DIY你的AI助手！开源Coze来了，附赠本地搭建Coze Studio视频教程，Dify这次压力不小。

于 2025-07-30 11:26:47 发布
阅读量701 收藏 18
点赞数 18
CC 4.0 BY-SA版权
文章标签： 大模型 AI大模型 程序员 AI 人工智能 大模型学习 COZE
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/2401_84204413/article/details/149772906

image.png

像智能体平台，之前的文章都已介绍的很多了，像比较流行的开源平台Dify，还是主打企业AI的GPTBots，还有其他例如n8n，百宝箱等等。

而当下流行的To C的AI智能体平台Coze，于2025年7月26日宣布开源（含Coze Studio开发框架与Coze Loop运维平台），采用Apache 2.0协议允许自由商用，注意是自由商用，无限制条件。虽然和Dify都是Apache 2.0，但是Coze的这次开源显得更为有诚意，至少没有不允许换logo或者多租户服务的这种限制。

在架构上Coze开源版后端用Golang，前端React+TypeScript，微服务+DDD设计。部署要求低(2核4G)，并且支持Docker一键部署。 本文将从技术架构与功能特性两个维度展开：首先系统介绍一下 Coze Studio 开源版的搭建全流程，随后对其与 Dify 在核心功能、技术实现、应用场景等方面进行深入对比分析，文末有视频版搭建教程。

Coze Studio本地搭建

Coze Studio就是我们在商用版使用最多的coze平台，包括Agent搭建，工作流配置，知识库等功能，下面我们就在本地开始搭建开源版的。

安装Docker

和Dify一样，Coze Studio也是支持docker一键部署的，首先确保本机安装了docker，如果没有, 需要先前往Docker官网下载并安装。 注意，直接下载对应平台的Docker Desktop即可，不需要再单独用命令安装docker，如下图所示：

QQ_1753800231701.png

下载完成之后双击安装即可，运行之后需要配置镜像地址：

image.png

可以直接把下面代码复制粘贴进去即可：

 "registry-mirrors": [
    "https://hub-mirror.c.163.com",
    "https://docker.m.daocloud.io",
    "https://ghcr.nju.edu.cn",
    "https://mirror.baidubce.com",
    "http://dockerhub.azk8s.cn",
    "https://mirror.ccs.tencentyun.com",
    "https://docker.mirrors.ustc.edu.cn",
    "https://docker.nju.edu.cn",
    "https://2h3po24q.mirror.aliyuncs.com",
   "https://docker.1ms.run"
  ]

因为 Docker 默认使用官方镜像仓库，在国内网络环境下，直接拉取镜像速度慢、连接不稳定。通过配置国内镜像源（如阿里云、网易云等镜像加速器），能大幅提升镜像下载速度，以提升部署效率。

至此，Docker的安装和配置完成，能正常运行即可。

源码部署Coze Studio

环境要求：

  • 在部署 Coze Studio 前，需确认运行环境适配性。硬件上，推荐使用 2 Core 及以上 CPU、4GB 以上内存，以保证多任务处理与服务稳定性；高并发场景建议配置 4 Core CPU 和 8GB + 内存。

  • 提前安装 Docker 与 Docker Compose。安装后，Linux 系统通过systemctl start docker启动 Docker 服务，Windows、Mac 在状态栏开启，并用docker --version验证是否正常启动。

部署步骤：

  • 获取源码。

    # 克隆代码
git clone https://github.com/coze-dev/coze-studio.git

  • 配置模型。

    • id：Coze Studio 中的模型 ID，由开发者自行定义，必须是非 0 的整数，且全局唯一。模型上线后请勿修改模型 id 。

    • meta.conn_config.api_key：模型服务的 API Key，在本示例中为火山方舟的 API Key，获取方式可参考获取火山方舟 API Key。

    • meta.conn_config.model：模型服务的 model ID，在本示例中为火山方舟 doubao-seed-1.6 模型接入点的 Endpoint ID，获取方式可参考获取 Endpoint ID。

    1. 进入目录 backend/conf/model。打开复制后的文件ark_doubao-seed-1.6.yaml。

    2. 设置 id、meta.conn_config.api_key、meta.conn_config.model 字段，并保存文件。

  • 从模板目录复制 doubao-seed-1.6 模型的模版文件，并粘贴到配置文件目录（注意这里以doubao-seed-1.6为例子，具体需要哪个就配置哪个）。

    cd coze-studio
# 复制模型配置模版
cp backend/conf/model/template/model_template_ark_doubao-seed-1.6.yaml backend/conf/model/ark_doubao-seed-1.6.yaml

