Cherry Studio 王新铭：2 个人，Github 42k 星，代码贡献第一名是 Claude

任鑫和徐文浩作为大学同学和 AI 领域的创业者，介绍了自己过往的创业经历和在 AI 领域的投资。任鑫曾将酒店特价业务卖给京东，并在京东内部做了京东到家，之后又创立了对话式人工智能公司 GET，现在在云九资本投资和孵化 AI 产品。徐文浩曾做过机器学习广告系统，后创办 AI 聊天机器人公司 Botab，现在再次创业做 AI for Shopping。他们希望通过播客交流最新的实践和观点，点燃炼金的炉火。

徐文浩邀请 Cherry Studio 的创始人 Eason 介绍他们的产品。Cherry Studio 最初是一个 Chatbot 客户端，可以接入市面上几乎所有的单元模型，如 OpenAI 的 GPT、Cloud、Gemini 以及国内的 DeepSeek、千问、Kimi 等。2025 年 9 月升级为 Agent 客户端，底层使用 Cloud Agent SDK 实现 Agent 能力，支持 Cloud Code 或 Cloud Codework 的特性，并向更自主化的方向演进，加入了心跳、定时任务和外部 channel 连接等能力。

任鑫认为 Cherry Studio 最初只是一个可以装在电脑上，方便用户接入各种模型、配置知识库、调整 prompt、创建 agent 的壳。现在功能越来越多，越来越像小龙虾，也在做 Harness Engineering 那一层。Eason 表示，他们在 OpenCloud 刚出来时，就已经在内部讨论 Agent 下一步的计划，明确的方向是 Long Running，认为未来的 Token 消耗量会像工业革命后机器 24 小时运转一样，填平波峰和波谷，依赖于 Agent 完全自主化工作，而不是由人触发任务。

Eason 透露，Cherry Studio 现在有接近 42K Star。他解释了最初选择开源的原因，并非严肃的商业化考虑，而是希望通过学习和给别人带来便利。同时，考虑到自身资源和人力有限，希望社区贡献者参与进来，共同完善产品。在 DeepSeek 爆火时，Cherry Studio 因接入了硅基流动 provider，且客户端安装简单，吸引了大量用户，也让团队意识到商业化机会，决定全职投入。

Eason 回忆，DeepSeek 爆火后，官网崩溃，硅基流动上线模型，Cherry Studio 因安装简单，且有知识库功能，被 DeepSeek 推荐，用户涌入，CDN 流量告罄，团队疲于应对，意识到必须全职投入，才能承接行业发展趋势和红利。徐文浩总结为用户追着团队出来做，而不是团队设想好要做。

Eason 表示，现在社区的代码贡献量已远超团队自身。许多核心贡献者是第一次做开源项目，且是从用户转变为贡献者，其中学生占一半。为了团结贡献者，团队很早就联系他们，加微信、拉群，搬迁到飞书，并报销 Cursor 订阅费和 Cloud Code 订阅，还为学生开通美团企业版，提供晚餐。

Eason 表示，Cherry Studio 的用户分布极其广泛，最初偏技术型用户，后来扩展到不理解 API 和 KEY 的用户。他分享了用户连截图都不会，却在使用 Cherry Studio 的案例，反映出产品 onboarding 体验不足。用户群体包括大企业、小企业、个人、范知识工作者和学生。科研学生也在使用 Cherry Studio 辅助科研，体现了产品的泛用性。

徐文浩询问 Cherry Studio 是否仍需用户提供 Key 才能使用。Eason 表示，他们已经做了无感登录，用户 OS 登录后即可使用很多模型，但做得非常克制，与第三方 provider 平权。企业版由 IT 管理员在后台配置，员工开箱即用。个人版也相对克制，采用充值 token 按量计费的方式。徐文浩指出，让用户自带 key 门槛高，且将用户推向其他平台，而很多 AI SaaS 公司通过卖 token 获得高收入和估值。

徐文浩询问 Cherry Studio 的团队规模。Eason 透露，团队现在有九个全职人员，之前只有他和王谦两人。徐文浩提到 Sam Altman 的 One Man Company，Eason 认为研发人效大幅提升是必然的，但公司整体产能提升还需各环节配合。某些岗位必须有人，但可能只需要一个人。30 个人以后可以干 300 甚至 500 个人的事情，但可能干不了 5000 个人的事情。

