字节跳动 Coze 正式开源：超详细本地部署指南，开启低代码 AI Agent 开发之旅！

最新推荐文章于 2025-07-26 16:13:00 发布
最新推荐文章于 2025-07-26 16:13:00 发布
阅读量1.1k 收藏 18
点赞数 23
CC 4.0 BY-SA版权
文章标签： 人工智能 langchain embedding RAG llama 开源
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/pythonhy/article/details/149666727

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：

图片

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。

图片

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

(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。

图片

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：

图片

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。

图片

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：

图片

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。

图片

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。

图片

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。

图片

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。

图片

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：

图片

接着，输入 Agent 名称，再点击确认：

图片

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。

图片

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

图片

2. 测试线上 OpenRouter DeepSeek-V3 服务

图片

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：

图片

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！

在这个版本当中：

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)
在这里插入图片描述

三、大模型系列视频教程（免费分享）

在这里插入图片描述

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

​

Llama-Turbo
关注
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 1752
三大AI开发平台深度对比：Coze、Dify、n8n全方位解析，你都用过吗？
智胜未来：国内大模型+Agent应用案例精选，以及主流Agent框架开源项目推荐
丨汀、的博客
07-25 9326
智胜未来：国内大模型+Agent应用案例精选，以及主流Agent框架开源项目推荐
Win10（CPU）+ Anaconda3 + python3.9安装pytorch
AAI666666的博客
01-14 2051
Win10（CPU）+ Anaconda3 + python3.9安装pytorch
coze功能详解！AI保姆级入门教程！
热门推荐
youmaob的博客
01-04 1万+
本地文档包含三种：1、文本格式：word, pdf, txt2、表格格式：excel, csv3、照片类型以上传本地文档为例，上传后，选择自动分段与清洗，coze会自动对数据进行处理上传后，我们在bot或工作流中，就能使用该知识库。
【新手必看】3 分钟极速上手！扣子 (Coze) 基础智能体部署零门槛指南
A2421417624的博客
06-16 1072
扣子Coze AI是字节跳动推出的智能体开发平台，支持用户快速创建、配置和发布各类AI机器人。平台采用先进的自然语言处理技术
Coze 开源了！所有人都可以免费使用了
Immerse的 Blog
07-26 856
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。
