追加しないこと。暫定的な項目を確定事項として書かないこと。5前置きは不要で、テキストを直接出力すること。67資料：8原文をここに貼り付けてください。
比較する際は、以下の点に注目します。期限は守られていたか？「暫定的に金曜日」が「金曜日に完了」に変更されていなかったか？これらは、トーンで「知能」を判断するのではなく、原文と照らし合わせて確認できます。
チャット上部のモデルセレクターを開き、マルチモデル選択を有効にして、設定済みの 2 つまたは 3 つのモデルをチェックし、同じ質問を送信します。
あるモデルが下書きに優れ、別のモデルが抜け漏れのチェックに優れている場合は、後でそれらを個別に使用できます。1 つのモデルにすべてを任せる必要はありません。
速度を確認するには、「設定 → 外観」に移動し、「推定トークン数を表示」を有効にします。返信後、統計を確認して、最初のトークンまでの時間、1 秒あたりのトークン数、おおよその使用量を比較します。
トークンはモデル処理の単位です。正確な単語数として扱わないでください。これらの統計はコスト監視に役立ちますが、最終的な請求額はプロバイダーによって異なります。
作成モデルはさらにテストする価値があります。「2 段落目はそのままにして、導入部だけを変更し、数字には触れないで」と依頼し、誤って他の部分を変更しないかどうかを確認します。文章を変更するたびに全文を再確認しなければならないのは非常に面倒です。
一般的なテスト質問と資料をメモとして保存します。新しいモデルを接続するときに、再度実行します。比較には常に新しいトピックを使用し、以前のチャットの影響を受けないように、同一の資料を使用します。
毎回すべてのモデルに質問する必要はありません。マルチ選択は個別のリクエストを送信し、それぞれに費用がかかり、データがそれらのサービスに送信される可能性があります。スキームやタイトルの選択に使用し、方向性が決まったら、1 つのモデルで続行します。
5. ブランチによる作業管理
5 番目のバージョンに達したが、突然 2 番目の方が良かったと感じたり、同じアウトラインを 2 つの方法で書いてみたい場合は、対応するメッセージからブランチを作成できます。
保持したいメッセージを見つけ、メッセージメニューを開き、「ブランチ」を選択します。新しいパスは、フォーク前のコンテキストを引き継ぎ、その後の議論は個別に記録され、元のパスは上書きされません。ブランチマネージャーを使用して切り替えます。
例えば、記事にアウトラインはあるが導入部が決まっていない場合、2 つのブランチをフォークします。1 つは結論から始め、もう 1 つは特定のシナリオから始めます。両方を数ラウンド編集し、どちらが良いかを確認して、そこから続行します。別の方法を試すために、1 つを削除する必要はありません。
軽微な編集の場合は、そのままフォローアップします。両方のバージョンを保持したい場合は、ブランチを使用します。
同じタイプのテキスト作業を頻繁に行う場合は、最初にアシスタントを作成します。「チャット → アシスタントを追加」に移動し、「記事編集者」などのわかりやすい名前を付け、長期的な要件を保存します。
1あなたは、一般読者向けの中国語記事の編集を手伝ってください。23下書きの事実と具体例を優先的に保持すること。4新しい情報のない冗長な表現は削除すること。著者の背景は追加しないこと。5編集する段落を指定した場合は、その段落のみを編集すること。6証拠のない判断を指摘すること。出典を捏造しないこと。
アシスタントは長期的な習慣を保存します。特定の記事のテーマ、資料、長さの要件は、現在のトピックに留め、次のトピックに持ち越さないようにします。
レビューするときは、別のブランチを開き、モデルに問題のみを見つけさせます。
1この下書きをチェックしてください。書き換えはしないでください。23私が提供した資料に照らして、以下を見つけてください。41. 原文で裏付けられていない事実や数字。52. 「可能性がある」や「暫定的」が確定事項になっている箇所。63. 削除可能な繰り返しの説明。78それぞれについて原文を引用し、問題を説明してください。根拠が見つからない場合は、「出典が必要」と書いてください。
レビュー用にモデルを切り替えると、前のモデルが見逃した問題が見つかることがあります。ただし、両方で承認されたコンテンツでも間違っている可能性があるため、重要な事実は常に元のデータと照らし合わせて確認してください。
記事の編集のみを行う場合は、モデルにターミナル、ブラウザー、ファイルツールを与える必要はありません。無関係なツールをオフにすると、不要な指示が減ります。
ファイルを扱うエージェントに移行するときは、最終的な下書きと要件を必ずエージェントに渡してください。以前の会話は自動的に完全には引き継がれません。どのバージョンを使用するかを明示的に指示します。