徐文浩认为，Cherry Studio 处在一个很好的位置，可以从零开始搭建 AI Native 组织。Eason 表示认同，认为新公司最大的优势是有机会做一个 AI Native 组织，而过去的公司极其困难。他认为，新公司在意愿和方法层面仍面临挑战，需要用 AI 的方法解决问题，最大化利用 AI 的杠杆加速，并从理念层面思考用 AI 解决什么样的问题，如减少对齐成本、提升个人产能、挖掘企业问题。

Eason 举例，团队要求产品经理把 PRD 写得极其完善，到 AI 可以看懂为止，让 Cloud Code 写出所有功能，研发只做技术选型架构和质量把关。设计师要提供前端可用的代码。产品经理是需求工程师，设计师是品味好的前端工程师，研发是架构或质量工程师。线性协作流程变成并行。团队内部成立 AI 效能中心，由一人负责，寻找可以用 AI 解决的工作流程。

徐文浩提出，未来可能不是每个人都要有一个客户端，这对 Cherry Studio 意味着什么。Eason 表示，Cherry Studio 吃到了一些红利，做了 OpenCloud 的一键安装，提供了模型网关和 API 网关，OPENCLOUD 可以直接用 Cherry Studio 提供的模型服务。Cherry Studio 越来越会变成一个 AI Infra，而不是完全的用户界面。

Eason 表示，Cherry Studio 主要使用 Cloud Code，少量使用 Codex 做代码 review。Figma 也有 Maker 功能和 MCP 的提供代码能力。他们会用原版工具，并在用原版工具的过程中，去跟 Cherry Studio 的 Agent 能力做对齐。徐文浩询问如何看待 OpenCloud 这个产品。Eason 认为，OpenCloud 解除人为设定的边界，出发点很有发展价值，建议有兴趣的人都去尝试，但不要抱有太高的期望，最好是有具体场景需求的人去使用。

任鑫表示，OpenCloud 火了之后，很多创业者思考产品的模式发生了变化，更加大胆，更加 for Agent。Eason 表示认同，在 Cloud Code 出来之前，他对 Agent 的理解是模糊的，甚至觉得它只是一个营销名词。Cloud Code 让他真正感受到了 Agent 是什么。他认为节约 cost 不重要，要用最疯狂燃烧 token 的方式去想事情。早期他认为本地推理有价值，但现在认为本地模型推理毫无价值。

任鑫提到 AI 效能中心，Eason 表示，他们也是进来的一个实习生，能力全面，但每一项都不是最顶尖的，适合做这件事情。Eason 认为，如果可以批量生产 AIBP，无论是外部专家还是内部培养体系，都是非常好的事情。他认为，大家都在做套壳的事情，最底层都是模型，中间层 formwork 同质化严重，壁垒在于谁可以提升整个社会的生产力，谁可以通过人跟人的见面去传递理念，帮助大家建立起来。

任鑫询问开源形态在 AI 时代是更好还是更差。Eason 认为肯定是更好。从质量上讲，AI 看 issue 提 PR 的能力会超越人类。从管理上来讲，人都需要用管理学的手段来管理 Agent。他分享了自己从管两三个人到管二三十个人的转变，以及管理最小的几个工具：把事儿提清楚，给予反馈。这些在今天看管理 AI 的时候，同样适用。

任鑫分享了自己让 AI 做数据库，但 AI 做得不靠谱，所以让他们每个东西都出两份，然后自己改，让他们学习自己的品位。后来发现这个方法很恶心，应该让他们用 git 看 diff。Eason 表示，自己在上一家公司做产品合伙人的时候，管结构设计，完全不懂，所以更多的是用目标和权衡来提出要求。

徐文浩表示，自己也是 Cherry Studio 的用户，填补了非研发同事缺少一个在网页版 ChatGPT 可用的多模型、各种场景的产品的缺口。他询问 Cherry Studio 下一步的 vision 是什么。Eason 表示，Cherry Studio 下一步的目标是真正帮企业实现 AI Native 组织的一个建设过程，真正实现十倍甚至在未来百倍的能效提升。

Eason 表示，Cherry Studio 的使命是提升效率，让大家有更多的时间享受生活。徐文浩认为，效率提升可能导致 addiction。Eason 认为，AI 可能带来最大的影响是人类文明的下一次跃升。如果 AI 能替代掉今天人类的知识工作或脑力工作，也许人类会出现新的一次跃升。