Files

1 line
45 KiB
JSON
Raw Permalink Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
{"repo": "cherryhq/cherry-studio-docs", "files": {"i18n/spanish/pre-basic/providers/wu-wen-xin-qiong.md": {"5bc06d153bc24cbd2af8d2b768da7821b6ebdffb": {"t": 1785595436.194058, "n": 3485, "h": "84e4dc9c756ce17d", "c": "# Wuwen Xinqiong\n\n{% hint style=\"warning\" %}\nEste documento ha sido traducido del chino por IA y aún no ha sido revisado.\n{% endhint %}\n\n## Infini-AI\n\n¿Estás experimentando esto? Tienes 26 artículos útiles guardados en WeChat que nunca vuelves a abrir, más de 10 archivos dispersos en tu carpeta de \"materiales de estudio\", y cuando intentas recordar una teoría que leíste hace medio año, solo vienen palabras clave sueltas. Cuando el volumen diario de información supera el límite de procesamiento del cerebro, **el 90% del conocimiento valioso se olvida en 72 horas**.\\\nAhora, mediante **Infini-AI + Cherry Studio**, puedes crear una base de conocimiento personal: convertir artículos de WeChat olvidados y contenido fragmentado de cursos en conocimiento estructurado para búsquedas precisas.\n\n***\n\n#### I. Construcción de bases de conocimiento personal\n\n**1. Servicio API Infini-AI: el \"cerebro pensante\" de tu base de conocimiento, estable y potente**\n\nComo núcleo cognitivo, la plataforma de modelos de Infini-AI ofrece versiones como **DeepSeek R1** con rendimiento completo. Actualmente, **registrarse es gratuito sin restricciones**. Soporta modelos de embedding líderes como **bge** y **jina**, con actualizaciones continuas de los modelos open-source más avanzados, incluyendo multimodalidad (imagen/video/audio).\n\n<figure><img src=\"../../.gitbook/assets/1280X1280 (1) (1).PNG\" alt=\"\"><figcaption></figcaption></figure>\n\n**2. Cherry Studio: crea bases de conocimiento sin código**\n\nHerramienta intuitiva que elimina ciclos de desarrollo RAG de 1-2 meses. Importa en 1 clic formatos como **Markdown/PDF/páginas web** (40MB procesados en 1 minuto). Compatible con carpetas locales, artículos guardados en WeChat y apuntes de cursos.\n\n<figure><img src=\"../../.gitbook/assets/zero-code.gif\" alt=\"Interfaz intuitiva de Cherry Studio\"><figcaption></figcaption></figure>\n\n***\n\n#### II. 3 pasos para crear tu asistente de conocimiento\n\n**Paso 1: Preparación inicial**\n\n1. Descarga Cherry Studio: [https://cherry-ai.com/](https://cherry-ai.com/)\n2. Regístrate en Infini-AI: [https://cloud.infini-ai.com](https://cloud.infini-ai.com/genstudio/model?cherrystudio)\n3. Obtén tu API Key:\n * En \"Model Square\" selecciona **deepseek-r1**\n * Haz clic en \"Crear\" y copia la clave\n\n<figure><img src=\"../../.gitbook/assets/output (1).png\" alt=\"Obtención de API Key\"><figcaption></figcaption></figure>\n\n**Paso 2: Configuración en Cherry Studio**\n\n* En \"Servicios de modelos\" elige **Infini-AI**\n* Pega tu API Key y activa el servicio\n\n<figure><img src=\"../../.gitbook/assets/1280X1280 (2) (1).png\" alt=\"Configuración del servicio de modelos\"><figcaption></figcaption></figure>\n\n**Paso 3: Crea tu base de conocimiento**\n\nSelecciona modelos de embedding (**bge** o **jina**) en Infini-AI:\n\n<figure><img src=\"../../.gitbook/assets/1 (1).png\" alt=\"Selección de modelos de embedding\"><figcaption><p>Configura la base con un clic</p></figcaption></figure>\n\n***\n\n#### III. Caso real: usos demostrados\n\n* Tras importar apuntes de machine learning:\\\n &#xNAN;_\"Organiza las derivaciones clave del Capítulo 3\"_\n\n<figure><img src=\"../../.gitbook/assets/6bbdbd0d-5db4-4440-b840-3bb3f422b831.gif\" alt=\"Consulta de ejemplo\"><figcaption><p>Respuesta estructurada con referencias exactas</p></figcaption></figure>\n\n**Resultado generado:**\n\n<figure><img src=\"../../.gitbook/assets/3.gif\" alt=\"Resultado de derivaciones matemáticas\"><figcaption><p>Explicaciones técnicas con fórmulas</p></figcaption></figure>\n"}}, "pre-basic/providers/wu-wen-xin-qiong.md": {"5bc06d153bc24cbd2af8d2b768da7821b6ebdffb": {"t": 1785595438.0936499, "n": 2153, "h": "12c002851a2241d5", "c": "# 无问芯穹\n\n你是否正在经历:微信收藏了 26 篇干货文章却再也没打开过,电脑里存着\"学习资料\"文件夹中散落的 10+ 个文件,想找半年前读过的某个理论却只记得零星关键词。而当每日信息量超过大脑处理极限时,90% 珍贵知识会在 72 小时内被遗忘。\\\n现在,通过无问芯穹大模型服务平台 API +Cherry Studio 打造个人知识库,可以将收藏吃灰的微信文章、碎片化的课程内容转化为结构化知识,实现精准调用。\\\\\n\n### 一、个人知识库搭建\n\n#### 1. 无问芯穹API服务:知识库“思考中枢”,好用、稳定\n\n作为知识库的\"思考中枢\",无问芯穹大模型服务平台提供 DeepSeek R1 满血版等模型版本,提供稳定的 API 服务,**目前注册后,无门槛免费用。**&#x652F;持主流嵌入模型 bge、jina 模型来构建知识库,**平台也在持续更新稳定的最新、最强开源模型服务**,包含图片、视频、语音等多种不同模态。