    在配置文件目录下，修改模版文件。

  • 部署并启动服务。 首次部署并启动 Coze Studio 需要拉取镜像、构建本地镜像，可能耗时较久，请耐心等待。部署过程中，你会看到以下日志信息。如果看到提示 "Container coze-server Started"，表示 Coze Studio 服务已成功启动。

    # 启动服务
cd docker
cp .env.example .env
docker compose --profile "*" up -d

    服务启动之后coze-minio-setup、coze-mysql-setup-init-sql、coze-mysql-setup-schema 这几个容器处于退出状态（exit 0），是正常现象,如下图所示：

QQ_1753801317569.png

  • 启动服务后，通过浏览器访问 http://localhost:8888/ 即可打开 Coze Studio。

QQ_1753801297422.png

在部署步骤上，整体比Dify要繁琐一些，因为大部分的大模型配置，都在配置文件中进行，而不是项Dify在启动后，在Web界面中配置，对于无docker经验的开发者要稍难一些。

和Dify的一些对比

在Coze Studio搭建完成后，笔者简单体验了一下功能，主要是搭建Agent，上传文档到知识库，工作流节点等功能，和商用版的基本一直，但是缺乏了一些核心的东西：

  • 功能缺失：仅18个插件vs商业版上千个，至少在插件生态这块，还是不如Dify，不过依赖后续不断迭代，借助Coze强大的to C群体，要想做起来并不难。

  • 不支持多租户：多租户功能在一些to B场景是非常重要的，15；3) 部署粗糙：模型配置需预写yaml文件

  • 工作流可移植性受限：与商用版本类似，开源版 Coze Studio 工作流暂不支持导出功能，这对工作流生态的拓展与协同应用形成一定制约。

  • 部署繁琐：在 Coze Studio 配置模型的时候，得先写 yaml 文件设置参数，配好后还得重启 docker 容器才能生效。这么搞下来，不光花时间变多了，要是想引入新的LLM源，还得先把服务停掉，等配置完再重新启动。这一停一起的，服务容易中断不说，以后想给系统加功能、做扩展也不方便，效率也变低了。

总结下来如下：

QQ_1753801637079.png

个人观点：

显然，这次开源的Coze平台目前来看还是有不少值得提升或者改进的地方的，但是开源这一步已经是AI民主化的重要一步。目前来看，开源的Coze可能挤压LangChain、ModelScope等垂直工具的空间，但短期内Dify仍是企业首选。若后续迭代中补齐一些企业级功能（如多租户、插件生态等），则可能成为一款非常不错的AI智能体平台。

正如开发者所言：“Coze开源最大的意义，是让AI开发从‘少数人的游戏’变成‘多数人的机会’”。然而能否将“机会”转化为真正的生产力，取决于字节是否愿以社区共赢为代价换取商业目标。

之前商界有位名人说过：“站在风口，猪都能吹上天”。这几年，AI大模型领域百家争鸣，百舸争流，明显是这个时代下一个风口！

那如何学习大模型&AI产品经理？

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

只要你是真心想学AI大模型，我这份资料就可以无偿共享给你学习。大模型行业确实也需要更多的有志之士加入进来，我也真心希望帮助大家学好这门技术，如果日后有什么学习上的问题，欢迎找我交流，有技术上面的问题，我是很愿意去帮助大家的！

如果你也想通过学大模型技术去帮助就业和转行，可以点扫描下方链接👇👇
大模型重磅福利：入门进阶全套104G学习资源包免费分享！
在这里插入图片描述

01.从入门到精通的全套视频教程

包含提示词工程、RAG、Agent等技术点
在这里插入图片描述

​

02.AI大模型学习路线图（还有视频解说）

全过程AI大模型学习路线

在这里插入图片描述

​​在这里插入图片描述

03.学习电子书籍和技术文档

市面上的大模型书籍确实太多了，这些是我精选出来的

在这里插入图片描述

04.大模型面试题目详解

在这里插入图片描述

在这里插入图片描述

05.这些资料真的有用吗?

