扣子居然开源了，这是啥节奏？

大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。

扣子居然开源了，这是啥节奏？

Hi 我是伊登，写完这篇文章的时候已经是凌晨三点了

下载源代码
模型配置coze-studio/backend/conf/model/ark_doubao-seed-1.6.yaml
使用 docker compose 来统一构建和启动整个服务集群

项目	说明
CPU	2 Core
RAM	4 GiB
Docker	提前安装 Docker、Docker Compose，并启动 Docker 服务，详细操作请参考 Docker 文档： - macOS：推荐使用 Docker Desktop 安装，参考 Docker Desktop For Mac 安装指南。 - Linux：参考 Docker 安装指南和 Docker Compose 安装指南。 - Windows：推荐使用 Docker Desktop 安装，参考 Docker Desktop For Windows 安装指南。

获取源码。

git clone https://github.com/coze-dev/coze-studio.git

配置模型。

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 cp backend/conf/model/template/model_template_ark_doubao-seed-1.6.yaml backend/conf/model/ark_doubao-seed-1.6.yaml

进入目录 backend/conf/model。打开复制后的文件ark_doubao-seed-1.6.yaml。
设置 id、meta.conn_config.api_key、meta.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 。（可以保持不变）
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。

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

在网上找到对应的教程跑起来，https://blog.csdn.net/Natsuago/article/details/

发布选项相对简单，支持API调用和SDK集成，对于本地部署来说已经够用了

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

生态建设 - 通过开源培养更多开发者
技术推广 - 让更多人体验到扣子的强大
行业引领 - 在AI应用开发领域占据制高点

国产AI的春天来了
最近这段时间，国内AI真的是爆发式发展：

模型榜单被国产霸榜
应用生态百花齐放
开源氛围越来越浓

反观国外，OpenAI、Claude这些越来越封闭，形成了鲜明对比。

对我们意味着什么？
作为内容创作者和开发者，这次开源给我们带来了实实在在的价值：
省钱：原本百万级的企业产品，现在免费用
学习：可以深入研究企业级AI应用的架构设计
创业：基于开源版本，可以快速搭建自己的AI应用
隐私：数据完全在本地，不用担心数据安全问题
这真的是一个时代红利！

写在最后
折腾到现在已经快凌晨三点了，但我一点都不困。
看着本地跑起来的扣子，心情真的很复杂。既有对技术进步的兴奋，也有对行业变化的感慨。
AI这个行业变化太快了，今天还是商业产品，明天就开源了。我们能做的，就是紧跟时代，拥抱变化。
如果你也想体验一下本地版扣子，建议赶紧动手试试。毕竟，机会总是留给行动派的。

另外插播一条合适的广告TVT
我写的书《扣子开发AI Agent智能体应用》上架啦
想学更多AI Agent开发技巧？想知道眼前一亮的实用案例？
价格：一顿疯狂星期四
在京东搜在淘宝搜

看到开源的消息，差一点跳起来，感觉有点梦想成真。现在Agent开发的两个扛把子coze和DIfy都有开源版了。

在本地安装了coze-studio, 具体参考：Coze-Studio+Ollama，Window本地部署指南——踩坑、问题解决及效果测试

整体感觉界面、功能与http://coze.cn很像，就是大量的插件需要自己搞授权了：

这次开源的Coze Studio（可视化开发平台） 与 CozeLoop（调试追踪 SDK），为开发者提供了完整的本地部署、流程控制与 prompt 管理能力。

这不仅是对现有 Agent 工具体系的有力补充，更可能改变企业构建 AI 智能体系统的主流范式。

此次开源的两大项目，分别对应 AI Agent 开发（Development）和全生命周期优化（Loop），两者相辅相成。

地址：https://github.com/coze-dev/coze-studio

Coze Studio 是一个集成了多种可视化工具的开发平台，旨在让 Agent 的创建、调试和部署过程变得前所未有的简单。开发者可以将其私有化部署，从而在自己的环境中构建和管理 AI 应用。

核心功能与特性：

可视化编排：提供强大的拖拽式界面，开发者可以通过连接不同的功能节点（如大语言模型、插件、知识库等）来构建复杂的业务逻辑，实现了真正的无代码或低代码开发。
内置核心组件：平台集成了开发 Agent 所需的核心技术栈，包括提示词工程（Prompt）、插件（Plugins）、知识库（Knowledge）、工作流（Workflow）以及记忆（Memory）等。
灵活的模型支持：支持集成并管理多个大语言模型服务，如 OpenAI、Anthropic 以及中国的火山引擎等，方便开发者根据需求灵活切换和测试。
技术栈：后端采用 Go 语言开发，前端使用 React 和 TypeScript，为开发者提供了一个高性能、易于扩展和二次开发的底层框架。

