O GPT não é onipotente. Quando ele falha em uma tarefa, você continua tentando no Codex ou muda para outro modelo? Quando um modelo não é suficiente, você precisa considerar trocar de modelos, complementar dados ou deixá-lo usar ferramentas.
Antes do Codex ser lançado, eu estava usando o Cherry Studio, e muitos dos meus amigos que são profundamente envolvidos com IA também o usam. Hoje, vamos falar sobre o que ele pode fazer e como fazer essa bancada de trabalho funcionar bem para você.
1. O que o Cherry Studio Pode Fazer
O Cherry Studio é um software de IA desktop de código aberto. GPT, Claude, DeepSeek, Kimi e modelos rodando no seu próprio computador podem ser conectados através de interfaces correspondentes e usados dentro do mesmo software.
A parte mais atraente para mim é que, embora os modelos possam ser trocados, os materiais usados com frequência, requisitos de escrita e ferramentas permanecem dentro desta bancada de trabalho.
Por exemplo, ao escrever um artigo e a introdução não está satisfatória, você pode dar o mesmo material para vários modelos simultaneamente, fazer cada um escrever uma versão e compará-las lado a lado. Depois de escolher uma boa direção, continue editando ali, sem precisar colar repetidamente entre diferentes sites de chat.
Se você quiser manter duas versões, abra um "Branch" e edite-as separadamente. Se depois de algumas rodadas achar que a original era melhor, você pode retornar à ramificação anterior. Requisitos de tom e formato podem ser salvos como "Assistentes" para não precisar explicá-los toda vez.
Seus próprios artigos, manuais de produtos e documentos de projeto podem ser colocados em uma Base de Conhecimento. Quando necessário, deixe a IA pesquisar o texto original e responder com base nos dados; se você trocar de modelo, esses dados ainda estarão disponíveis.
Para gerar documentos do Word a partir de modelos, organizar pastas ou criar uma página web funcional, você pode entregar isso a um Agente. Uma vez que o modelo e as ferramentas estejam configurados, ele pode ler materiais e operar arquivos. Depois de pronto, abra para verificar e, se algo estiver errado, peça para ele mudar.
O software também tem entradas para tradução, desenho, etc. Se você quiser experimentar modelos de código aberto ou modelos locais com menos restrições, pode conectá-los via Ollama ou LM Studio, o que explicarei separadamente mais tarde.
Essas funções comuns têm entradas prontas; basta configurar o modelo e os serviços necessários para usá-las, sem precisar escrever código do zero.
2. Instalando o Cherry Studio
Abra a Página Oficial de Download do Cherry Studio.
Para Mac, escolha ARM64 para Apple Silicon ou x64 para chips Intel. Após abrir o instalador, arraste-o para "Applications." Para Windows, geralmente escolha o instalador x64; para dispositivos ARM, escolha ARM64.
Ao abrir pela primeira vez, você pode clicar em "Configurar depois" para entrar no software primeiro.
"Chat" à esquerda é para escrever e fazer perguntas; "Trabalho" é onde os Agentes executam tarefas; "Base de Conhecimento" armazena materiais para consulta repetida. A configuração do modelo é acessada através de "Configurações" no canto inferior esquerdo.
As abas superiores são semelhantes a um navegador. Você pode manter a página de chat aberta enquanto configura modelos e depois voltar para testar, sem precisar sair repetidamente.
3. Conectando Modelos
Após a instalação, você precisa conectar um modelo. O software em si é gratuito, mas as chamadas de modelo podem custar dinheiro, cobradas pelo provedor do modelo.
Se você gosta de usar o Kimi, conecte a API Moonshot; para DeepSeek, conecte a API DeepSeek. Você também pode escolher plataformas que fornecem vários modelos, como a SiliconFlow, para usar diferentes modelos em uma única conta. Comece com um e adicione um segundo quando quiser comparar.
A API aqui pode ser entendida como a "interface para o Cherry Studio usar aquele modelo." Você não precisa escrever código; basta obter uma string chamada Chave de API e preenchê-la no software.
