卧草,coze突然宣布开源,保姆级部署教程,赶紧收藏,智能体免费!

“卧草,震惊了。字节跳动旗下AI平台扣子(Coze)宣布全面开源两大核心组件,为开发者提供免费私有化部署方案。赶紧收藏保存!并在自己的项目中应用起来!

核心开源项目一

Coze Studio:可视化智能体开发平台,支持拖拽式AI应用搭建,可本地部署保障数据隐私,灵活接入多种AI模型(如火山方舟豆包模型)。https://github.com/coze-dev/coze-studio/tree/main。

核心开源项目二

Coze Loop:AI调试与Prompt优化工具,含自动化评测功能,显著提升大模型应用开发效率。https://github.com/coze-dev/CozeLoop。

最大亮点协议:采用Apache 2.0协议,允许免费商用,支持企业级定制开发!!

01

Coze Studio 部署教程

简介

Coze Studio,源自服务了上万家企业、数百万开发者的「扣子开发平台」,它的核心引擎完全开放。

亮点:1、提供 AI Agent 开发所需的全部核心技术:Prompt、RAG、Plugin、Workflow,使得开发者可以聚焦创造 AI 核心价值。2、Coze Studio 为开发者提供了健全的应用模板和编排框架,你可以基于它们快速构建各种 AI Agent ,将创意变为现实。

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。

部署步骤

  1. 获取源码
# 克隆代码
  1. 配置模型

1>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。

cd coze-studio

2>在配置文件目录下,修改模版文件。

  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 idmeta.conn_config.api_keymeta.conn_config.model 字段,并保存文件。
  • 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. 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

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

开发指南

  • 项目配置

  • 模型配置:部署 Coze Studio 开源版之前,必须配置模型服务,否则无法在搭建智能体、工作流和应用时选择模型。
  • 插件配置:如需使用插件商店中的官方插件,必须先配置插件,添加第三方服务的鉴权秘钥。
  • 基础组件配置:了解如何配置图片上传等组件,以便在 Coze Studio 中使用上传图片等功能。
  • API 参考:和商业版不同,Coze Studio 开源版仅支持个人访问秘钥(PAT)鉴权,并支持对话和工作流相关 API。
  • 开发规范:
  • 项目架构:了解 Coze Studio 开源版的技术架构与核心组件。
  • 代码开发与测试:了解如何基于 Coze Studio 开源版进行二次开发与测试。
  • 故障排查:了解如何查看容器状态、系统日志。

02

Coze Loop部署教程

简介

Coze Loop 通过提供全生命周期的管理能力,帮助开发者更高效地开发和运维 AI Agent。无论是提示词工程、AI Agent 评测,还是上线后的监控与调优,Coze Loop 都提供了强大的工具和智能化的支持,极大地简化了 AI Agent 的开发流程,提升了 AI Agent 的运行效果和稳定性。

  • Prompt 开发

    :Coze Loop 的 Prompt 开发模块为开发者提供了从编写、调试、优化到版本管理的全流程支持,通过可视化 Playground 实现 Prompt 的实时交互测试,让开发者能够直观比较不同大语言模型的输出效果。

  • 评测

    :Coze Loop 评测模块为开发者提供系统化的评测能力,能够对 Prompt 和扣子智能体的输出效果进行多维度自动化检测,例如准确性、简洁性和合规性等。

  • 观测

    :Coze Loop 为开发者提供了全链路执行过程的可视化观测能力,完整记录从用户输入到 AI 输出的每个处理环节,包括 Prompt 解析、模型调用和工具执行等关键节点,并自动捕获中间结果和异常状态。

环境要求

  • Go > 1.23.4; 配置 GOPATH
  • 提前安装 Docker、Docker Compose,并启动 Docker 服务
  1. 获取源码。执行以下命令,获取 Coze Loop 最新版本的源码。
# 克隆代码
  1. 配置模型。进入目录 conf/default/app/runtime/,编辑文件 model_config.yaml,修改 api_key 和 model 字段。以火山方舟为例:
  • api_key:火山方舟 API Key,获取方式可参考获取 API Key。
  • model:火山方舟模型接入点的 Endpoint ID,获取方式可参考获取 Endpoint。
  1. 启动服务。执行以下命令,使用 Docker Compose 快速部署 Coze Loop 开源版。
# 启动服务,默认为开发模式
  1. 通过浏览器访问 http://localhost:8082,访问 Coze Loop 开源版。

开发指南

  • 系统架构:了解Coze Loop 开源版的技术架构与核心组件。
  • 启动模式:安装部署Coze Loop 开源版时,默认使用开发模式,此模式下修改后端文件无需重新部署服务。
  • 模型配置:Coze Loop 开源版通过 Eino 框架支持多种 LLM 模型,参考此文档查看支持的模型列表,了解如何配置模型。
  • 代码开发与测试:了解如何基于Coze Loop 开源版进行二次开发与测试。
  • 故障排查:了解如何查看容器状态、系统日志。

大模型算是目前当之无愧最火的一个方向了,算是新时代的风口!有小伙伴觉得,作为新领域、新方向人才需求必然相当大,与之相应的人才缺乏、人才竞争自然也会更少,那转行去做大模型是不是一个更好的选择呢?是不是更好就业呢?是不是就暂时能抵抗35岁中年危机呢?

答案当然是这样,大模型必然是新风口!

那如何学习大模型 ?

由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。但是具体到个人,只能说是:

最先掌握AI的人,将会比较晚掌握AI的人有竞争优势。
这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。

但现在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大模型的学习路线完善出来!

在这里插入图片描述

在这个版本当中:

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,这份大模型路线+学习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🆓↓↓↓

👉优快云大礼包🎁:全网最全《LLM大模型学习资源包》免费分享(安全咨料,放心领取)👈

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

在这里插入图片描述

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。

img

L1阶段:启航篇丨极速破界AI新时代

L1阶段: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。

img

L2阶段:攻坚篇丨RAG开发实战工坊

L2阶段:AI大模型RAG应用开发工程,主要学习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。

img

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,主要学习LangChain、 LIamaIndex框架,也会学习到AutoGPT、 MetaGPT等多Agent系统,打造Agent智能体。

img

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,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。

img

L5阶段:专题集丨特训篇 【录播课】

img

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

👉优快云大礼包🎁:全网最全《LLM大模型学习资源包》免费分享(安全资料,放心领取)👈

评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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