字节的 Coze（扣子） 大家肯定不陌生，上线一年多，功能不断打磨，再加上扣子空间火出圈，已经是 C 端工作流应用的头部产品，也已经帮助很多小伙伴实现了效率提升甚至带来不错的收益。
字节宣布开源了 Coze 的两大核心项目 Coze Studio 和 Coze Loop，再加上之前开源的 Eino，已经初步形成了大模型智能体的开发、编排、运维开源全家桶。
开源版的 Coze 好用吗？字节为什么要开源？会给 Agent 赛道的其他玩家带来什么影响？我来聊聊自己的个人看法。
Coze 这次究竟开源了什么？
Coze 今天开源了两个项目，Coze Studio 和 Coze Loop。
不过显然 Coze Studio 热度更高，我写这个回答时已经快 4k star 了，而罗盘那边只有 800 多个 star。
至于二者的区别嘛，简单来说，Coze Studio 就是大家常用的 Agent 搭建平台扣子；Coze Loop 对应的是 Agent 运维平台扣子罗盘。
Coze Studio：Agent 可视化开发工具
Coze Studio 是扣子的核心引擎，提供构建 Agent 所需的全部能力。
- • 核心能力复刻扣子在线版，开箱即用，快速上手。
- • 支持智能体/应用创建，支持插件、工作流、数据库、知识库、Prompt 等资源管理。
- • API & SDK：支持对话和工作流 API，也可以通过 ChatSDK 集成到业务系统。
Coze Loop：Agent 全生命周期运维管家
如果说 Studio 负责「生」，那 Loop 就是负责「养」和「优」，它是一个专注于 AgentOps 运维的解决方案。
借助于 Loop，开发者可以把 Prompt 的玄学变成科学：
- • 全流程开发：通过可视化的 Playground，开发者可以直观对比不同模型、不同 Prompt 的输出效果，实现对 Prompt 编写、调试、优化乃至版本控制的全流程管理。
- • 系统化评测：评测模块可以对 Prompt 或 Agent 的回复进行多维度自动化检测。
- • 全链路观测：工作流开发排查是老大难，Loop 能完整记录从用户输入到最终输出的每一个环节，包括 Prompt 解析、模型调用、工具执行等，捕获中间过程和异常状态，让 Agent 运行的黑盒变透明。
可以说，字节这次开源，是直接把一套经过线上用户大规模验证的「Agent 生产线 + 质检中心」交付到了开发者手中。
技术栈上，Coze 的后端采用 Go，前端是 React + TypeScript，整体是微服务架构和 DDD 设计，为二次开发提供了良好的基础。
字节为什么要开源 Coze？
Coze 是个 C 端的商业化平台，已经服务了上万家企业、数百万开发者，关于字节为什么会如此慷慨地开源，官方说法是「致力于降低 AI Agent 开发与应用门槛，鼓励社区共建和分享交流」，我自己有两个猜测。
加速社区生态建设，构建 Agent 开发的共识与标准
Agent 赛道玩家众多，现在对于生态的争夺趋于白热化，行业目前并没有绝对的共识和标准，未来也不会由一家公司定义所有场景。
在开源之前，扣子就已凭借其极低的门槛和趣味性，积累了庞大的 C 端用户基础。不少民间高手已经在扣子上开发出各种实用的工作流，并通过各种渠道出售自己的 Bot 或解决方案，赚到了第一桶金。这说明扣子的产品力和实用性已经得到了市场的验证。
但是！一个封闭的平台也许可以在 C 端成功商业化，但无法满足 B 端生态爆发的要求。
通过开源，Coze 大幅降低了大模型应用开发的门槛，客观上能让更多企业、组织和开发者受益。
通过吸引更多开发者，共同构建丰富的插件和应用生态，他们会熟悉 Coze 的技术栈；而当足够多的开发者和企业基于 Coze 进行开发时，其开发范式就有可能成为行业的「事实标准」，构建起比短期利润更强大的护城河。
依托火山引擎，让 Coze 成为 Agent Infra 的基础设施
很多人猜测的未来会有「商业版」Coze，确实有这个可能，毕竟开源版负责建立生态，商业版负责在高价值客户上实现盈利的做法，是在开源世界里被反复验证的成功商业模式。