As Chaves de API são criadas na "Plataforma Aberta" do provedor. Mesmo que você tenha uma assinatura de chat, geralmente precisa verificar se a API tem crédito separadamente, pois essas são frequentemente faturadas de forma diferente.
Tomando o Kimi como exemplo, registre-se ou faça login na Plataforma Aberta Moonshot, encontre o gerenciamento de Chave de API e crie uma chave. Verifique se a conta tem crédito disponível; se não, siga os requisitos da plataforma para ativá-lo. Comece com um orçamento pequeno.
Volte ao Cherry Studio, abra "Configurações → Serviços de Modelo," encontre "Moonshot," cole a chave, ative o serviço e clique em "Obter Lista de Modelos."
Pode haver vários nomes na lista; adicione o que você planeja usar. Volte para a página de chat, clique no nome do modelo no topo para mudar para ele. Envie uma mensagem curta; se ele responder normalmente, a conexão foi bem-sucedida.
O que você conecta é a API do modelo; os recursos web do Kimi e os benefícios de assinatura não serão transferidos. Aqui, você usa a interface e as ferramentas do Cherry Studio.
Se um amigo ou empresa lhe der um conjunto de interfaces, mas o provedor não estiver na lista, clique em "Adicionar Provedor" na parte inferior. Geralmente, você precisa destas informações:
O nome do provedor pode ser qualquer coisa que você reconheça, como "Interface de Teste da Empresa." O ID do Modelo não pode ser arbitrário; é o nome que o servidor usa para identificar o modelo. Se a busca da lista falhar, adicione manualmente se o ID for fornecido.
Se não conectar, verifique o erro. Se a chave for inválida, verifique se foi copiada completamente e preenchida no lugar certo; se o crédito for insuficiente, verifique o saldo do provedor; se o modelo não existir, verifique o ID do Modelo. O endereço e o tipo de interface também devem corresponder à documentação do provedor.
Depois que o modelo puder conversar, teste imagens, arquivos e chamadas de ferramentas. Uma resposta de texto não significa que ele suporta todas as funções, especialmente para o Agente mais tarde.
Quanto a escolher serviços oficiais vs. de terceiros, sugiro começar com interfaces oficiais para simplificar a solução de problemas. Terceiros são bons, mas saiba para quem os dados são enviados, como são precificados e quem fornece o modelo. Um nome correspondendo a um modelo não prova que é o mesmo serviço por trás dele.
Não cole Chaves de API em logs de chat ou capturas de tela públicas; outros podem usar seu crédito.
4. Testando Modelos
Depois de conectado, teste com materiais que você usa com frequência, como um rascunho, notas de reunião ou descrições de produtos. A familiaridade facilita ver se a resposta perdeu algo.
Por exemplo, para resumir um material longo em uma mensagem curta para um colega, dê a dois modelos o mesmo requisito:
1Resuma o seguinte material em uma mensagem para um colega, com menos de 200 palavras.23Mantenha conclusões confirmadas, responsáveis, prazos e questões não resolvidas.4Não adicione o que não está no original; não escreva itens provisórios como confirmados.5Sem introdução, dê o texto diretamente.67Material:8Cole o texto original aqui.
Ao comparar, concentre-se em: o prazo foi mantido? "Sexta-feira provisória" foi alterado para "completo na sexta"? Isso pode ser verificado em relação ao original sem julgar a "inteligência" pelo tom.
Abra o seletor de modelo no topo do chat, ative a seleção de vários modelos, marque dois ou três modelos configurados e envie a mesma pergunta.
Se um modelo for melhor em rascunhos e outro em verificar omissões, você pode usá-los separadamente mais tarde, em vez de fazer um fazer tudo.
Para verificar a velocidade, vá em "Configurações → Aparência" e ative "Mostrar Estimativa de Contagem de Tokens." Após uma resposta, verifique as estatísticas para comparar o tempo até o primeiro token, tokens por segundo e uso aproximado.
Tokens são a unidade para processamento do modelo; não os trate como contagens exatas de palavras. Essas estatísticas ajudam a monitorar custos, mas a fatura final depende do provedor.