\n\n<figure><img src=\"../../.gitbook/assets/1280X1280 (1).PNG\" alt=\"\"><figcaption></figcaption></figure>\n\n#### 2. Cherry Studio:零代码搭建知识库\n\nCherry Studio是一款易于使用的AI工具,相较于 RAG 知识库开发需要 1-2 个月部署周期,这款工具的优势,支持**零代码操作,**&#x53EF;将 Markdown/PDF/网页 等多格式一键导入,40MB文件1分钟完成解析,此外还可以添加电脑本地文件夹、微信收藏夹的文章网址、课程笔记。\\\\\n\n### 二、3步构建你的专属知识管家\n\n#### Step 1:基础准备\n\n1. 访问 Cherry Studio 官网下载适配版本(https://cherryai.com.cn/)\n2. 注册账号:登录无问芯穹大模型服务平台 (https://cloud.infini-ai.com/genstudio/model?cherrystudio)\n\n<figure><img src=\"../../.gitbook/assets/image (90).png\" alt=\"\"><figcaption></figcaption></figure>\n\n* 获取 API 密钥:可以在「模型广场」选择deepseek-r1,点击创建并获取APIKEY,复制模型名称\n\n<figure><img src=\"../../.gitbook/assets/output (1).png\" alt=\"\"><figcaption></figcaption></figure>\n\n#### Step 2:打开 CherryStudio 设置,在模型服务中选择无问芯穹,填写好 API 密钥,并开启无问芯穹模型服务\n\n<figure><img src=\"../../.gitbook/assets/1280X1280 (2).png\" alt=\"\"><figcaption></figcaption></figure>\n\n完成以上步骤,在交互时选择需要大模型,即可在 CherryStudio 中使用 无问芯穹 的 API 服务。\\\n为了方便使用,这里也可以设置「默认模型」\\\\\n\n<figure><img src=\"../../.gitbook/assets/01445ab7-b863-4155-b517-2b6c3c581f47.png\" alt=\"\"><figcaption></figcaption></figure>\n\nStep 3:添加知识库\n\n选择无问芯穹大模型服务平台的嵌入模型 bge系列或 jina 系列模型任一版本\n\n<figure><img src=\"../../.gitbook/assets/1 (1).png\" alt=\"\"><figcaption></figcaption></figure>\n\n<figure><img src=\"../../.gitbook/assets/2 (1).png\" alt=\"\"><figcaption></figcaption></figure>\n\n### 三、真实用户场景实测\n\n* 导入学习资料后,输入\"梳理《机器学习》第三章核心公式推导\"\n\n<figure><img src=\"../../.gitbook/assets/6bbdbd0d-5db4-4440-b840-3bb3f422b831.gif\" alt=\"\"><figcaption></figcaption></figure>\n\n\\\n**附生成结果图**\n\n<figure><img src=\"../../.gitbook/assets/3.gif\" alt=\"\"><figcaption></figcaption></figure>\n\n***\n\n### 💡 获取帮助与提交反馈\n\n如果您在配置或使用过程中遇到任何疑问、Bug 或有功能改进建议,请参考 [反馈与建议](../../question-contact/suggestions.md) 中提供的官方渠道。\n"}}, "i18n/pre-basic/providers/wu-wen-xin-qiong.md": {"5bc06d153bc24cbd2af8d2b768da7821b6ebdffb": {"t": 1785595438.9579673, "n": 3919, "h": "b154ca71195c3892", "c": "\n{% hint style=\"warning\" %}\nCe document a été traducido del chino por IA y aún no ha sido revisado.\n{% endhint %}\n\n# Infini-AI(无问芯穹)\n\nVous vivez peut-être cette situation : 26 articles utiles épinglés sur WeChat jamais relus, plus de 10 fichiers éparpillés dans votre dossier \"Ressources d'apprentissage\", cherchant désespérément une théorie lue il y a six mois avec seulement quelques mots-clés en tête. Quand le volume quotidien d'information dépasse la capacité de traitement de votre cerveau, 90% des connaissances précieuses sont oubliées en 72 heures.\\\nDésormais, avec l'API de la plateforme de grands modèles Infini-AI + Cherry Studio, vous pouvez créer une base de connaissances personnelle transformant articles WeChat oubliés et contenus fragmentés en savoir structuré, accessible avec précision.\n\n### I. Construction de votre base de connaissances personnelle\n\n#### 1. Service API Infini-AI : le « cerveau réflexif » de votre base, fiable et performant\n\nEn tant que « cerveau réflexif » de la base de connaissances, la plateforme Infini-AI propose des versions de modèles comme DeepSeek R1 version complète, offrant un service API stable. **Actuellement, l'utilisation est gratuite après inscription, sans conditions.** Elle prend en charge les modèles d'embedding populaires (bge, jina) pour construire votre base, **tout en intégrant continuellement les derniers modèles open-source puissants**, incluant des capacités multimodales (images, vidéos, audio).\n\n<figure><img src=\"../../.gitbook/assets/1280X1280 (1) (1).PNG\" alt=\"\"><figcaption></figcaption></figure>\n\n#### 2. Cherry Studio : construisez votre base sans code\n\nCherry Studio est un outil IA intuitif. Alors que le développement traditionnel d'une base RAG nécessite 1 à 2 mois, cet outil offre l'avantage d'une **configuration zéro code**. Importez en un clic des contenus aux formats Markdown/PDF/web. L'analyse d'un fichier de 40MB prend 1 minute. Ajoutez également des dossiers locaux, des articles sauvegardés dans WeChat ou des notes de cours.\n\n<figure><img src=\"../../.gitbook/assets/image (90).png\" alt=\"\"><figcaption></figcaption></figure>\n\n### II. 3 étapes pour créer votre assistant de savoir personnel\n\n#### Étape 1 : Préparatifs\n\n1. Téléchargez Cherry Studio sur le site officiel (https://cherry-ai.com/)\n2. Créez un compte : connectez-vous à la plateforme Infini-AI (https://cloud.infini-ai.com/genstudio/model?cherrystudio)\n3. Obtenez votre clé API : dans la « Place des modèles », choisissez deepseek-r1, cliquez sur Créer et copiez la clé API + le nom du modèle\n\n<figure><img src=\"../../.gitbook/assets/output (1).png\" alt=\"\"><figcaption></figcaption></figure>\n\n#### Étape 2 : Dans les paramètres de Cherry Studio, sélectionnez \"Infini-AI\", saisissez votre clé API et activez le service\n\n<figure><img src=\"../../.gitbook/assets/1280X1280 (2) (1).png\" alt=\"\"><figcaption></figcaption></figure>\n\nAprès ces étapes, choisissez le modèle dans l'interface pour utiliser le service API Infini-Ai dans Cherry Studio.