这份资料由我和鲁为民博士共同整理，鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位，在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利，同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。

所有的视频由智泊AI老师录制，且资料与智泊AI共享，相互补充。这份学习大礼包应该算是现在最全面的大模型学习资料了。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

在这里插入图片描述
在这里插入图片描述

智泊AI始终秉持着“让每个人平等享受到优质教育资源”的育人理念‌，通过动态追踪大模型开发、数据标注伦理等前沿技术趋势‌，构建起"前沿课程+智能实训+精准就业"的高效培养体系。

课堂上不光教理论，还带着学员做了十多个真实项目。学员要亲自上手搞数据清洗、模型调优这些硬核操作，把课本知识变成真本事‌！

在这里插入图片描述
如果说你是以下人群中的其中一类，都可以来智泊AI学习人工智能，找到高薪工作，一次小小的“投资”换来的是终身受益！

应届毕业生‌：无工作经验但想要系统学习AI大模型技术，期待通过实战项目掌握核心技术。

零基础转型‌：非技术背景但关注AI应用场景，计划通过低代码工具实现“AI+行业”跨界‌。

业务赋能 ‌突破瓶颈：传统开发者（Java/前端等）学习Transformer架构与LangChain框架，向AI全栈工程师转型‌。

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓
在这里插入图片描述

 

