Coze Studio 是字节跳动开源的低代码 AI Agent 开发平台。通过可视化工具，开发者无需或只需少量代码即可快速构建、调试智能体、应用和工作流，大幅降低开发门槛，是构建定制化 AI 产品的理想选择。其基于 Golang (后端) 和 React + TypeScript (前端)，采用微服务与 DDD 架构，提供高性能、高扩展性和易于二次开发的框架。
目前开源 Coze Studio 版本支持以下功能：
本文将手把手带您从零开始，在您的本地计算机上部署 Coze Studio 开源版，并配置本地 Ollama 和 OpenRouter 上的模型服务。
1. 安装 Ollama：拥有你的私人大模型
Ollama 是一个轻量级、可扩展的本地大语言模型运行框架。它让在个人电脑上运行强大的语言模型（如 DeepSeek-R1, Qwen 3, Gemma 3 等）变得前所未有的简单。
你不再需要依赖任何第三方的云服务，可以在完全离线的环境中，利用 AI 处理你的私有数据，安全且免费。
访问 https://ollama.com/，根据你的操作系统（macOS, Linux, Windows）下载并安装对应的客户端。安装过程非常直观，一路点击 “下一步” 即可。
拉取模型
安装完成后，我们需要从 Ollama 的模型库中下载一个模型到本地。以广受欢迎的 Qwen 3 模型为例。
Ollama Qwen3 提供的模型列表如下图所示，如果你想要下载量化模型，可以点击 View all 链接：
(图片来源：https://ollama.com/library/qwen3)
不同大小的模型对内存的要求不同：
-
7B 模型：需要约 8-16GB RAM
-
14B 模型：需要约 16-32GB RAM
-
32B 模型：需要约 32-64GB RAM
-
70B+ 模型：需要 64GB+ RAM
打开你的终端（Terminal 或命令提示符），输入以下命令：
ollama run qwen3:8b
# or
ollama run qwen3:14b
# or
ollama run qwen3:32b
这个命令会自动从云端下载并解压 Qwen 3 模型。下载速度取决于你的网络状况，请耐心等待。
2. 安装 Docker：应用部署的瑞士军刀
Docker 是一种容器化技术，它可以将应用程序及其所有依赖项打包到一个标准的、可移植的“容器”中。通俗地说，Docker 就像一个标准化的集装箱，而 n8n 就是货物。我们把 n8n 放进这个集装箱里，就可以轻松地在任何支持 Docker 的机器上运行它，而不用担心复杂的环境配置和依赖冲突问题。
访问 https://www.docker.com/，下载并安装 Docker Desktop。它同样为 macOS, Linux 和 Windows 提供了图形化的安装界面。
3. 本地部署 Coze Studio
3.1 环境要求
-
在安装 Coze Studio 之前，请确保您的机器满足以下最低系统要求： 2 Core、4 GB
-
提前安装 Docker、Docker Compose，并启动 Docker 服务。
3.2 获取 Coze Studio 源码
使用 git clone 命令前，需要确保本机已安装 Git。
git clone https://github.com/coze-dev/coze-studio.git
如果本机未安装 Git，你也可以通过以下方式下载源码：
3.3 为 Coze Studio 配置模型
Coze Studio 支持的模型服务如下：
-
Ark（火山方舟）
-
OpenAI
-
DeepSeek
-
Claude
-
Ollama
-
Qwen
-
Gemini
使用你平常使用的 IDE 打开 coze-studio 项目，在 backend/conf/model/template 目录下，选择需要使用的模版，并复制到 backend/conf/model 文件夹下。
这里我们复制 model_template_ollama.yaml 模版，并重命名为 model_ollama_qwen3_8b.yaml。我们以 qwen3:8b 为例，配置本地的 ollama 服务：
需要注意的是，id 字段，由开发者自行定义，必须是非 0 的整数，且全局唯一。对于已上线的模型，请勿修改模型 id，否则可能导致模型调用失败。在配置模型时，你可以运行 ollama list 查看本地已安装的模型。
配置完本地的 ollama 服务，我们来继续配置 OpenRouter 提供的线上服务。这里我们复制 model_template_deepseek.yaml 模版，并重命名为 model_openrouter_ds_v3.yaml。我们以DeepSeek-V3 服务为例，配置线上的 OpenRouter 服务。
如果你还没有 DeepSeek-V3 的 api_key，可以访问 https://openrouter.ai/deepseek/deepseek-chat-v3-0324:free/api 地址，通过 Create API Key 按钮创建新的 API Key。
3.4 部署并启动服务
配置好模型之后，运行以下命令，即可在本地部署 Coze Studio：
cd docker
cp .env.example .env
docker compose --profile '*' up -d
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。在 Docker Desktop 中，可以看到 Coze Studio 所有服务的状态。当 coze-server 的服务状态变成绿色，表示 Coze Studio 服务已成功启动。
当你修改配置文件之后，需要执行以下命令重启服务，使配置生效。
docker compose --profile '*' restart coze-server
3.5 使用 Coze Studio
启动服务后，通过浏览器访问 http://localhost:8888/ 即可打开 Coze Studio。
首次使用时，输入邮箱和密码，点击 Register 注册新的用户。成功注册之后，点击右上角的 Create 按钮，然后选择 Create agent 选项，具体如下图所示：
接着，输入 Agent 名称，再点击确认：
进入 Agent 设计界面之后，点击模型列表，即可查看 Coze Studio 已配置的模型。
通过右侧底部的 Chat 输入框，你可以测试模型是否能正常工作：
1. 测试本地 Ollama qwen3:8b 服务
2. 测试线上 OpenRouter DeepSeek-V3 服务
由上图可知，前面已配置的大语言模型服务，都能正常工作。如果出现异常，你可以通过查看 coze-server 的日志，来排查异常：
至此，你已经成功在本地搭建 Coze Studio，尽情发挥你的想象力去创造 AI Agent 吧！
我们该怎样系统的去转行学习大模型 ？
很多想入行大模型的人苦于现在网上的大模型老课程老教材，学也不是不学也不是，基于此，我用做产品的心态来打磨这份大模型教程，深挖痛点并持续修改了近100余次后，终于把整个AI大模型的学习门槛，降到了最低！
第一您不需要具备任何算法和数学的基础
第二不要求准备高配置的电脑
第三不必懂Python等任何编程语言
您只需要听我讲，跟着我做即可，为了让学习的道路变得更简单，这份大模型教程已经给大家整理并打包，现在将这份 LLM大模型资料 分享出来： 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓
一、大模型经典书籍（免费分享）
AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。
二、640套大模型报告（免费分享）
这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)
三、大模型系列视频教程（免费分享）
四、2025最新大模型学习路线（免费分享）
我们把学习路线分成L1到L4四个阶段，一步步带你从入门到进阶，从理论到实战。
L1阶段:启航篇丨极速破界AI新时代
L1阶段：我们会去了解大模型的基础知识，以及大模型在各个行业的应用和分析；学习理解大模型的核心原理、关键技术以及大模型应用场景。
L2阶段：攻坚篇丨RAG开发实战工坊
L2阶段是我们的AI大模型RAG应用开发工程，我们会去学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。
L3阶段：跃迁篇丨Agent智能体架构设计
L3阶段：大模型Agent应用架构进阶实现，我们会去学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造我们自己的Agent智能体。
L4阶段：精进篇丨模型微调与私有化部署
L4阶段：大模型的微调和私有化部署，我们会更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调。
L5阶段：专题集丨特训篇 【录播课】
全套的AI大模型学习资源已经整理打包，有需要的小伙伴可以微信扫描下方二维码，免费领取
3765
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