但我觉得吧，格局可能还是小了。
你想，开发者把开源版玩的再 6，一旦要投入生产环境、服务更多用户，就需要稳定、高性能的算力、模型服务和数据存储服务。此时，无缝集成的火山引擎无疑是是阻力最小、最具性价比的选择。
换句话说，开源的前端 SaaS 应用是吸引开发者的流量入口，真正的商业价值是后端的 IaaS 云服务、MaaS 模型服务。
以上纯属个人猜测，当然也不排除字节会把 Coze 的云服务和商业化两手一起抓，哈哈。我是觉得，如果真的从「大棋论」来分析，Coze 开源版的前景是光明的，不会是一锤子的 KPI 项目。
把开源版 Coze 用起来
对于开发者来说，把 Coze Studio 跑起来也就几分钟的事情，硬件要求不高（2核4G也能跑），提前装好 docker 就行。
第一步，下载代码库。
git clone https://github.com/coze-dev/coze-studio.git
第二步，配置模型文件，路径是backend/conf/model/template/，预置了豆包、OpenAI、Gemini、Claude、DeepSeek、Qwen、Ollama 等模型的配置文件。
大家根据自己的实际需要，复制相应的配置文件，并填写可用的 API key 即可。
第三步，Docker，启动！
cd docker cp .env.example . env docker compose --profile '*' up -d
服务启动之后，访问http://localhost:8888/就能打开 Coze Studio 了。
注意第一次使用的时候要输入邮箱和密码，然后点击注册：
给人的第一印象其实就是一个简洁版的扣子：
仔细比较一下的话，确实少了一些模块，比如在创建应用时，开源版少了 UI Builder：
比如在构建智能体时，开源版少了多智能体、语音输入输出：
工作流中的绝大多数节点都是可用的，缺了多模态生成的部分：
官方也列出了支持的功能清单：
| 功能模块 | 功能点 |
|---|---|
| 模型服务 | 管理模型列表，可接入OpenAI、火山方舟 等在线或离线模型服务 |
| 搭建智能体 | * 编排、发布、管理智能体 * 支持配置工作流、知识库等资源 |
| 搭建应用 | * 创建、发布应用 * 通过工作流搭建业务逻辑 |
| 搭建工作流 | 创建、修改、发布、删除工作流 |
| 开发资源 | 支持创建并管理以下资源： * 插件 * 知识库 * 数据库 * 提示词 |
| API 与 SDK | * 创建会话、发起对话等 OpenAPI * 通过 Chat SDK 将智能体或应用集成到自己的应用 |
大家怎么看？我觉得如果以自行部署开发，或者完全本地部署+本地模型的视角来看，开源版 Coze 的核心组件是足够用来搭建工作流智能体的。
当然了，官方支持的功能肯定是多多益善的，Coze 的开源才刚刚第一天，希望后续能给社区带来更多功能模块。
虽不完美，但未来可期
如果让我评价 Coze 的开源，我的看法是：当前开源的核心模块已经足够解决大多数场景和需求，但功能尚不完美（比如不能从线上扣子导出应用或工作流导入到开源版），但未来绝对可期。
今天我在社区里也看到了一些声音，大部分是在说 Coze 开源版功能不全的问题。但我觉得，大家太苛求「绝对完整彻底的开源」了。
开源 ≠ 做慈善，商业公司的开源项目，大都会在社区版和商业版之间作出区分。Coze Studio 目前开源的是最核心的引擎能力，已经足以让开发者构建出功能完整的工作流 Agent。
如果开源社区能给予正向的反馈甚至贡献，积极参与到插件开发、Bug 修复、生态构建中，让官方看到开源社区的巨大潜力，未来也许就能逐步开源更多功能。
我今天加了官方的技术交流群，已经有 1000 人了，发现群里的声音和外界大不相同。群里大都在讨论部署和使用的话题，我也看到了开发者回复的很多消息，还是很有诚意的，一些大家反映强烈缺失的功能已经在内部讨论了。
而那些面对一个刚开源第一天的项目，就吵吵着「开源不彻底就是彻底不开源」的人，恐怕不是开源的贡献者。