图文教程本地部署开源扣子Coze Studio工作流并接入 Gemini 大模型（windows亲测） Coze Studio 本地部署、Gemini 模型接入、开源 AI 工具平台、大模型工作流搭建
代码简单说 Vue、JAVA、PHP、Node.js 熟练运用，接口、架构、性能全搞定。
07-27 405
本文介绍了在Windows系统本地部署开源AI工具平台Coze Studio并接入Google Gemini大模型的完整教程。主要内容包括：1) 环境准备要求（Docker等）；2) 获取源码和配置Gemini模型（需API密钥）；3) 通过Docker Compose部署服务；4) 浏览器访问验证。文章指出该平台适合私有化部署，支持智能体和工作流搭建，但也存在插件系统不完善等局限。最后提供了相关资源链接，为开发者实现本地AI解决方案提供了实用指南。
【AI智能体】Coze 搭建个人旅游规划助手实战详解
congge
06-19 3512
Coze 制作旅游规划助手机器人实战详解
别再被卡住了！Coze Studio 开源版本地部署 5 分钟搞定（含完整踩坑指南 适配windows系统）
fans2306的博客
07-28 840
就代表你的 Coze Studio 成功跑起来了！这是 Windows 用户常见问题！，多个项目的网络、容器可能会冲突。服务启动后，以下几个容器退出（觉得写的不错的话点个关注不迷路。用 VS Code 打开。如果你有多个项目都叫。
扣子（Coze）正式开源！全网最详细部署教程拿走不谢~（以win11为例）
李同学Lino的博客
07-28 2724
摘要： Coze开源版本发布，为AI开发带来新机遇。本次开源功能与在线版略有差异，但支持2核4G配置，普通电脑即可部署。教程涵盖获取源码（Git安装、代码克隆）、配置模型（修改YAML文件、获取火山方舟APIKey与EndpointID）、部署服务（Docker安装、镜像源配置）及解决常见报错（如CRLF格式问题）。最终通过浏览器访问本地端口即可使用CozeStudio，助力个人开发者打造智能体平台或接单创收。开源地址：https://github.com/coze-dev/coze-studio。
太厉害了！字节居然将 coze 智能体开源了！
lijok的博客
06-18 1495
在过去几天时间里面，字节终于把自家的Coze和Deerflow两个企业级项目进行开源，一下子，字节的裤子被扒下来了。首先来唠嗑唠嗑Deep Research深度研究项目Deerflow。作为一个长期由社区驱动的框架，建立在开源社区与不同开发者的杰出工作基础上，将大语言模型结合能够让模型可以进行自主使用的专业工具（如Web网页端搜索、本地化文件管理、Web网页自动化等等）。在个人方面，可以说绝对是一个非常能干的私人助理。
Coze 开源了！所有人都可以免费使用了
Immerse的 Blog
07-26 1167
大家好，我是 Immerse，一名独立开发者、内容创作者、AGI 实践者。关注公众号：#沉浸式趣谈，获取最新文章（更多内容只在公众号更新)也同步更新。转载请在文章开头注明出处和版权信息。我会在这里分享关于编程独立开发AI干货开源个人思考等内容。如果本文对您有所帮助，欢迎动动小手指一键三连(评论转发和。
Coze开源了~手摸手带你实现Coze Studio本地部署~
zhanyd的博客
07-26 2551
好消息，coze开源了，我现在手摸手带你实现 coze-studio 本地部署。
coze开源了，从工具使用到造工具
qq_45184435的博客
07-26 1165
Coze开源最大的意义，是让AI开发从“少数人的游戏”变成了“多数人的机会”。对小白来说，不用再仰望那些复杂的AI模型，而是可以从搭建一个简单的智能体开始，一步步积累经验，甚至把创意变成能落地的产品。技术的门槛正在降低，但“动手实践”的门槛永远在自己脚下。
【人工智能开发工具】Windows11环境下Coze Studio&Coze Loop安装与配置：一站式AI Agent开发平台搭建指南介绍了在Windows1
最新发布
07-28
Coze Studio是字节跳动开源的一站式AI Agent开发工具，旨在提供从开发到部署的完整工具链，采用低代码/零代码的方式降低AI应用开发门槛。其技术栈后端采用Golang+微服务架构，前端使用React+TypeScript，集成...
书单系列工作流扣子Ai智能体搭建 coze工作流读一本书矢量图视频
06-12
根据给定的信息，我们可以推断出这是一套关于如何搭建人工智能体并实现自动化制作视频的工作流程。具体的知识点可以从以下几个方面展开： 1. 人工智能体的搭建：首先，我们可以了解到这个项目中包含了搭建一个名为...
三大AI开发平台深度对比：Coze、Dify、n8n全方位解析
Code_流苏：在代码中寻诗意，在实践中觅真知
05-29 2016
三大AI开发平台深度对比：Coze、Dify、n8n全方位解析，你都用过吗？
字节把 Coze 核心开源了！可视化工作流引擎 FlowGram 上线，AI 赋能可视化流程！
2501_91980039的博客
07-07 468
传统的工作流构建往往依赖于大量的编码和配置，既耗时又容易出错。而的出现，为开发者提供了一种全新的方式：通过可视化的节点编辑，快速搭建清晰、直观的工作流。FlowGram本身是以闭源形式在字节内部产品中进行使用（飞书、Coze），而现在将其开源，将会有更多企业与开发者团队以其开源特性和 AI 增强能力，二次定制化适合企业内部的高效工作流。其双布局模式、丰富的交互体验、强大的扩展能力以及 AI 集成计划，在众多开源工作流工具中都是独树一帜的。
Coze 开源了，送上保姆级私有化部署方案【建议收藏】
zzling2024的博客
07-27 1093
今日凌晨 Coze 宣布开源！很开心，看到这个消息, AI 大模型，AI agent 越来越有意思了主要开源了两个核心项目：1.Coze Studio 的 github地址：https://github.com/coze-dev/coze-studio2.Coze Loop 的 github地址： https://github.com/coze-dev/cozeloop。