【重磅】扣子正式开源！Dify要凉了吗？保姆级教程拿走不谢～
sinat_29950703的博客
07-26 604
字节跳动深夜开源AI开发工具Coze全栈项目，引爆开发者社区。开源项目包含两大核心组件：Coze Studio（低代码AI工作流开发平台）和Coze Loop（提示词全生命周期管理工具）。文章提供详细部署教程，支持本地化运行官方大模型doubao，并预告下期将实现完全本地化方案（工作流+大模型+知识库）。作者认为相比Dify等竞品，本地化Coze在功能完整性、更新速度等方面更具优势，呼吁开发者立即体验。项目上线后GitHub星标数迅速突破1.5k，呈现爆发式增长态势。
扣子（Coze）：构建智能助手并嵌入个人网站的新选择（更新于2025年3月31日）
欢迎自九陌而来的你做客九陌斋！
11-21 8576
作者介绍了扣子（Coze），一个新一代AI应用开发平台，它允许用户无论是否有编程基础都能快速搭建基于大模型的智能体，并将其部署到社交平台、通讯软件或网站等。文章概述了扣子的功能和优势，包括灵活的工作流设计、无限拓展的能力集、丰富的数据源和持久化的记忆能力。最后，作者简要记录了如何使用扣子创建智能体，并将其嵌入到第三方网站中，以Halo 2.x为例，展示了具体的实现步骤和代码示例。
2025年AI智能体开发实战：基于DeepSeek与Coze构建企业级自动化Agent（附完整源码）
资深全栈架构师，乐于在 优快云 分享技术见解，与大家携手共进，共攀技术巅峰！
04-20 1500
（声明：所有代码均通过Apache 2.0协议开源，商业使用需遵守平台政策）✅ 基于优快云热搜技术词（AI智能体/DeepSeek/Coze）文末提供「AI智能体开发工具包+行业案例库」，助力快速落地！掌握这些趋势，你的AI项目成功率提升300%这套资源包市场价2999元，限时免费领取！以下代码可直接运行，点击蓝字查看官方文档。某金融公司采用本方案，客服成本下降70%跳过这步，你的开发效率可能降低50%！✅ 包含可运行代码+架构图+解决方案。✅ 可直接复制的Markdown格式。
大模型——字节Coze重磅开源！Dify何去何从
07-26 225
字节跳动开源AI Agent开发平台Coze Studio，提供Prompt、RAG等核心技术支持，支持零代码/低代码开发。采用Golang+React技术栈，基于微服务架构，Apache 2.0协议允许商用和修改。相比Dify在商标和多租户方面的限制，Coze的开源策略更友好。该平台与Dify形成竞争关系，或将重塑AI开发工具市场格局。（149字）
对比主流AI开发平台：Coze、Dify、ChatDev等
注重AI领域前沿发展
04-02 1427
等主流AI开发平台进行详细介绍，并从功能定位、适用人群、技术特点等维度进行对比分析，帮助开发者选择合适的工具。近年来，随着大模型技术的飞速发展，AI开发平台如雨后春笋般涌现，极大降低了AI应用开发的门槛。：支持TXT、网页数据、Notion等数据源，增强Bot问答能力5。：内置近百款插件（新闻、天气、翻译等），并支持自定义API接入5。，支持将Bot部署至微信、飞书、Discord等社交平台59。：可接入GPT-4、Claude、Llama等主流大模型1。，支持基于大模型（如GPT、Llama）构建。
基于 Coze 从 0-1 搭建专属 小白的Bot 机器人
纸飞机的旅行的博客
05-29 3476
​ 作为一个GIS从业人员，对于AI的使用是必不可少的，在过去的一两年里各种大模型频出，AI技术已经成为GIS领域的一项重要工具，为我们提供了许多强大的功能和解决方案。：Coze不仅支持自家研发的云雀大模型，其海外版还特别集成了业界领先的AI模型，包括但不限于GPT-4（有时写作GPT-4o，可能是笔误或地区性称呼差异）、GPT-4 Turbo、Google的Gemini 1.5pro等，为用户提供强大的语言处理能力。AI模型可以模拟不同情境下的影响，帮助决策者评估多种策略的可能后果。
新手别怕！3 分钟学会扣子(coze)基础智能体部署
意疏的博客
03-19 2519
扣子新手教程
字节的扣子-Coze值得重视，整合工作流，知识库和大模型到一起了
2301_82275412的博客
01-02 4105
最近字节在推Coze，你可以在这个平台制作知识库、制作工作流，生成一个具有特定领域知识的智能体。那么，有没有可能在本地也部署一套这个东西呢？这样敏感数据就不会泄露了，断网的时候也能使用AI。刚好最近Llama 3.1发布了，本文就以Llama 3.1作为基础模型，配合Dify在本地搭建一套“Coze”。跟着本文一步步操作，保证能行！
不止是开源！字节扣子全家桶来了，AI开发者‘捡到宝’，Dify地位‘岌岌可危’？
2401_84494441的博客
07-26 627
字节跳动开源AIAgent开发平台Coze，包含CozeStudio和CozeLoop两大核心组件，实现智能体从开发到运维全链路覆盖。采用Apache2.0协议允许商业使用和二次开发，提供可视化编排工具和全生命周期管理功能，支持低门槛部署（2核CPU/4G内存）。同步开源多语言SDK和架构工具，大幅降低企业本地化部署难度，推动AIAgent技术加速落地。此举或将重构行业生态，加剧AIAgent领域竞争。