6. エージェントへのタスクの委任
下書きが確定し、Word にフォーマットしたり PDF にエクスポートしたりする必要がある場合は、左側の「ワーク」に移動します。原稿とテンプレートを準備します。
「エージェントを追加」をクリックし、「データ整理係」など、目的に応じて名前を付けます。実行モードを選択し、次にサポートされているモデルを選択し、要件を入力します。作成後、編集ページでツール、権限、スキル、ナレッジベースを調整できます。
実行モードは、使用可能なモデルと権限に影響します。現在のモードのリストに基づいて選択します。通常のチャット用のモデルは、必ずしもエージェントに適しているとは限りません。モードを選択すると、直接切り替えることはできません。新しいエージェントを作成する必要があります。
一部のモードでは、メインモデル、プランモデル、スモールモデルが、主要な作業、計画、軽量処理に使用されます。最初はすべてに同じモデルを使用して、慣れることをお勧めします。
次に、新しいタスクを作成し、作業ディレクトリを選択します。練習用に専用のフォルダーを使用し、資料のコピーを配置します。「毎回確認」権限がある場合は、それを使用して、エージェントが何を読み取り、実行し、書き込む予定かを確認します。
作業ディレクトリを選択しても、ツールの権限を確認してください。一部のツールは、ディレクトリ外のファイルにアクセスする可能性があります。初回は「フルアクセス」を有効にしないでください。
機密性の低い議事録から始めて、プロジェクトの進捗状況を整理できます。
1現在のディレクトリの議事録を読み取り、プロジェクト進捗レポートを作成してください。23元のファイルを変更、移動、削除しないでください。4以下に整理してください：完了、進行中、確認待ち。5担当者と時間は原文から取得し、指定がない場合は「TBC」と記入してください。6各項目の後にソースファイル名を記載してください。78最初に、見つけたファイルとアウトラインを私の確認用にリストしてください。9確認後、新しいファイルを生成してください：Project_Progress.md。
見つけたファイルが正しいかどうかを確認し、アウトラインを確認します。ファイルが生成されたら、開いて内容を確認します。特に、名前、日付、および「TBC」の項目が確定事項として書かれていないことを確認します。
Word や PDF を試す場合は、対応するドキュメントツールや依存関係をインストールする必要がある場合があります。出力領域または作業ディレクトリでファイルを開き、内容とレイアウトを確認します。
Web 上のデータを検索する必要がある場合は、「設定 → Web 検索」に移動し、Exa などのサービスを設定します。検索 API Key を取得し、テストし、エージェントの検索ツールが有効になっているかどうかを確認します。
検索には個別の設定が必要で、独自の割り当てと料金がかかります。これがないと、モデルは既存の知識に基づいてのみ回答し、Web をチェックしません。
検索でページが見つかっても、タスクにボタンのクリック、スクロール、ファイルのダウンロードが必要な場合は、ブラウザー操作機能が必要になる場合があります。スキル管理の Playwright CLI スキルを参照し、インストールしてエージェントに割り当てます。
スキルは、ブラウザーの操作方法やドキュメントの生成方法など、一連の指示です。一部のスキルには、関連ツールが必要です。設定し、小さなタスクを実行してテストします。
MCP は、エージェントがビジネスシステムにアクセスできるようにするなど、外部ツールやサービスを接続するために使用されます。「設定 → MCP」でサービスを追加し、指示に従って設定し、接続が成功したら、エージェントの MCP 設定でバインドします。
ローカルの議事録には、ファイルツールで十分です。ブラウザースキルと MCP は、必要な場合にのみインストールし、未使用の設定のトラブルシューティングを避けます。
テクニカルデモでは、エージェントは 3 種類のタスクを実行しました。電子教科書の検索とダウンロード、サンプルからの Word および PDF 教材の生成、物理の問題を調整可能なパラメーターを持つインタラクティブな Web ページに変換することです。
同様のタスクを割り当てる場合は、教科書名、サンプルファイル、パラメーターを明確に指定します。要件が具体的であればあるほど、検証が容易になります。
Codex でうまく機能するタスクは、そのまま Codex に残しておくことができます。Cherry Studio は別の選択肢を提供します。同じ作業に異なるモデルを試したり、異なる目的に応じて異なるツールを設定したりできます。