地址：https://github.com/coze-dev/cozeloop

如果说 Coze Studio 解决了“从 0 到 1”的构建问题，那么 Coze Loop 则专注于“从 1 到 100”的优化过程。它是一个覆盖 Agent 全生命周期的管理平台，解决了开发过程中的调试、评估和监控等痛点。

核心功能与特性：

全链路可观测性：能够清晰地可视化从用户输入到 AI 输出的全过程，展示模型调用、工具执行等关键节点的中间结果与状态，极大地提升了调试效率。
系统化评估：提供自动化的评估模块，可以从准确性、合规性等多个维度对 Agent 的响应质量进行测试和打分，帮助开发者持续优化。
多语言 SDK：提供 Go、Python、Java 等多种语言的 SDK，方便开发者将 Coze Loop 的可观测性和优化能力集成到现有的业务系统中。

http://coze.com 和 http://coze.cn是字节跳动官方运营的 SaaS (软件即服务) 平台，它们在功能完整性、易用性和托管服务方面与开源版本存在显著差异。

特性	Coze 开源版 (Coze Studio & Coze Loop)	Coze 商业平台 (http://coze.com / http://coze.cn)
部署与托管	私有化部署 (Self-Hosted)：用户需要自行准备服务器和相关基础设施，负责部署、运维和升级。	完全托管 (Fully Managed)：用户直接注册登录即可使用，无需关心底层服务器、数据库和网络等基础设施。
核心功能	提供核心的开发框架和优化工具。用户拥有最高控制权，可以进行深度定制和二次开发。	提供一体化、开箱即用的完整平台，包含所有开发、调试、发布和监控功能。
集成与发布	需要开发者通过 API/SDK 自行将其创建的 Agent 集成到其他应用中。	一键发布至多个主流社交和消息平台，如 Discord、Telegram、Slack、微信公众号、飞书等。
数据与资源	知识库、数据库等需要用户自行搭建和维护。	提供托管的在线知识库和数据库功能，用户可以直接上传文件或创建表格来扩充 Agent 的知识。
团队协作	依赖于 Git 等外部工具进行代码层面的协作。	提供原生的团队协作空间 (Workspace)，支持多人共同开发和管理 Agents。
运营分析	Coze Loop 提供底层的数据观测能力，但完整的运营仪表盘需自行构建。	内置了详细的运营分析仪表盘，可以追踪 Token 消耗、用户数量、对话次数等关键指标。
目标用户	企业和高级开发者：需要数据私有化、深度定制和完全控制权的场景。	广大开发者、产品经理和个人爱好者：希望快速验证想法、低成本创建和发布 AI 应用的用户。
成本	软件免费，硬件和人力成本：虽然软件本身开源免费，但服务器、维护和开发人力会产生持续成本。	按量付费/套餐制：通常提供免费使用额度，超出部分根据 Token 消耗或功能等级进行收费。

字节跳动此次开源 Coze Studio 和 Coze Loop，是一次精妙的战略举措。

构建开放生态：通过开源核心框架，吸引全球开发者参与共建，形成一个围绕 Coze 的技术生态。这不仅能加速技术迭代，还能涌现出更多超乎想象的应用场景。
拥抱私有化需求：对于注重数据隐私和合规性的企业而言，能够私有化部署的 Coze 开源版是极具吸引力的选择，这帮助 Coze 敲开了企业级市场的大门。
商业与开源的良性循环：商业平台提供便捷、稳定、功能丰富的一体化体验，吸引大量用户快速上手；而开源版本则满足了深度定制和私有化部署的需求。两者可以相互导流，形成良性循环：开源社区的创新可以反哺商业版，而商业版的广泛应用则能提升整个 Coze 品牌的知名度和影响力。

总而言之，Coze 的开源并非仅仅是开放代码，而是通过提供强大的生产力工具，赋能整个 AI 应用开发领域。无论是希望快速实现创意的个人开发者，还是寻求自主可控解决方案的企业，都能在 Coze 的生态中找到适合自己的位置。

牛逼的技术可以开源，但有商业价值的解决方案不会开源。

字节开源coze大概是觉得它对字节这个体量的公司没有太多商业价值了，不如放出来引流。

扣子居然开源了，这是啥节奏？

相关推荐