扣子（Coze）宣布开源两大核心项目——Coze Studio（扣子开发平台）和Coze Loop（扣子罗盘），附安装步骤
涛涛讲AI
07-26 882
字节跳动AI平台"扣子(Coze)"开源两大核心项目：开发工具CozeStudio和运维平台CozeLoop，采用Apache2.0协议支持免费商用。CozeStudio提供可视化AI智能体开发，支持拖拽式工作流；CozeLoop专注AI全生命周期管理。技术栈采用Golang+React，支持Docker一键部署。此次开源降低了AI开发门槛，或将改变现有AI工具市场格局，尤其利好中小企业。项目已上线GitHub，开发者可免费使用。
手把手带你学扣子Coze之Chat SDK部署指南
落笔画忧愁
03-16 5114
快速将智能体部署到自己的网页上，实现免登录访问介绍部分建议查看官方文档：https://www.coze.cn/open/docs/developer_guides/install_web_sdk看完后直接跳到最后，查看示例代码扣子Chat SDK 是一个 JavaScript 库，集成了扣子 OpenAPI 的对话、文件上传等能力，便于开发者高效、便捷、快速地搭建一个聊天应用。集成扣子 Chat SDK 之后，用户可通过网页悬浮窗方式与 AI 应用对话。比如我们的知识库AI助手。
[Coze开源版】studio服务器部署
最新发布
qingfm的博客
07-26 927
服务器快速部署CoZe studio
docker-compose 快速部署 Zookeeper
ststcheung的博客
09-28 295
【代码】docker-compose 快速部署 Zookeeper。
字节跳动coze
04-22
<think>好的，我现在需要处理用户关于字节跳动Coze平台的技术和项目的查询。首先，我得回顾之前的对话和用户提供的引用内容，确保回答准确且符合用户需求。 用户之前提到想了解Coze的技术或项目资料，并且系统级指令要求生成相关问题，同时引用了两篇资料。引用[1]对比了Coze与其他AI平台，强调其无代码、插件生态和多平台发布等特性。引用[2]则概述了Coze的功能和适用场景，强调其低门槛和广泛应用。 接下来，我需要整理Coze的技术架构、核心功能、应用场景等方面的信息。根据引用，Coze的架构可能包括大模型支持、插件系统、知识库集成和Workflow引擎。核心功能方面，无代码开发、多平台发布和插件生态是关键点。应用场景如智能客服、企业助手、教育辅助等需要提到。 还要确保回答结构清晰，分点说明，并使用正确的中文和LaTeX格式。例如，在提到技术架构时，可能需要用$$...$$来独立展示公式，但当前内容以技术描述为主，可能不需要数学公式。不过需要检查是否有需要的地方，比如如果涉及算法或技术指标，但根据现有资料，可能暂时不需要。 生成的相关问题需要围绕用户可能感兴趣的方面，比如技术优势、应用案例、对比其他平台、开发流程等。确保问题具体且有引导性，帮助用户深入探索。 最后，验证所有引用是否正确标注，并自然融入回答中。同时，确保回答符合系统指令中的格式要求，没有使用任何markdown，行内公式用$...$，独立公式单独成段，虽然这次回答可能较少涉及数学内容，但需要保持警惕。</think>字节跳动 Coze 技术架构与应用解析 1. 技术架构核心特性 - **大模型集成**：支持多模态大模型底座（如云雀大模型）作为核心推理引擎，提供自然语言交互能力[^2] - **插件生态**：通过标准化接口实现第三方服务集成，支持天气查询、数据分析等扩展功能 - **知识库增强**：允许上传文档建立私有知识库，采用向量检索技术提升回答准确性 - **Workflow引擎**：可视化流程编排工具，支持复杂业务逻辑的搭建（如多步骤决策系统） 2. 核心功能优势 ```python # 典型应用场景代码示意（知识库问答） def knowledge_query(question): embedding = model.encode(question) results = vector_db.search(embedding) return generate_answer(question, results) ``` - 无代码开发：通过拖拽式界面实现AI应用构建 - 多平台发布：支持微信、飞书、Discord等一键部署 - 实时更新：采用$O(1)$级配置同步机制，修改后即时生效 3. 典型应用场景 - 智能客服系统（7*24小时自动化响应） - 企业知识管理助手（如合同解析、数据报表生成） - 教育领域智能导师（支持$LaTeX$公式解析：$$f(x)=\frac{1}{\sqrt{2\pi}\sigma}e^{-\frac{(x-\mu)^2}{2\sigma^2}}$$）
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