毎週の進捗レポートには同じエージェントを再利用し、新しいプロジェクトの場合は新しいタスクを作成して対応するフォルダーを選択します。Web ページ作成用に別のエージェントを作成し、ツールと要件を明確に区別します。
7. ナレッジベースの構築
製品マニュアルや過去の記事など、繰り返し使用する資料のバッチを選択します。現在の質問のために一度だけ読むファイルは、ベースを構築する代わりに、チャットに直接アップロードします。
ベースを構築すると、ソフトウェアはデータをセグメントに分割します。質問すると、最初に関連する原文を見つけ、次にチャットモデルに渡して回答を整理します。データは保存および取得が個別に行われ、モデルにトレーニングされるわけではありません。
左側の「ナレッジベース」を開き、追加をクリックし、「製品アフターセールスマニュアル」など、目的に応じて名前を付けます。初回は、「埋め込みモデル」を「使用しない」に設定すると、キーワード検索が可能になります。
1 つまたは 2 つの使い慣れたファイルを追加し、処理が完了するのを待ち、解析されたテキストが正常かどうかを確認します。特にスキャンされた PDF を確認します。テキストが認識されない場合、検索できません。
このナレッジベースの「呼び出しテスト」に移動し、明確な答えがある質問をします。呼び出しにより、どのセグメントが取得されたかが表示されます。マニュアルに返品条件がある場合、「開封後に返品できますか？」と質問し、結果がその条件と正確に一致するかどうかを確認します。
これにより、取得された元のセグメントが表示されるため、モデルの回答を介して推測することなく、正確性を直接確認できます。
確認が完了したら、チャットに戻り、入力エリアの追加ボタンをクリックし、「ナレッジベース」を選択して、ベースをチェックします。入力エリアに名前が表示されたら、質問をします。
1選択した製品データに基づいて、最もよくあるアフターセールスの質問を整理してください。23各回答に対応するソースを添付してください。4データにない内容については、「データに見つかりませんでした」と書き、約束を追加しないでください。5異なるファイルで矛盾がある場合は、矛盾点をリストアップし、私の代わりに判断しないでください。
ナレッジベースのエントリーがグレー表示されている場合は、現在のモデルがツール呼び出しをサポートしているかどうかを確認し、メッセージに添付されているファイルを削除します。ナレッジベースには、少なくとも 1 つの処理済みファイルが必要です。
言い回しを変えるとコンテンツが見つからない場合は、埋め込みモデルを追加します。例えば、テキストには「宿泊費基準」と書かれているが、「ホテルはいくら請求できますか？」と質問する場合、言い回しが異なります。埋め込みモデルは、最終的な回答を書くチャットモデルではなく、意味によってコンテンツを見つけます。
設定はモデルの接続と同じです。SiliconFlow を例にとると、「モデルサービス」で Key を設定し、リストを取得し、埋め込みカテゴリで bge-m3 などのモデルを見つけて追加します。
ナレッジベースの設定に戻り、「埋め込みモデル」でそれを選択し、ソフトウェアがデータのインデックスを作成するのを待ちます。以前に別の埋め込みモデルを使用した場合は、指示に従って再構築する必要があります。同じ質問で再度テストします。
埋め込みモデルがあっても、キーワード検索は引き続き機能します。正しいコンテンツが見つかったが、ランキングが低い場合は、Rerank モデルを検討します。
Rerank モデルは、取得されたセグメントを並べ替えて、より関連性の高いものを上位に配置します。モデルサービスで bge-reranker-v2-m3 などの rerank モデルを追加し、ナレッジベース設定で選択します。利用可能なモデルとコストはプロバイダーによって異なります。
埋め込みと Rerank は常に必要というわけではありません。製品モデルや条項番号を確認する場合は、キーワード検索で十分な場合があります。
トラブルシューティング：テキストが見つからない場合は、ファイルが処理されたかどうか、またはテキストが欠落していないかを確認します。テキストは見つかったがコンテキストがない場合は、セグメントが分割されていないか確認します。セグメントは完全だが回答が間違っている場合は、プロンプトを確認するか、チャットモデルを切り替えます。
古いマニュアルを新しいものに交換する場合は、古いエントリーを削除して、矛盾するバージョンがベースに残らないようにします。データにない質問をして、見つからないことを認めるかどうかを確認することもできます。
エージェントにこれらの資料を検索させるには、エージェントのナレッジベース設定で対応するベースをバインドします。製品計画の場合は、製品マニュアルを渡し、すべての会社ファイルを渡さないでください。