\\\nPour plus de simplicité, vous pouvez définir un « modèle par défaut ».\n\n<figure><img src=\"../../.gitbook/assets/01445ab7-b863-4155-b517-2b6c3c581f47.png\" alt=\"\"><figcaption></figcaption></figure>\n\n#### Étape 3 : Ajoutez une base de connaissances\n\nSélectionnez un modèle d'embedding (série bge ou jina) de la plateforme Infini-AI.\n\n<figure><img src=\"../../.gitbook/assets/1 (1).png\" alt=\"\"><figcaption></figcaption></figure>\n\n<figure><img src=\"../../.gitbook/assets/2 (2).png\" alt=\"\"><figcaption></figcaption></figure>\n\n### III. Test réel par un utilisateur\n\n* Après import de ressources d'apprentissage : \"Synthétisez les dérivations clés du chapitre 3 du livre 'Machine Learning'\"\n\n<figure><img src=\"../../.gitbook/assets/6bbdbd0d-5db4-4440-b840-3bb3f422b831.gif\" alt=\"\"><figcaption></figcaption></figure>\n\n**Résultat généré :**\n\n<figure><img src=\"../../.gitbook/assets/3.gif\" alt=\"\"><figcaption></figcaption></figure>"}}, "i18n/french/pre-basic/providers/wu-wen-xin-qiong.md": {"5bc06d153bc24cbd2af8d2b768da7821b6ebdffb": {"t": 1785595439.3904185, "n": 3919, "h": "b154ca71195c3892", "c": "\n{% hint style=\"warning\" %}\nCe document a été traducido del chino por IA y aún no ha sido revisado.\n{% endhint %}\n\n# Infini-AI(无问芯穹)\n\nVous vivez peut-être cette situation : 26 articles utiles épinglés sur WeChat jamais relus, plus de 10 fichiers éparpillés dans votre dossier \"Ressources d'apprentissage\", cherchant désespérément une théorie lue il y a six mois avec seulement quelques mots-clés en tête. Quand le volume quotidien d'information dépasse la capacité de traitement de votre cerveau, 90% des connaissances précieuses sont oubliées en 72 heures.\\\nDésormais, avec l'API de la plateforme de grands modèles Infini-AI + Cherry Studio, vous pouvez créer une base de connaissances personnelle transformant articles WeChat oubliés et contenus fragmentés en savoir structuré, accessible avec précision.\n\n### I. Construction de votre base de connaissances personnelle\n\n#### 1. Service API Infini-AI : le « cerveau réflexif » de votre base, fiable et performant\n\nEn tant que « cerveau réflexif » de la base de connaissances, la plateforme Infini-AI propose des versions de modèles comme DeepSeek R1 version complète, offrant un service API stable. **Actuellement, l'utilisation est gratuite après inscription, sans conditions.** Elle prend en charge les modèles d'embedding populaires (bge, jina) pour construire votre base, **tout en intégrant continuellement les derniers modèles open-source puissants**, incluant des capacités multimodales (images, vidéos, audio).\n\n<figure><img src=\"../../.gitbook/assets/1280X1280 (1) (1).PNG\" alt=\"\"><figcaption></figcaption></figure>\n\n#### 2. Cherry Studio : construisez votre base sans code\n\nCherry Studio est un outil IA intuitif. Alors que le développement traditionnel d'une base RAG nécessite 1 à 2 mois, cet outil offre l'avantage d'une **configuration zéro code**. Importez en un clic des contenus aux formats Markdown/PDF/web. L'analyse d'un fichier de 40MB prend 1 minute. Ajoutez également des dossiers locaux, des articles sauvegardés dans WeChat ou des notes de cours.\n\n<figure><img src=\"../../.gitbook/assets/image (90).png\" alt=\"\"><figcaption></figcaption></figure>\n\n### II. 3 étapes pour créer votre assistant de savoir personnel\n\n#### Étape 1 : Préparatifs\n\n1. Téléchargez Cherry Studio sur le site officiel (https://cherry-ai.com/)\n2. Créez un compte : connectez-vous à la plateforme Infini-AI (https://cloud.infini-ai.com/genstudio/model?cherrystudio)\n3. Obtenez votre clé API : dans la « Place des modèles », choisissez deepseek-r1, cliquez sur Créer et copiez la clé API + le nom du modèle\n\n<figure><img src=\"../../.gitbook/assets/output (1).png\" alt=\"\"><figcaption></figcaption></figure>\n\n#### Étape 2 : Dans les paramètres de Cherry Studio, sélectionnez \"Infini-AI\", saisissez votre clé API et activez le service\n\n<figure><img src=\"../../.gitbook/assets/1280X1280 (2) (1).png\" alt=\"\"><figcaption></figcaption></figure>\n\nAprès ces étapes, choisissez le modèle dans l'interface pour utiliser le service API Infini-Ai dans Cherry Studio.\\\nPour plus de simplicité, vous pouvez définir un « modèle par défaut ».