开源不应该是某个公司的单方面付出，开源的精神也从来不是坐享其成，而是共同建设。
这正是开源的魅力所在：如果你觉得它不够好，那就去帮助它变得更好。
工作流 Agent 的赛道会走向何方
最后聊聊竞争。Coze 一开源，我发现个有趣的事情，Dify 和 n8n 的用户群比 Coze 的用户群更热闹，反应更大。
我猜扣子的一些用户对本地部署的需求本身并不高，而 Dify 和 n8n 的用户群体，本身就对本地部署甚至二次开发有着极大的需求。
今年以来，「拖拉拽式搭建工作流 Agent」迎来了极佳的发展契机，一方面是随着模型的成熟，Agent 概念开始落地；另一方面就是 DeepSeek 一体机，几乎所有的一体机都会搭建类似的「智能体平台」，用低代码的方式降低非技术用户的学习成本。
毕竟前端形态上都是「拖拉拽式搭建工作流 Agent」，所以这几家看上去可能会形成竞争。
我们今天不聊这几个平台在功能上的差异，那可能是几万字都写不完的话题。但是如果从开源协议上讲，Coze 反而是这三家里最宽松的那个。
我整理了一下开源协议的差别：
| 特性 | Coze | Dify | n8n |
|---|---|---|---|
| 许可证名称 | Apache License 2.0 | Modified Apache License 2.0 | Sustainable Use License |
| 商业用途 | ✅ 完全允许可以用于任何商业目的，包括转售、构建SaaS服务等。 | ⚠️ 有条件允许 可用于企业内部或作为应用的后端。但禁止提供多租户服务 (即一个实例服务多个租户/工作区)，除非获得商业授权。 | ❌ 严格限制 仅限于内部业务目的 (Internal business purposes)。禁止直接销售或提供其核心功能作为付费服务。 |
| 修改与再分发 | ✅ 允许只需保留版权和声明修改。 | ⚠️ 有限制 可以修改，但如果使用其前端，禁止移除或修改 Dify 的 LOGO 和版权信息。 | ⚠️ 有限制 可以为内部目的修改，但禁止为商业目的分发。禁止移除版权标识。 |
| 核心限制总结 | 几乎没有限制，非常自由。 | 不能拿它做多租户SaaS，不能去掉前端品牌标识。 | 不能拿它直接或间接赚钱，只能自己公司内部用。 |
| 贡献者协议 | 遵循标准的 Apache 2.0 贡献规则。 | 贡献者需同意其代码可被用于商业用途，且官方可修改协议。 | 贡献者需签署 CLA，授权 n8n 更改许可证及将代码用于商业目的。 |
换句话说，Coze 采用没有任何附加协议的 Apache 2.0 协议，允许免费商用，允许二次开发且后续版本可以闭源使用，可以说对下游开发者几乎没有任何商业化限制。
这种宽松的商业条款对很多做外包平台的人是有吸引力的。今天还在 Coze Studio 的 Issue 看到开发者开玩笑说：「以前照着 Coze 抄，现在好了，直接用上 Coze 了」
从下面 +1 的人来看，这大概不是个例。
所以，如果 Coze 能坚持把开源做下去，把功能和生态完善好，不愁没有开发者支持。
小结
总而言之，开源就是好事！开源就该鼓励！Coze 的开源让技术平权、AI 普惠再进一步。一个经过数百万用户验证的强大 Agent 开发工具，正以一种几乎零成本的方式触手可及。
如果你对 Agent 开发感兴趣，不妨部署体验一下 Coze Studio 和 Coze Loop；如果你有能力开发功能或插件，也可以试试成为 Coze 开源版的 Contributor。
开源只是个开始，Coze/Agent 的未来，就看大家的想象力和执行力了。
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；并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。
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
扫一扫
1504
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