クラウドの埋め込み、rerank、またはチャットモデルを使用すると、コンテンツがプロバイダーに送信される可能性があります。会社のデータをインポートする前に、これが許可されているかどうかを確認してください。
8. ローカルモデルの接続
制限の少ないオープンソースモデルを試すには、自分のコンピューターで実行し、Cherry Studio に接続します。同じインターフェースを使用しますが、回答はクラウド API からは提供されません。
一般的な選択肢は Ollama と LM Studio です。1 つで十分です。これらはモデルをダウンロードして実行します。Cherry Studio は、接続、チャット、データ整理を処理します。Hugging Face はモデルを見つける場所です。
まず、Ollama。Ollama ウェブサイト からダウンロードしてインストールし、ターミナルを開いて実行します。
1ollama run dolphin-mistral
これはテスト用の 7B モデルです。最初にファイルをダウンロードします。完了したら、ターミナルで質問して、動作することを確認します。
Cherry Studio の「設定 → モデルサービス」を開き、Ollama を見つけます。サービスアドレスは通常次のとおりです。
1http://localhost:11434
サービスを有効にし、リストを取得し、モデルを追加し、チャットで選択します。
「localhost」は自分のコンピューターを指します。失敗した場合は、Ollama が実行されていること、モデルがダウンロードされていること、ポートが変更されていないことを確認します。2 つのローカルアプリを接続するためだけに、サービスをパブリックインターネットに公開しないでください。
ターミナルを使いたくない場合は、LM Studio を使用します。検索ページでモデルを検索してダウンロードし、モデルをロードしてローカルサーバーを起動します。Cherry Studio で、LM Studio プロバイダーを見つけ、表示されたアドレスを入力し、リストを取得します。モデルがロードされていないか、サーバーが起動していない場合、Cherry Studio は使用できません。
「アンセンサーモデル」を見つけるには、Hugging Face で以下を検索します。
1uncensored GGUF
「Uncensored」は、制限が少ないことを示す説明であり、認定ではありません。モデルは創造的なリクエストを拒否する頻度が低いかもしれませんが、よりスマートまたは信頼性が高いことを意味するわけではありません。Cherry Studio に「すべてのモデルの制限を解除する」単一のスイッチはありません。単に別のモデルを選択しているだけです。
GGUF は、一般的なローカルモデル形式です。ダウンロードする前に、ベースモデル、サポート言語、ライセンスを確認します。ツールに適したファイルをダウンロードします。リポジトリ全体は必要ありません。
7B または 8B、Q4 量子化モデルから始めます。「B」はパラメーター規模、「Q4」は重みが圧縮され、メモリ使用量が少なくなり、効果がわずかに低下することを意味します。エージェントで使用するには、ツール呼び出しをサポートしていることを確認します。
小規模モデルは通常のコンピューターで実行できます。Dolphin Mistral は約 4 GB です。30B Q4 重みは、実行オーバーヘッドと長い会話のキャッシュを除き、15〜16 GB 以上になる可能性があります。
16 GB RAM のコンピューターは、7B または 8B 量子化モデルを試すことができます。速度は、チップ、VRAM、コンテキスト長によって異なります。30B を実行するには、RAM / VRAM とディスク容量を確認します。数行であれば動作するかもしれませんが、長い資料では大幅に遅くなります。
完全にローカルで実行する場合、入力はクラウドチャットサービスに送信されず、API 料金も発生しませんが、コンピューターのリソースを使用します。クラウド検索、埋め込み、または rerank を使用する場合、そのデータは引き続き外部に送信される可能性があります。
注意：Cherry Studio 設定でダウンロード可能なローカルの埋め込みおよび OCR コンポーネントは、検索とテキスト認識に役立ちます。これらをインストールしても、チャットモデルをインストールしたことにはなりません。
次回、誰かから新しいモデルインターフェースを送られたら、接続してテスト質問を実行します。適合すれば保持し、そうでなければワークベンチを変更せずに交換します。
私は Miles です。ビッグテックから FDE に転身した AI アルゴリズムの専門家で、研究開発、最適化、展開、企業トレーニングの経験があります。私 @miles_mazy をフォローして、一緒に成長し、稼ぎましょう。
