先简单说一下Cherry studio的用法：
1，Cherry studio的用法：
1，新建话题，防止一个话题问的太杂，大模型联系前后文给你说串了
2，用Grok vision beta可以支持突变搜索和识别
3，开启网络搜索，自己配置搜索引擎
4，选择模型
5，清空消息就是相当于你不想要这次的搜索，直接清空删除，后面不参与自己知识库的构建的检索
6，清楚上下文关系也很重要，防止过度输入，浪费tokens额度
2，关于网络搜索设置：
打开cherry studio，里面的网络设置就是大模型联网搜索的搜索引擎。
现在cherry studio中有6个，其中免费可以直接用的有：Google，Bing，Baidu，需要申请API收费的是Exa和Tavily，SearXNG倒是免费，但是配置起来有点麻烦。
3，大模型瞎说的问题
其实关于用人工智能配合起来做科研，大家都深有体会，最开始大家用ChatGPT来问一些科学问题，甚至大学生让ChatGPT来写综述交作业，但是慢慢发现，不管是ChatGPT还是deepseek，这些人工智能在引用文献的时候一直瞎说。
比如我问deepseek：你的知识更新到那一天，帮我看一下ASD与IFN-γ的相关研究
deepseek回答：
###############################################
我的知识截至 2024年6月，但可以访问最新在线研究（需要您开启 联网搜索）。关于ASD和IFN-γ的最新进展，以下是最新研究（2023–2024）的补充：
2023–2024年更新的ASD与IFN-γ相关研究
1. 大脑IFN-γ水平与神经炎症
-
Yang et al. (2023) 通过单细胞RNA测序发现，ASD患者前额叶皮层的小胶质细胞中IFN-γ信号通路过度激活，与突触修剪异常相关 (Nature Neuroscience). -
Yang, C., et al. (2023). Dysregulated microglial IFN-γ signaling mediates synaptic pruning deficits in autism. Nature Neuroscience, 26(8), 1234–1245. https://doi.org/10.1038/s41593-023-01367-8
2. 外周血IFN-γ的临床研究
-
Smith et al. (2024) 在大型队列中发现，ASD儿童外周血IFN-γ水平呈现 双峰分布： -
约40%患者显著升高（与自身免疫共病相关）； -
30%患者降低（与线粒体功能障碍相关）(Molecular Psychiatry). -
Smith, R. P., et al. (2024). Bimodal IFN-γ profiles in autism spectrum disorder: Links to comorbidities and immune dysfunction. Molecular Psychiatry. https://doi.org/10.1038/s41380-024-02501-z
3. IFN-γ与ASD肠-脑轴
-
Lee et al. (2023) 发现ASD患者肠道菌群紊乱（如 Clostridium 过度增殖）可驱动外周血IFN-γ升高，并通过迷走神经影响大脑炎症 (Cell Reports). -
Lee, H. J., et al. (2023). Gut microbiota-derived IFN-γ primes neuroinflammation in autism. Cell Reports, 42(5), 112456. https://doi.org/10.1016/j.celrep.2023.112456
关键结论更新
-
大脑IFN-γ：小胶质细胞异常激活是ASD神经炎症的核心机制（Yang et al., 2023）。 -
外周血IFN-γ：存在亚群特异性变化，可能作为生物标记物分型（Smith et al., 2024）。 -
治疗靶点：靶向IFN-γ信号（如JAK抑制剂）在动物模型中显示改善社交行为（未列文献，需进一步验证）。
如需更详细的文献或某篇论文的PDF，可告诉我具体需求，我会通过联网检索提供最新内容！
###############################################
先不说，它说的对不对，单单就它给的文献名字和链接，都是假的。
文献名字是它胡诌的，根本没有这一篇文献，链接能打开，但是打开却是另一篇不相关的文献。
还有就是，这些训练好的人工智能，它的知识库都有一个期限，比如deepseek是截止2024年6月，Grok是截止2023年4月。
如果离线使用这些人工智能的话，它们的回答，是基于训练投喂的知识给你的回答，如果涉及到它们知识投喂的截止日期后的东西，它们只能逻辑推理或者瞎说，就好比我问Grok说2025年印度和巴基斯坦空战，它觉得我是在写政治科幻小说。
所以，如果要联系到最新的知识和消息，就必须点击联网搜索，而这里就涉及到一个问题，这些人工智能，在联网搜索的时候，是搜索的哪些网站？如果国内的人工智能，如deepseek，我希望它搜一搜简书，知乎，抖音，小红书啥的。对于国外的Grok，我更希望它直接给我搜索pubmed或者去各大高分杂志官网去搜。
但是实际上，无论是google还是百度，都做不到，搜的东西专业又学术。
不过还好，现在的搜索引擎已经有专门为大模型准备的了，比如tavily，Exa，SearXNG等。
1，Tavily
这个给大模型配置的搜索引擎，应该是用起来还不错，容易上手。直接点击获取秘钥。然后注册，登录就行
每个人每月有1000次的搜索额度，完全免费。
我已经用了109次了。
2，Exa
也是一样的，点击获取秘钥，然后注册，送你10美元。收费还挺贵，我已经用了快1美元了，其实我用得少，因为我一直用Tavily。
如果Tavily的额度用完了，可以用Exa顶一顶，但是10美元一旦用完，我想我不会充值。
举个例子：
我的问题：GABA和自闭症的关系
Grok联网搜索+Tavily搜索引擎配置的回答：
每一句话都是可以溯源到后面的文献的，引用的文献是真实可靠的，可以打开自己再确认和深度阅读。
这样就拜托了人工智能胡乱说，胡乱提供参考文献的问题了。
其实简单地说，这就是让人工智能自己先检索google，wikidata，pubmed等网站，然后汇总搜到的内容，按照分类呈现出来，流程上给你个人去google上检索，看了十几篇文献，然后汇总一下，效果是一样的，不过自己看文献然后整理内容会更丰富，也更贴合自己的需求，因为，只有你自己知道，你真的想看什么，而这些，是不会体现在你刚才提的那一个简单的问题中的。
（注意：以上用法需要科学上网）