\n\n<figure><img src=\"../../.gitbook/assets/01445ab7-b863-4155-b517-2b6c3c581f47.png\" alt=\"\"><figcaption></figcaption></figure>\n\n#### Étape 3 : Ajoutez une base de connaissances\n\nSélectionnez un modèle d'embedding (série bge ou jina) de la plateforme Infini-AI.\n\n<figure><img src=\"../../.gitbook/assets/1 (1).png\" alt=\"\"><figcaption></figcaption></figure>\n\n<figure><img src=\"../../.gitbook/assets/2 (2).png\" alt=\"\"><figcaption></figcaption></figure>\n\n### III. Test réel par un utilisateur\n\n* Après import de ressources d'apprentissage : \"Synthétisez les dérivations clés du chapitre 3 du livre 'Machine Learning'\"\n\n<figure><img src=\"../../.gitbook/assets/6bbdbd0d-5db4-4440-b840-3bb3f422b831.gif\" alt=\"\"><figcaption></figcaption></figure>\n\n**Résultat généré :**\n\n<figure><img src=\"../../.gitbook/assets/3.gif\" alt=\"\"><figcaption></figcaption></figure>"}}, "i18n/japanese/pre-basic/providers/wu-wen-xin-qiong.md": {"5bc06d153bc24cbd2af8d2b768da7821b6ebdffb": {"t": 1785595440.1326642, "n": 2358, "h": "8faf4971d3def649", "c": "\n{% hint style=\"warning\" %}\nこのドキュメントはAIによって中国語から翻訳されており、まだレビューされていません。\n{% endhint %}\n\n# Infinite Core\n\n以下の経験はありませんか:WeChatに保存した26本の有益記事はその後開かれることがなく、PCに散らばる「学習資料」フォルダ内の10以上のファイル、半年前に読んだ理論を探したいのに数個のキーワードしか覚えていない。そして日々の情報量が脳の処理限界を超えると、貴重な知識の90%が72時間以内に忘却されます。\\\n今、Infinite Core大規模モデルプラットフォームAPI + Cherry Studioで構築する個人ナレッジベースなら、WeChat記事や断片的な教材を構造化知識に変換し、精密な呼び出しを実現できます。\n\n### 一、個人ナレッジベース構築\n\n#### 1. Infinite Core APIサービス:「思考中枢」として使いやすく安定\nナレッジベースの「思考中枢」として、Infinite Core大規模モデルプラットフォームはDeepSeek R1フルスペック版などのモデルを提供し、安定したAPIサービスを提供。**現在登録後は無条件・無料で利用可能**。主流の埋め込みモデルbge・jinaモデルでのナレッジベース構築をサポートし、**プラットフォームは最新・最強のオープンソースモデルサービスを継続的に更新**。画像・動画・音声などマルチモーダル対応。\n\n<figure><img src=\"../../.gitbook/assets/1280X1280 (1) (1).PNG\" alt=\"\"><figcaption></figcaption></figure>\n\n#### 2. Cherry Studio:ノーコードで構築可能\nCherry Studioは使いやすいAIツール。RAGナレッジベース開発に1~2ヶ月かかるのに対し、本ツールは**ノーコード操作を特長**。Markdown/PDF/Webページなどをワンクリックでインポート可能(40MBファイルは1分で解析)。PCのローカルフォルダ・WeChat保存記事URL・講義ノートも追加可能です。\n\n### 二、3ステップで専属ナレッジマネージャーを構築\n\n#### Step 1:基本準備\n1. Cherry Studio公式サイトからOS対応版をダウンロード(https://cherry-ai.com/)\n2. アカウント登録:Infinite Core大規模モデルプラットフォームにログイン(https://cloud.infini-ai.com/genstudio/model?cherrystudio)\n\n<figure><img src=\"../../.gitbook/assets/image (90).png\" alt=\"\"><figcaption></figcaption></figure>\n\n* APIキー取得:「モデル広場」でdeepseek-r1を選択→作成クリックでAPIKEYを生成→モデル名をコピー\n\n<figure><img src=\"../../.gitbook/assets/output (1).png\" alt=\"\"><figcaption></figcaption></figure>\n\n#### Step 2:CherryStudio設定で「モデルサービス」にInfinite Coreを選択し、APIキーを入力して有効化\n\n<figure><img src=\"../../.gitbook/assets/1280X1280 (2) (1).png\" alt=\"\"><figcaption></figcaption></figure>\n\n上記完了後、使用時に大規模モデルを選択すればCherryStudioからInfinite Core APIを利用可能。\\\n利便性向上のため「デフォルトモデル」設定を推奨\n\n<figure><img src=\"../../.gitbook/assets/01445ab7-b863-4155-b517-2b6c3c581f47.png\" alt=\"\"><figcaption></figcaption></figure>\n\n#### Step 3:ナレッジベース追加\nInfinite Coreプラットフォームの埋め込みモデルからbgeシリーズまたはjinaシリーズの任意バージョンを選択\n\n<figure><img src=\"../../.gitbook/assets/1 (1).png\" alt=\"\"><figcaption></figcaption></figure>\n<figure><img src=\"../../.gitbook/assets/2 (2).png\" alt=\"\"><figcaption></figcaption></figure>\n\n### 三、実ユーザーシナリオ検証\n* 学習資料インポート後、「『機械学習』第3章の核心公式導出を整理」と入力\n\n<figure><img src=\"../../.gitbook/assets/6bbdbd0d-5db4-4440-b840-3bb3f422b831.gif\" alt=\"\"><figcaption></figcaption></figure>\n\n**▼生成結果例**\n\n<figure><img src=\"../../.gitbook/assets/3.gif\" alt=\"\"><figcaption></figcaption></figure>"}}, "i18n/russian/pre-basic/providers/wu-wen-xin-qiong.md": {"5bc06d153bc24cbd2af8d2b768da7821b6ebdffb": {"t": 1785595440.6822827, "n": 3737, "h": "32eee17ef2b50601", "c": "# InfiniAI\n\n\n{% hint style=\"warning\" %}\nЭтот документ переведен с китайского языка с помощью ИИ и еще не был проверен.\n{% endhint %}\n\n\n\n\nВы сталкивались с этим: сохранили 26 полезных статей в WeChat, но больше никогда их не открывали? Или нашли в папке \"Учебные материалы\" разбросанные 10+ файлов? Пытаетесь вспомнить теорию, прочитанную полгода назад, но помните лишь отдельные ключевые слова? Когда ежедневный объем информации превышает возможности мозга, 90% ценных знаний забываются в течение 72 часов.\\\nТеперь, используя API платформы больших моделей InfiniAI + Cherry Studio, вы можете создать персональную базу знаний: превратить невостребованные статьи из WeChat и фрагментарные учебные материалы в структурированные знания для точного доступа.\n\n### 1. Создание персональной базы знаний\n\n#### 1. API-сервис InfiniAI: \"мыслящий центр\" базы знаний — удобный и стабильный\n\nКак \"мыслящий центр\" базы знаний, платформа больших моделей InfiniAI предоставляет полную версию DeepSeek R1 и другие стабильные API-сервисы. **Сейчас после регистрации доступно бесплатное использование без ограничений.