Modelos de escrita valem a pena testar mais a fundo. Peça para "manter o segundo parágrafo, mudar apenas a introdução, não tocar nos números" para ver se ele acidentalmente altera outras partes. Ter que verificar todo o texto novamente toda vez que você muda uma frase é exaustivo.
Salve perguntas e materiais de teste comuns como notas. Ao conectar um novo modelo, execute-os novamente. Sempre inicie um novo tópico para comparações usando materiais idênticos para evitar influência de conversas anteriores.
Você não precisa perguntar a todos os modelos toda vez. A seleção múltipla envia solicitações separadas, cada uma potencialmente custando dinheiro e enviando dados para esses serviços. Use-a para escolher esquemas ou títulos; uma vez que uma direção é definida, continue com um modelo.
5. Gerenciando o Trabalho com Branches
Se você chegar à quinta versão, mas de repente sentir que a segunda era melhor, ou quiser tentar duas maneiras de escrever o mesmo esboço, você pode criar um branch a partir da mensagem correspondente.
Encontre a mensagem que deseja manter, abra o menu da mensagem e selecione "Branch." O novo caminho carrega o contexto antes da ramificação, e as discussões subsequentes são registradas separadamente, sem sobrescrever o caminho original. Volte usando o gerenciador de branches.
Por exemplo, se um artigo tem um esboço, mas a introdução não está definida, bifurque dois branches: um começando com a conclusão, outro com um cenário específico. Edite ambos por algumas rodadas, veja qual é melhor e continue a partir daí. Você não precisa excluir um para tentar o outro.
Para pequenas edições, apenas continue. Se quiser manter ambas as versões, use um branch.
Se você faz frequentemente o mesmo tipo de trabalho de texto, crie um Assistente primeiro. Vá para "Chat → Adicionar Assistente," dê a ele um nome reconhecível como "Editor de Artigos" e salve requisitos de longo prazo:
1Você me ajuda a editar artigos em português para leitores em geral.23Priorize manter fatos e exemplos específicos do rascunho.4Exclua floreios sem novas informações; não adicione histórico do autor.5Quando eu especificar um parágrafo para editar, edite apenas aquele.6Aponte julgamentos sem evidências; não invente fontes.
Os Assistentes armazenam hábitos de longo prazo. Temas específicos de artigos, materiais e requisitos de comprimento devem permanecer no tópico atual para evitar serem transportados para o próximo.
Ao revisar, abra outro branch e deixe o modelo apenas encontrar problemas:
1Verifique este rascunho, não reescreva.23Em relação aos materiais que forneci, encontre:41. Fatos ou números não suportados pelo original.52. Lugares onde "possível" ou "provisório" se tornou confirmado.63. Explicações repetitivas que podem ser excluídas.78Cite o original para cada um e explique o problema. Se nenhuma base for encontrada, escreva "fonte necessária."
Trocar de modelo para revisão às vezes pode encontrar problemas que o anterior perdeu. No entanto, o conteúdo aprovado por ambos ainda pode estar errado; sempre verifique fatos importantes com os dados originais.
Ao apenas editar artigos, você não precisa dar ao modelo um terminal, navegador ou ferramentas de arquivo. Desligar ferramentas irrelevantes reduz instruções desnecessárias.
Ao passar para um Agente para arquivos, lembre-se de dar a ele o rascunho final e os requisitos. A conversa anterior não será automaticamente transportada completamente; diga explicitamente qual versão usar.
6. Entregando Tarefas aos Agentes
Depois que o rascunho estiver definido e precisar ser formatado em Word ou exportado para PDF, vá para "Trabalho" à esquerda. Prepare o manuscrito e o modelo.
Clique em "Adicionar Agente," nomeie-o pelo propósito, como "Organizador de Dados." Selecione o modo de execução, depois o modelo suportado e preencha os requisitos. Após a criação, você pode ajustar ferramentas, permissões, habilidades e bases de conhecimento na página de edição.
O modo de execução afeta quais modelos e permissões estão disponíveis; escolha com base na lista do modo atual. Modelos para chat normal não são necessariamente adequados para Agentes. Uma vez que um modo é selecionado, ele não pode ser trocado diretamente; você precisará criar um novo Agente.
