随着Cherry Studio v1.2.5版本的更新，在知识库和网络搜索方面又有了一些新的进展。为此，打算写一篇Blog来分享一下如何更"聪明"地使用这两个功能。
前置准备
进阶配置
网络搜索常规设置
网络搜索会获取网页的全部内容，LLM 解析时容易超出上下文限制，因此建议限制单个网页的内容长度，例如设置为 2000 字符。此外，也可以根据所使用模型处理上下文的能力进行调整。例如，对于拥有 1M tokens 上下文窗口的 gemini-2.5-pro 模型，可以适当放宽内容长度限制，或将处理的搜索结果数量上限调整为 20 个。
网络搜索黑名单
为了提高网络搜索的质量，Cherry Studio提供了黑名单功能，可以通过配置黑名单，过滤掉一些不希望搜索的网站。
- 可以通过手动输入的方法
- 也可以通过订阅源的方式
一些常见的黑名单订阅源：https://iorate.github.io/ublacklist/subscriptions
知识库
在基础配置之上，可以通过微调以下参数来优化知识库的检索效果：
- 知识库请求文档数量：知识库可能包含大量文档。为了确保检索全面性，建议根据需要调整请求的文档数量。例如，可以设置为
20个。 - 匹配度阈值：设置阈值（例如
0.7）有助于过滤掉相关性较低的文档，提高检索精度。 - 返回结果数量：指经过重排序后最终返回给用户的文档数量。例如，可以设置为
5个。
提示：建议对文档进行预处理，特别是通过 OCR 扫描生成的 PDF 文档。文本格式不规整（例如，错误的换行、乱码）会降低文本嵌入的质量，从而严重影响检索效果。
最佳实践
这次准备的知识库文档是KAG-dataset中 2022-2023 苹果、微软、英伟达的财报数据。
- 混合检索
在打开网络搜索和选定知识库的情况下，Cherry Studio会对用户查询进行分析，选择最优的检索方式进行检索。
例如，查询OpenAI最新的模型是什么？，由于知识库的内容与此问题无关，因此会选择网络搜索的方式进行检索。 
- 单一检索
在打开网络搜索和选定知识库的情况下，可以通过根据知识库/网络搜索的方式进行单一检索。
基于知识库的检索
基于网络搜索的检索
- 总结网络链接
可以直接向 Cherry Studio 提供网页链接，让其总结页面内容。
总结
Cherry Studio的网络搜索和知识库功能可以帮助用户更高效地获取信息。通过合理的配置和使用，可以大大提高检索的质量和效率。希望这篇Blog能对大家有所帮助。