** Поддерживает популярные модели эмбеддингов bge и jina для построения базы знаний. **Платформа постоянно обновляет стабильные сервисы новейших и мощнейших open-source моделей**, включая обработку изображений, видео, аудио и других модальностей.\n\n<figure><img src=\"../../.gitbook/assets/1280X1280 (1) (1).PNG\" alt=\"\"><figcaption></figcaption></figure>\n\n#### 2. Cherry Studio: создание базы знаний без программирования\n\nCherry Studio — удобный AI-инструмент. В отличие от RAG-разработки, требующей 1-2 месяца на развертывание, этот инструмент позволяет **работать без программирования**. Поддерживает импорт Markdown/PDF/веб-страниц в один клик — файл 40MB обрабатывается за 1 минуту. Также можно добавлять локальные папки, статьи из закладок WeChat и учебные заметки.\n\n### 2. 3 шага к созданию персонального менеджера знаний\n\n#### Шаг 1: Подготовка\n\n1. Скачайте подходящую версию Cherry Studio на официальном сайте (https://cherry-ai.com/)\n2. Зарегистрируйте аккаунт: войдите на платформу больших моделей InfiniAI (https://cloud.infini-ai.com/genstudio/model?cherrystudio)\n\n<figure><img src=\"../../.gitbook/assets/image (90).png\" alt=\"\"><figcaption></figcaption></figure>\n\n* Получите API-ключ: в «Площадке моделей» выберите deepseek-r1, нажмите «Создать», скопируйте имя модели и APIKEY\n\n<figure><img src=\"../../.gitbook/assets/output (1).png\" alt=\"\"><figcaption></figcaption></figure>\n\n#### Шаг 2: В настройках CherryStudio выберите сервис InfiniAI, введите API-ключ и активируйте сервис моделей InfiniAI\n\n<figure><img src=\"../../.gitbook/assets/1280X1280 (2) (1).png\" alt=\"\"><figcaption></figcaption></figure>\n\nПосле этого выберите нужную большую модель при взаимодействии, чтобы использовать API-сервис InfiniAI в CherryStudio.\\\nДля удобства можно установить «модель по умолчанию».\n\n<figure><img src=\"../../.gitbook/assets/01445ab7-b863-4155-b517-2b6c3c581f47.png\" alt=\"\"><figcaption></figcaption></figure>\n\n#### Шаг 3: Добавление базы знаний\n\nВыберите любую версию модели эмбеддингов InfiniAI из серий bge или jina\n\n<figure><img src=\"../../.gitbook/assets/1 (1).png\" alt=\"\"><figcaption></figcaption></figure>\n\n<figure><img src=\"../../.gitbook/assets/2 (2).png\" alt=\"\"><figcaption></figcaption></figure>\n\n### 3. Тестирование в реальных сценариях пользователей\n\n* После импорта учебных материалов введите запрос: \"Проанализируйте ключевые формулы из главы 3 «Машинного обучения»\"\n\n<figure><img src=\"../../.gitbook/assets/6bbdbd0d-5db4-4440-b840-3bb3f422b831.gif\" alt=\"\"><figcaption></figcaption></figure>\n\n**Прилагается сгенерированный результат**\n\n<figure><img src=\"../../.gitbook/assets/3.gif\" alt=\"\"><figcaption></figcaption></figure>"}}, "i18n/traditional-chinese/pre-basic/providers/wu-wen-xin-qiong.md": {"5bc06d153bc24cbd2af8d2b768da7821b6ebdffb": {"t": 1785595440.8501203, "n": 2107, "h": "37e356abd7f4d69b", "c": "# Infini-AI\n\n\n{% hint style=\"warning\" %}\n此文件由 AI 從中文翻譯而來,尚未經過審閱。\n{% endhint %}\n\n\n\n\n你是否正在經歷:微信收藏了26篇乾貨文章卻再也沒打開過,電腦裡存著「學習資料」文件夾中散落的10多個檔案,想找半年前讀過的某個理論卻只記得零星關鍵詞。而當每日信息量超過大腦處理極限時,90%珍貴知識會在72小時內被遺忘。\\\n現在,透過Infini-AI大模型服務平台API + Cherry Studio打造個人知識庫,可以將收藏積灰的微信文章、碎片化的課程內容轉化為結構化知識,實現精準調用。\n\n### 一、個人知識庫搭建\n\n#### 1. Infini-AI API服務:知識庫「思考中樞」,好用、穩定\n\n作為知識庫的「思考中樞」,Infini-AI大模型服務平台提供DeepSeek R1滿血版等模型版本,提供穩定的API服務,**目前註冊後,無門檻免費用。**支援主流嵌入模型bge、jina模型來構建知識庫,**平台也在持續更新穩定的最新、最強開源模型服務**,包含圖片、影片、語音等多種不同模態。\n\n<figure><img src=\"../../.gitbook/assets/1280X1280 (1) (1).PNG\" alt=\"\"><figcaption></figcaption></figure>\n\n#### 2. Cherry Studio:零代碼搭建知識庫\n\nCherry Studio是一款易於使用的AI工具,相較於RAG知識庫開發需要1-2個月部署週期,這款工具的優勢,支援**零代碼操作,**可將Markdown/PDF/網頁等多格式一鍵匯入,40MB檔案1分鐘完成解析,此外還可以添加電腦本地文件夾、微信收藏夾的文章網址、課程筆記。\n\n### 二、3步構建你的專屬知識管家\n\n#### Step 1:基礎準備\n\n1. 訪問Cherry Studio官網下載適配版本(https://cherry-ai.com/)\n2. 註冊帳號:登入Infini-AI大模型服務平台 (https://cloud.infini-ai.com/genstudio/model?cherrystudio)\n\n<figure><img src=\"../../.gitbook/assets/image (90).png\" alt=\"\"><figcaption></figcaption></figure>\n\n* 取得API金鑰:可以在「模型廣場」選擇deepseek-r1,點擊建立並取得APIKEY,複製模型名稱\n\n<figure><img src=\"../../.gitbook/assets/output (1).png\" alt=\"\"><figcaption></figcaption></figure>\n\n#### Step 2:開啟CherryStudio設定,在模型服務中選擇Infini-AI,填寫好API金鑰,並開啟Infini-AI模型服務\n\n<figure><img src=\"../../.gitbook/assets/1280X1280 (2) (1).png\" alt=\"\"><figcaption></figcaption></figure>\n\n完成以上步驟,在互動時選擇需要的大模型,即可在CherryStudio中使用Infini-AI的API服務。