Alguns modos apresentam modelos Principal, Plano e Pequeno para trabalho principal, planejamento e processamento leve. Comece com o mesmo modelo para todos para se familiarizar primeiro.
Em seguida, crie uma nova tarefa e selecione um diretório de trabalho. Use uma pasta dedicada para prática com cópias de materiais. Se houver uma permissão "Confirmar cada vez," use-a para ver o que o Agente planeja ler, executar e escrever.
Mesmo com um diretório de trabalho selecionado, verifique as permissões das ferramentas. Algumas ferramentas ainda podem acessar arquivos fora do diretório; não ative "Acesso Total" na primeira vez.
Você pode começar com notas de reunião não confidenciais para organizar o progresso do projeto:
1Leia as notas de reunião no diretório atual e organize um relatório de progresso do projeto.23Não modifique, mova ou exclua arquivos originais.4Organize em: Concluído, Em Andamento, A Confirmar.5Responsáveis e prazos devem vir do original; marque "TBC" se não especificado.6Anote o nome do arquivo de origem após cada item.78Liste os arquivos que encontrou e o esboço primeiro para minha confirmação.9Após a confirmação, gere um novo arquivo: Project_Progress.md.
Verifique se os arquivos que ele encontrou estão corretos e confirme o esboço. Após a geração do arquivo, abra-o para verificar, especialmente nomes, datas e garantir que itens "TBC" não foram escritos como confirmados.
Ao tentar Word ou PDF, você pode precisar instalar ferramentas de documento ou dependências correspondentes. Abra o arquivo na área de saída ou diretório de trabalho para verificar o conteúdo e o layout.
Se ele precisar pesquisar na web por dados, vá em "Configurações → Pesquisa na Web" e configure um serviço como Exa. Obtenha uma Chave de API de pesquisa, teste-a e verifique se a ferramenta de pesquisa do Agente está ativada.
A pesquisa requer configuração separada e tem suas próprias cotas e taxas. Sem ela, o modelo pode responder apenas com base no conhecimento existente, sem verificar a web.
Se a pesquisa encontrar uma página, mas a tarefa exigir clicar em botões, rolar ou baixar arquivos, você pode precisar de capacidades de operação de navegador. Consulte a habilidade Playwright CLI no gerenciamento de habilidades, instale-a e atribua-a ao Agente.
Habilidades são conjuntos de instruções, como operar um navegador ou gerar documentos. Algumas exigem ferramentas complementares; configure-as e execute uma pequena tarefa para testar.
MCP é usado para conectar ferramentas e serviços externos, como permitir que um Agente acesse um sistema de negócios. Adicione o serviço em "Configurações → MCP," configure conforme as instruções e vincule-o nas configurações MCP do Agente após uma conexão bem-sucedida.
Para notas de reunião locais, ferramentas de arquivo são suficientes. Instale habilidades de navegador e MCP apenas quando necessário para evitar solucionar problemas de configurações não utilizadas.
Em demonstrações técnicas, os Agentes realizaram três tipos de tarefas: encontrar e baixar livros didáticos eletrônicos, gerar materiais didáticos em Word e PDF a partir de amostras e transformar problemas de física em páginas web interativas com parâmetros ajustáveis.
Ao atribuir tarefas semelhantes, seja claro sobre nomes de livros didáticos, arquivos de amostra e parâmetros. Quanto mais específicos os requisitos, mais fácil é verificar.
Tarefas que funcionam bem no Codex podem permanecer lá. O Cherry Studio oferece outra escolha: experimentar diferentes modelos para o mesmo trabalho ou configurar diferentes ferramentas para diferentes propósitos.
Reutilize o mesmo Agente para relatórios de progresso semanais; para um novo projeto, crie uma nova tarefa e selecione a pasta correspondente. Crie um separado para produção de páginas web para manter ferramentas e requisitos distintos.
7. Construindo uma Base de Conhecimento
Selecione um lote de materiais que você usará repetidamente, como manuais de produtos ou artigos históricos. Para arquivos lidos apenas uma vez para uma pergunta atual, faça upload diretamente no chat em vez de construir uma base.