Dify、n8n、Coze 深度对决：企业级 AI 场景应用落地，谁是终极答案？
youmaob的博客
06-04 1363
在 AI 应用井喷的 2025 年，快速搭建智能自动化工作流、高效落地 AI Agent 已成为开发者和企业的核心诉求。面对市面上三大主流平台——n8n、Dify、Coze——各自瞄准不同场景，选择困境随之而来：
探索AIP智能体平台：开源版本的coze
github_36463939的博客
02-10 939
AIP智能体平台是一个集成了多种先进技术的开源平台，旨在支持软件行业的数字化转型、智能化升级和融合创新。它不仅具备感知环境的能力，还能根据获取的数据进行决策和推理，具备强大的学习能力和自主性。AIP智能体平台作为开源版本的DeepSeek，凭借其强大的功能和灵活性，正在改变着软件开发和运行的方式。未来，我们有理由相信，AIP智能体平台将在更多领域发挥重要作用，推动软件行业的进一步发展。参考资料[1] DeepSeek官方文档[2] AIP智能体平台GitHub仓库。
一文搞懂AI大模型学习路线：核心知识点 + 实战路径全解析
Android_XG的博客
07-18 682
一文搞懂AI大模型学习路线：核心知识点 + 实战路径全解析
一文带你了解Make、Coze、Dify 三大自动化平台的优缺点
热门推荐
Code1994的博客
10-24 2万+
AI大模型作为人工智能领域的重要技术突破，正成为推动各行各业创新和转型的关键力量。抓住AI大模型的风口，掌握AI大模型的知识和技能将变得越来越重要。学习AI大模型是一个系统的过程，需要从基础开始，逐步深入到更高级的技术。这里给大家精心整理了一份全面的AI大模型学习资源包括：AI大模型全套学习路线图（从入门到实战）、精品AI大模型学习书籍手册、视频教程、实战学习、面试题等，资料免费分享！
浙大开源《大模型基础》直接爆火！AI技术人员速来围观！
瓦罗兰特顶级C位的博客
07-03 358
近AI圈被一本大模型神书刷屏了——浙江大学团队开源的《大模型基础》！推特大佬们疯狂安利，小编连夜啃完，果然名不虚传！
如何用coze搭建一个对标文案提取助手的智能体的详细教程
03-16
<think>好的，用户想用Coze搭建一个对标文案提取助手的智能体，需要详细步骤和教程。首先，我得回忆一下Coze平台的基本操作流程，可能涉及创建Bot、配置技能、数据集上传、工作流设计等步骤。 首先，用户可能对Coze不太熟悉，需要先介绍平台注册和基本界面。然后，创建智能体是第一步，需要填写名称、描述等基本信息。接下来，配置技能部分，可能需要自然语言处理相关的预置插件，比如文本分析、关键词提取，或者自定义插件。 然后，数据集是关键，用户需要上传对标的文案样本，可能涉及CSV或Excel文件。这里要提醒数据格式和清洗的重要性。工作流设计部分可能需要详细说明如何连接不同的模块，比如输入处理、数据分析、输出生成等步骤。 测试和优化环节也很重要，用户需要知道如何调试和调整参数。最后，发布和持续维护的部分，可能需要说明如何部署到不同渠道，比如飞书、微信等，以及如何根据反馈更新模型和数据。 同时，用户可能关心实际应用中的问题，比如处理多语言文案、提高准确性、处理大量数据时的性能等。需要确保步骤清晰，避免技术术语过多，让不同技术水平的用户都能理解。 可能还需要推荐一些官方文档或社区资源，帮助用户进一步学习。另外，注意引用相关的参考资料，比如提到Coze的官方教程或最佳实践，增加回答的可信度。 最后，生成相关问题时要围绕搭建过程中的关键点，比如数据集准备、技能优化、工作流设计等，帮助用户深入理解可能遇到的挑战和解决方案。</think>以下是使用Coze平台搭建对标文案提取助手智能体的分步指南： ### 一、环境准备 1. 注册Coze账号并登录控制台 2. 创建新工作区（建议命名为"文案分析中心"） 3. 准备文案数据集（建议CSV格式，包含标题、正文、关键词等字段）[^1] ### 二、智能体创建 ```python # 初始化智能体配置 bot_config = { "name": "文案提取助手", "description": "基于AI的竞品文案分析工具", "domain": "marketing" } ``` 1. 在Coze控制台选择"创建Bot" 2. 配置基础信息（名称/描述/应用领域） 3. 开启「文本理解」和「模式识别」核心能力 ### 三、技能配置 $$ \text{功能模块} = \text{NLP处理} \oplus \text{特征提取} \oplus \text{相似度匹配} $$ 1. 添加预置技能： - 文本向量化服务 - 语义相似度计算 - 关键词抽取引擎 2. 自定义技能开发： ```python def extract_comparable_content(text): # 实现文案特征提取逻辑 return key_features ``` ### 四、工作流设计 ```mermaid graph TD A[输入竞品文案] --> B(文本清洗) B --> C{特征分析} C -->|结构提取| D[模板识别] C -->|语义解析| E[意图识别] D --> F[生成对标要素] E --> F F --> G[输出分析报告] ``` ### 五、数据集对接 1. 上传历史文案数据集 2. 配置数据预处理管道： - 文本标准化（统一编码/去除噪声） - 特征标注（人工标注关键字段） - 向量化存储（使用Coze Embedding API） ### 六、测试与优化 1. 创建测试用例集（包含不同行业/风格的文案样本） 2. 调整相似度阈值：$ \theta \in [0.7,0.9] $ 3. 监控准确率指标：$ Precision = \frac{TP}{TP+FP} $ ### 七、部署应用 1. 发布为API端点 2. 配置输入输出接口： - 输入：竞品文案（支持URL/文本/文件） - 输出：结构化对标要素（JSON格式） 3. 接入渠道： - 企业微信机器人 - 网页端控制台 - Chrome扩展程序 [^1]: Coze官方文档建议训练数据量不少于5000条样本以保证基础效果
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值