\\\n為了方便使用,這裡也可以設定「預設模型」\n\n<figure><img src=\"../../.gitbook/assets/01445ab7-b863-4155-b517-2b6c3c581f47.png\" alt=\"\"><figcaption></figcaption></figure>\n\n#### Step 3:添加知識庫\n\n選擇Infini-AI大模型服務平台的嵌入模型bge系列或jina系列模型任一版本\n\n<figure><img src=\"../../.gitbook/assets/1 (1).png\" alt=\"\"><figcaption></figcaption></figure>\n\n<figure><img src=\"../../.gitbook/assets/2 (2).png\" alt=\"\"><figcaption></figcaption></figure>\n\n### 三、真實用戶場景實測\n\n* 匯入學習資料後,輸入「梳理《機器學習》第三章核心公式推導」\n\n<figure><img src=\"../../.gitbook/assets/6bbdbd0d-5db4-4440-b840-3bb3f422b831.gif\" alt=\"\"><figcaption></figcaption></figure>\n\n\\\n**附生成結果圖**\n\n<figure><img src=\"../../.gitbook/assets/3.gif\" alt=\"\"><figcaption></figcaption></figure>"}}, "i18n/greek/pre-basic/providers/wu-wen-xin-qiong.md": {"5bc06d153bc24cbd2af8d2b768da7821b6ebdffb": {"t": 1785595441.0021563, "n": 4161, "h": "d9507eb11ff8b24f", "c": "\n{% hint style=\"warning\" %}\nΑυτό το έγγραφο μεταφράστηκε από τα Κινεζικά με AI και δεν έχει ακόμη ελεγχθεί.\n{% endhint %}\n\n# INFINI\n\nΑντιμετωπίζετε το εξής πρόβλημα: έχετε βιβλιογραφήσει 26 αξιόλογα άρθρα στο WeChat που δεν ξανανοιξατε ποτέ, ο υπολογιστής σας γεμίζει από άσχετα αρχεία σε φακέλους \"Υλικό μελέτης\", προσπαθείτε να θυμηθείτε μια θεωρία που διαβάσατε πριν έξι μήνες αλλά θυμάστε μόνο μερικές λέξεις-κλειδιά. Όταν η ημερήσια πληροφορία ξεπερνά την ικανότητα επεξεργασίας του εγκεφάλου σας, το 90% των πολύτιμων γνώσεων χάνονται σε 72 ώρες.\\\nΜέσω του API της πλατφόρμας μοντέλων INFINI + το Cherry Studio, μπορείτε να δημιουργήσετε προσωπικό γνωστικό αποθετήριο: μετατρέψτε βιβλιογραφημένα άρθρα WeChat και σπασματικό εκπαιδευτικό υλικό σε δομημένη γνώση για ακριβή ανάκτηση.\n\n### Α. Δημιουργία Προσωπικού Γνωστικού Αποθετηρίου\n\n#### 1. API υπηρεσία INFINI: Το \"γνωστικό κέντρο\" του αποθετηρίου - αξιόπιστη και απλή στη χρήση\n\nΩς \"γνωστικό κέντρο\", η πλατφόρμα μοντέλων INFINI προσφέρει μοντέλα όπως το DeepSeek R1 full version και σταθερές API υπηρεσίες. **Προσωρινά, η χρήση είναι ανοικτή και δωρεάν μετά την εγγραφή.** Υποστηρίζει δημοφιλή embedding μοντέλα bge και jina για την κατασκευή του γνωστικού αποθετηρίου. **Η πλατφόρμα ενημερώνεται συνεχώς με τα πιο σταθερά και ισχυρά ανοιχτού κώδικα μοντέλα,** συμπεριλαμβανομένων εικόνων, βίντεο, ήχου και πολλαπλών διαφορετικών τροπολογιών.\n\n<figure><img src=\"../../.gitbook/assets/1280X1280 (1) (1).PNG\" alt=\"\"><figcaption></figcaption></figure>\n\n#### 2. Cherry Studio: Γνωστικό αποθετήριο χωρίς κώδικα\n\nΤο Cherry Studio είναι ένα εύκολο στη χρήση εργαλείο τεχνητής νοημοσύνης. Σε αντίθεση με την ανάπτυξη RAG αποθετηρίων που απαιτεί 1-2 μήνες ανάπτυξης, αυτό το εργαλείο επιτρέπει **λειτουργίες χωρίς κώδικα**. Μπορείτε να εισαγάγετε άμεσα πολλές μορφές όπως Markdown/PDF/ιστοσελίδες και να ολοκληρώσετε την ανάλυση 40MB αρχείου σε 1 λεπτό. Επιπλέον, μπορείτε να προσθέσετε φακέλους από τον υπολογιστή σας, βιβλιογραφημένους συνδέσμους άρθρων στο WeChat και σημειώσεις μαθημάτων.\n\n### Β. 3 βήματα για να δημιουργήσετε τον προσωπικό σας γνωστικό διαχειριστή\n\n#### Βήμα 1: Βασικές προετοιμασίες\n\n1. Επισκεφτείτε τον επίσημο ιστότοπο του Cherry Studio για να κατεβάσετε την κατάλληλη έκδοση (https://cherry-ai.com/)\n2. Δημιουργία λογαριασμού: Συνδεθείτε στην πλατφόρμα μοντέλων INFINI (https://cloud.infini-ai.com/genstudio/model?cherrystudio)\n\n<figure><img src=\"../../.gitbook/assets/image (90).png\" alt=\"\"><figcaption></figcaption></figure>\n\n* Λήψη κλειδιού API: Στην \"Πλατεία Μοντέλων\", επιλέξτε το deepseek-r1, κάντε κλικ στο \"Δημιουργία\" για να λάβετε το API KEY και αντιγράψτε το όνομα του μοντέλου\n\n<figure><img src=\"../../.gitbook/assets/output (1).png\" alt=\"\"><figcaption></figcaption></figure>\n\n#### Βήμα 2: Ανοίξτε τις ρυθμίσεις του CherryStudio, επιλέξτε το INFINI στις υπηρεσίες μοντέλων, εισαγάγετε το κλειδί API και ενεργοποιήστε την υπηρεσία μοντέλου INFINI\n\n<figure><img src=\"../../.gitbook/assets/1280X1280 (2) (1).png\" alt=\"\"><figcaption></figcaption></figure>\n\nΑφού ολοκληρώσετε τα παραπάνω βήματα, απλά επιλέξτε το απαιτούμενο μοντέλο τεχνητής νοημοσύνης για να χρησιμοποιήσετε τις υπηρεσίες API του INFINI στο CherryStudio.