Após construir uma base, o software divide os dados em segmentos. Quando você faz uma pergunta, ele encontra o texto original relevante primeiro e depois o dá ao modelo de chat para organizar uma resposta; os dados são salvos e recuperados separadamente, não treinados no modelo.
Abra "Base de Conhecimento" à esquerda, clique em adicionar e nomeie-a pelo propósito, por exemplo, "Manual de Pós-venda do Produto." Na primeira vez, defina "Modelo de Incorporação" como "Não usar" para ainda permitir a pesquisa por palavras-chave.
Adicione um ou dois arquivos familiares, aguarde o processamento e verifique se o texto analisado está normal. Verifique especialmente PDFs digitalizados; se o texto não for reconhecido, não será pesquisável.
Vá para "Teste de Recuperação" nesta base de conhecimento e faça uma pergunta com uma resposta clara. A recuperação mostra quais segmentos foram recuperados. Se o manual tiver condições de devolução, pergunte "Posso devolver após abrir?" e verifique se o resultado é exatamente essa condição.
Isso mostra os segmentos originais recuperados, para que você possa verificar a precisão diretamente, sem adivinhar através da resposta do modelo.
Uma vez confirmado, volte ao chat, clique no botão adicionar na área de entrada, selecione "Base de Conhecimento" e marque a base. Assim que o nome aparecer na área de entrada, faça sua pergunta:
1Com base nos dados do produto selecionados, organize as perguntas de pós-venda mais frequentes.23Anexe a fonte correspondente para cada resposta.4Para conteúdo não presente nos dados, escreva "não encontrado nos dados," não adicione promessas.5Se arquivos diferentes entrarem em conflito, liste os conflitos; não decida por mim.
Se a entrada da base de conhecimento estiver acinzentada, verifique se o modelo atual suporta chamadas de ferramenta e remova quaisquer arquivos anexados à mensagem. A base de conhecimento também deve ter pelo menos um arquivo processado.
Se ele não conseguir encontrar conteúdo quando você mudar a redação, adicione um modelo de incorporação. Por exemplo, o texto diz "padrões de taxa de acomodação," mas você pergunta "quanto posso reivindicar por um hotel?" A redação é diferente. O modelo de incorporação encontra conteúdo pelo significado, não o modelo de chat que escreve a resposta final.
A configuração é a mesma que conectar modelos. Usando a SiliconFlow como exemplo, configure a Chave em "Serviços de Modelo," busque a lista, encontre e adicione modelos como bge-m3 na categoria de incorporação.
Volte às configurações da Base de Conhecimento, selecione-o em "Modelo de Incorporação" e aguarde o software indexar os dados. Se você usou um modelo de incorporação diferente antes, precisará reconstruir conforme solicitado. Teste novamente com a mesma pergunta.
A pesquisa por palavras-chave permanece mesmo com um modelo de incorporação. Se o conteúdo correto for encontrado, mas classificado como baixo, considere um modelo de Reclassificação.
Um modelo de Reclassificação reordena os segmentos recuperados para colocar os mais relevantes primeiro. Adicione um modelo de reclassificação como bge-reranker-v2-m3 nos serviços de modelo e selecione-o nas configurações da Base de Conhecimento. Os modelos e custos disponíveis dependem do provedor.
Incorporação e Reclassificação nem sempre são necessários. Para verificar números de modelos de produtos ou números de cláusulas, a pesquisa por palavras-chave pode ser suficiente.
Para solução de problemas: se nenhum texto for encontrado, verifique se o arquivo foi processado ou se o texto está faltando; se o texto for encontrado, mas faltar contexto, verifique se os segmentos foram cortados; se os segmentos estiverem completos, mas a resposta estiver errada, verifique o prompt ou troque os modelos de chat.
Ao substituir manuais antigos por novos, remova entradas desatualizadas para que versões contraditórias não permaneçam na base. Você também pode fazer uma pergunta que não está nos dados para ver se ele admite que não consegue encontrar.
Para permitir que um Agente pesquise esses materiais, vincule a base correspondente nas configurações da base de conhecimento do Agente. Para um plano de produto, dê a ele o manual do produto, não todos os arquivos da empresa.