\\\nΓια ευκολία χρήσης, μπορείτε να ορίσετε και ένα «Προεπιλεγμένο μοντέλο» \n\n<figure><img src=\"../../.gitbook/assets/01445ab7-b863-4155-b517-2b6c3c581f47.png\" alt=\"\"><figcaption></figcaption></figure>\n\n#### Βήμα 3: Προσθήκη γνωστικού αποθετηρίου\n\nΕπιλέξτε ένα από τα embedding μοντέλα bge σειράς ή jina σειράς από την πλατφόρμα INFINI\n\n<figure><img src=\"../../.gitbook/assets/1 (1).png\" alt=\"\"><figcaption></figcaption></figure>\n\n<figure><img src=\"../../.gitbook/assets/2 (2).png\" alt=\"\"><figcaption></figcaption></figure>\n\n### Γ. Δοκιμή σε πραγματικό σενάριο χρήσης\n\n* Μετά την εισαγωγή εκπαιδευτικού υλικού, πληκτρολογήστε \"Σύνοψη βασικών μαθηματικών εξαγωγών στο κεφάλαιο 3 της \"Μηχανικής Μάθησης\"\"\n\n<figure><img src=\"../../.gitbook/assets/6bbdbd0d-5db4-4440-b840-3bb3f422b831.gif\" alt=\"\"><figcaption></figcaption></figure>\n\n**Συνημμένο: Αποτέλεσμα δημιουργίας**\n\n<figure><img src=\"../../.gitbook/assets/3.gif\" alt=\"\"><figcaption></figcaption></figure>"}}, "i18n/portuguese/pre-basic/providers/wu-wen-xin-qiong.md": {"5bc06d153bc24cbd2af8d2b768da7821b6ebdffb": {"t": 1785595441.2096472, "n": 4001, "h": "3e4ce8ace80e7b17", "c": "# Infini-AI\n\n\n{% hint style=\"warning\" %}\nEste documento foi traduzido do chinês por IA e ainda não foi revisado.\n{% endhint %}\n\n\n\n\nVocê já passou por isso: salvou 26 artigos úteis no WeChat mas nunca mais abriu, tem mais de 10 arquivos espalhados na pasta \"Materiais de estudo\" do computador, tenta encontrar uma teoria que leu há seis meses mas só lembra palavras-chave soltas. E quando o volume diário de informações excede o limite de processamento do cérebro, 90% do conhecimento precioso é esquecido em 72 horas.\\\nAgora, usando a API da plataforma de serviços de modelos de linguagem Infini-AI + Cherry Studio, você pode criar um banco de conhecimento pessoal para transformar artigos esquecidos do WeChat e conteúdos fragmentados de cursos em conhecimento estruturado, permitindo acesso preciso.\\\n\n### 1. Construção do Banco de Conhecimento Pessoal\n\n#### 1. Serviço API Infini-AI: o \"centro de pensamento\" do banco de conhecimento, eficiente e estável\n\nComo \"centro de pensamento\" do banco de conhecimento, a plataforma Infini-AI oferece versões como o DeepSeek R1 completo e serviços de API estáveis. **Atualmente, após o registro, o uso é gratuito sem restrições.** Suporta modelos de incorporação populares como bge e jina para construir bancos de conhecimento. **A plataforma também atualiza continuamente os serviços de modelos open-source mais recentes e poderosos**, incluindo múltiplos formatos como imagens, vídeos e áudio.\n\n<figure><img src=\"../../.gitbook/assets/1280X1280 (1) (1).PNG\" alt=\"\"><figcaption></figcaption></figure>\n\n#### 2. Cherry Studio: construa bancos de conhecimento sem código\n\nCherry Studio é uma ferramenta de IA fácil de usar. Comparado ao desenvolvimento tradicional de bancos de conhecimento RAG (que leva 1-2 meses), esta ferramenta oferece a vantagem de **operações sem código**. Permite importar com um clique formatos como Markdown/PDF/páginas web, analisando arquivos de 40MB em 1 minuto. Além disso, pode adicionar pastas locais, artigos salvos no WeChat e anotações de cursos.\\\n\n### 2. 3 passos para construir seu assistente de conhecimento personalizado\n\n#### Passo 1: Preparação básica\n\n1. Acesse o site do Cherry Studio para baixar a versão adequada (https://cherry-ai.com/)\n2. Registre uma conta: faça login na plataforma Infini-AI (https://cloud.infini-ai.com/genstudio/model?cherrystudio)\n\n<figure><img src=\"../../.gitbook/assets/image (90).png\" alt=\"\"><figcaption></figcaption></figure>\n\n* Obtenha a chave da API: no \"Model Square\", selecione deepseek-r1, clique em criar e obtenha o APIKEY; copie o nome do modelo\n\n<figure><img src=\"../../.gitbook/assets/output (1).png\" alt=\"\"><figcaption></figcaption></figure>\n\n#### Passo 2: Abra as configurações do CherryStudio, selecione Infini-AI nos serviços de modelo, preencha a chave da API e ative o serviço de modelo Infini-AI\n\n<figure><img src=\"../../.gitbook/assets/1280X1280 (2) (1).png\" alt=\"\"><figcaption></figcaption></figure>\n\nApós completar estes passos, selecione o modelo necessário durante a interação para usar o serviço de API da Infini-AI no CherryStudio.\\\nPara facilitar o uso, você também pode definir um \"modelo padrão\"\\\n\n<figure><img src=\"../../.gitbook/assets/01445ab7-b863-4155-b517-2b6c3c581f47.png\" alt=\"\"><figcaption></figcaption></figure>\n\n#### Passo 3: Adicione o banco de conhecimento\n\nSelecione qualquer versão dos modelos de incorporação bge ou jina da plataforma Infini-AI\n\n<figure><img src=\"../../.gitbook/assets/1 (1).png\" alt=\"\"><figcaption></figcaption></figure>\n\n<figure><img src=\"../../.gitbook/assets/2 (2).png\" alt=\"\"><figcaption></figcaption></figure>\n\n### 3. Teste real em cenário de usuário\n\n* Após importar materiais de estudo, insira \"Organize as derivações das fórmulas-chave do Capítulo 3 de *Machine Learning*\"\n\n<figure><img src=\"../../.gitbook/assets/6bbdbd0d-5db4-4440-b840-3bb3f422b831.gif\" alt=\"\"><figcaption></figcaption></figure>\n\n**Resultado gerado anexado**\n\n<figure><img src=\"../../.gitbook/assets/3.gif\" alt=\"\"><figcaption></figcaption></figure>"}}, "i18n/english/pre-basic/providers/wu-wen-xin-qiong.md": {"5bc06d153bc24cbd2af8d2b768da7821b6ebdffb": {"t": 1785595442.557514, "n": 4269, "h": "63553ea23a80e8d3", "c": "# Infini-AI\n\n\n{% hint style=\"warning\" %}\nThis document was translated from Chinese by AI and has not yet been reviewed.\n{% endhint %}\n\n\n\n\n{% hint style=\"warning\" %}\nThis document was translated by AI from Chinese and has not yet been reviewed. I will try to check the document one by one to ensure the translation is reasonable.\n{% endhint %}\n\n<figure><img src=\"../../.gitbook/assets/1280X1280 (1) (1).PNG\" alt=\"\"><figcaption></figcaption></figure>\n\nAre you experiencing this: You've saved 26 insightful articles on WeChat but never opened them again, you have 10+ scattered files in your \"study materials\" folder on your computer, and you want to find a theory you read half a year ago but only remember a few keywords? When the daily information load exceeds the brain's processing limit, 90% of valuable knowledge will be forgotten within 72 hours.\nNow, by building a personal knowledge base with the Infini-AI large model service platform API + Cherry Studio, you can transform WeChat articles collecting dust and fragmented course content into structured knowledge for precise retrieval.\n\n### 1. Building a Personal Knowledge Base\n\n#### 1. Infini-AI API Service: The \"Thinking Core\" of Your Knowledge Base, Easy to Use and Stable\n\nAs the \"thinking core\" of the knowledge base, the Infini-AI large model service platform provides model versions like DeepSeek R1 Full Version, offering stable API services. **Currently, after registration, it's free to use with no thresholds.** It supports mainstream embedding models such as bge and jina to build knowledge bases. **The platform also continuously updates the latest and strongest stable open-source model services**, including various modalities like images, videos, and audio.\n\n<figure><img src=\"../../.gitbook/assets/1280X1280 (1) (1).PNG\" alt=\"\"><figcaption></figcaption></figure>\n\n#### 2. Cherry Studio: Building a Knowledge Base with Zero Code\n\nCherry Studio is an easy-to-use AI tool. Compared to the 1-2 month deployment cycle required for RAG knowledge base development, the advantage of this tool is that it supports **zero-code operations**. It allows one-click import of multiple formats such as Markdown/PDF/web pages, parses a 40MB file in 1 minute, and can also add local computer folders, WeChat favorites article URLs, and course notes.\n\n### 2. 3 Steps to Build Your Exclusive Knowledge Butler\n\n#### Step 1: Basic Preparation\n\n1. Visit the Cherry Studio official website to download the compatible version (https://cherry-ai.com/)\n2. Register an account: Log in to the Infini-AI large model service platform (https://cloud.infini-ai.com/genstudio/model?cherrystudio)\n\n<figure><img src=\"../../.gitbook/assets/image (90).png\" alt=\"\"><figcaption></figcaption></figure>\n\n* Get API Key: In \"Model Marketplace\", select deepseek-r1, click to create and get the API KEY, then copy the model name.\n\n<figure><img src=\"../../.gitbook/assets/output (1).png\" alt=\"\"><figcaption></figcaption></figure>\n\n#### Step 2: Open CherryStudio Settings, select Infini-AI in Model Services, fill in the API Key, and enable the Infini-AI model service.\n\n<figure><img src=\"../../.gitbook/assets/1280X1280 (2) (1).png\" alt=\"\"><figcaption></figcaption></figure>\n\nAfter completing the above steps, you can use Infini-AI's API service in CherryStudio by selecting the required large model during interaction.\nFor convenience, you can also set a \"Default Model\" here.\n\n<figure><img src=\"../../.gitbook/assets/01445ab7-b863-4155-b517-2b6c3c581f47.png\" alt=\"\"><figcaption></figcaption></figure>\n\nStep 3: Add Knowledge Base\n\nSelect any version of the bge series or jina series embedding models from the Infini-AI large model service platform.\n\n<figure><img src=\"../../.gitbook/assets/1 (1).png\" alt=\"\"><figcaption></figcaption></figure>\n\n<figure><img src=\"../../.gitbook/assets/2 (2).png\" alt=\"\"><figcaption></figcaption></figure>\n\n### 3. Real User Scenario Test\n\n* After importing study materials, enter \"Summarize the core formula derivation of Chapter 3 of 'Machine Learning'\"\n\n<figure><img src=\"../../.gitbook/assets/6bbdbd0d-5db4-4440-b840-3bb3f422b831.gif\" alt=\"\"><figcaption></figcaption></figure>\n\n\\\n**Generated Result Image Attached**\n\n<figure><img src=\"../../.gitbook/assets/3.gif\" alt=\"\"><figcaption></figcaption></figure>"}}}}