Usar modelos de incorporação, reclassificação ou chat em nuvem significa que o conteúdo pode ser enviado aos provedores. Confirme se isso é permitido antes de importar dados da empresa.
8. Conectando Modelos Locais
Para experimentar modelos de código aberto ou aqueles com menos restrições, execute-os em seu próprio computador e conecte-os ao Cherry Studio. Você usará a mesma interface, mas as respostas não virão de uma API em nuvem.
Escolhas comuns são Ollama e LM Studio; um é suficiente. Eles baixam e executam modelos; o Cherry Studio lida com conexão, chat e organização de dados. Hugging Face é onde você encontra modelos.
Primeiro, Ollama. Baixe e instale do site do Ollama, abra um terminal e execute:
1ollama run dolphin-mistral
Este é um modelo 7B para teste; ele baixará o arquivo primeiro. Depois de pronto, faça uma pergunta no terminal para confirmar que funciona.
Abra o Cherry Studio "Configurações → Serviços de Modelo," encontre Ollama. O endereço do serviço é geralmente:
1http://localhost:11434
Ative o serviço, busque a lista, adicione o modelo e selecione-o no chat.
"localhost" refere-se ao seu computador. Se falhar, certifique-se de que o Ollama está em execução, o modelo foi baixado e a porta não foi alterada. Não abra o serviço para a internet pública apenas para conectar dois aplicativos locais.
Se preferir nenhum terminal, use o LM Studio. Pesquise e baixe modelos em sua página de pesquisa, carregue o modelo e inicie o servidor local. No Cherry Studio, encontre o provedor LM Studio, insira o endereço exibido e busque a lista. O Cherry Studio não pode usá-lo se o modelo não estiver carregado ou o servidor não estiver iniciado.
Para encontrar "modelos sem censura," pesquise no Hugging Face por:
1uncensored GGUF
"Sem censura" é uma descrição para menos restrições, não uma certificação. O modelo pode recusar menos solicitações criativas, mas isso não significa que seja mais inteligente ou confiável. O Cherry Studio não tem um único interruptor "liberar todos os modelos"; você está simplesmente escolhendo um modelo diferente.
GGUF é um formato de modelo local comum. Verifique o modelo base, os idiomas suportados e a licença antes de baixar o arquivo adequado para sua ferramenta; você não precisa do repositório inteiro.
Comece com modelos 7B ou 8B, quantizados Q4. "B" é a escala de parâmetros; "Q4" significa que os pesos são comprimidos, usando menos memória com uma ligeira perda de efeito. Para usá-lo em um Agente, confirme se ele suporta chamadas de ferramenta.
Modelos pequenos podem rodar em computadores comuns. Dolphin Mistral tem cerca de 4 GB; um peso Q4 de 30B pode ter 15-16 GB ou mais, excluindo a sobrecarga de execução e cache para conversas longas.
Um computador com 16 GB de RAM pode tentar modelos quantizados 7B ou 8B; a velocidade depende do chip, VRAM e comprimento do contexto. Para executar 30B, verifique RAM/VRAM e espaço em disco. Pode funcionar para algumas linhas, mas desacelerar significativamente com materiais longos.
Ao executar inteiramente localmente, a entrada não é enviada para serviços de chat em nuvem e não há fatura de API, mas usa a energia do seu computador. Se você usar pesquisa, incorporação ou reclassificação em nuvem, esses dados ainda podem ser enviados.
Nota: Os componentes locais de incorporação e OCR baixáveis nas configurações do Cherry Studio ajudam na recuperação e reconhecimento de texto. Instalá-los não significa que você instalou um modelo de chat.
Da próxima vez que alguém lhe enviar uma nova interface de modelo, conecte-a e execute suas perguntas de teste. Se servir, mantenha; se não, troque sem alterar sua bancada de trabalho.
Eu sou Miles, um especialista em algoritmos de IA que migrou de big tech para FDE, com experiência em P&D, otimização, implantação e treinamento corporativo. Siga-me @miles_mazy para crescer e ganhar juntos.
