大家好，我是羊仔，专注AI编程、智能体、AI工具。

早上醒来刷手机，差点被一条消息给震醒：字节跳动的Coze竟然开源了！而且还是Apache 2.0协议，直接可商用！

一、一觉醒来，Coze开源

说起来，羊仔折腾AI工具也有一年多了。从最开始玩ChatGPT，到后来折腾各种开源大模型，再到研究Dify、n8n这些工作流平台，基本上市面上的热门工具都玩过一遍。

但Coze开源这件事，真的让羊仔有点意外，要知道，Coze的企业版HiAgent可是百万级别的产品，字节这次直接把核心功能开源出来，这背后的战略意图太明显了——就是要在AI Agent平台这个赛道上抢占制高点。

想想也是，现在Dify这些开源平台发展得如火如荼，但商业授权一直是个痛点。字节这一招真的是绝了，直接Apache 2.0协议，告诉大家：来吧，随便用，随便改，随便商用！

二、Coze究竟开源了个啥？

在咱们动手之前，得先搞明白，字节这次到底给了我们什么东西。

这次开源的核心是两个项目：

1. Coze Studio：这是一个一站式的AI Agent（智能体）开发工具。你可以把它想象成一个超级乐高工坊，里面有各种各样的零件（比如Prompt编排、知识库、插件、工作流），你可以通过拖拉拽的方式，轻松搭建出你想要的任何AI机器人。

2. Coze Loop：这个更偏向开发者，是一个专注于AI Agent开发和运维的平台。如果说Coze Studio是造机器人的工厂，那Coze Loop就是这个工厂的“中控室”和“维修部”，负责监控机器人的运行状态，确保它们7x24小时稳定工作。

简单来说，字节几乎是把Coze平台最核心的功能都开放出来了。

虽然和功能齐全的线上版比，它更像一个“毛坯房”，比如官方自带的插件少了一些，大家很喜欢的画图功能也暂时没开源，但最重要的核心——工作流设计功能，被原封不动地保留了下来。

这才是它的灵魂！有了它，我们就能设计出各种复杂、强大的自动化流程，让AI帮我们完成各种任务。

三、说干就干，直接部署

看到这个消息，羊仔的第一反应就是：赶紧试试！于是羊仔二话不说，打开电脑就开始折腾。

这里给大家分享一下具体的部署过程，真的比想象中简单多了。

第一步：获取源码

首先当然是从GitHub拉取代码：

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

羊仔这里遇到了一个小插曲，因为GitHub的访问速度时好时坏，下载了好几次都失败了，最后还是用镜像下载才行。

第二步：配置大模型

这一步是关键。开源版的Coze本身不带模型，需要我们自己配置一个"大脑"，Coze很贴心的提供了很多模板，在 backend\conf\model\template 目录下。

羊仔选择了豆包模型，主要是因为便宜好用，而且是字节自家的，兼容性应该不错。

配置过程其实很简单，先复制一个模板文件到 backend/conf/model 目录。

然后填入三个关键参数：

• • id：随便填一个整数就行

  • api_key：从火山方舟获取

  • model的endpoint：也是从火山方舟获取

这里羊仔要吐槽一下，火山方舟的界面有点复杂，找API Key和创建推理接入点的流程不太直观。

不过好在官方文档比较完善，按照官方文档一步步来，还是能搞定的，官方文档地址如下。

api key文档：

https://www.volcengine.com/docs/82379/1541594

推理接入点文档：

https://www.volcengine.com/docs/82379/1099522

先打开api key文档，点击【API Key管理】。

按照文档的步骤创建API Key。

推理接入点也是按照官方文档操作。

找到自定义推理接入点，点击【创建推理接入点】：

输入名称，选择模型，这里选的豆包1.6模型，然后点击【开通模型并接入】：

开通后就能看到Endpoint ID了，点旁边的复制按钮即可。

第三步：Docker部署

这一步就很爽了，直接用Docker一键部署：

cd docker
cp .env.example .env
docker compose --profile '*' up -d

第一次部署需要等一会儿，要下载各种镜像，可能还会报这个错。

是因为

docker\volumes\elasticsearch\setup_es.sh

文件的换行符格式默认是“CRLF”，要改成Linux的“LF”格式。

然后重新运行，就OK了。

四、初体验：惊喜与遗憾并存

当羊仔在浏览器输入http://localhost:8888，看到熟悉又陌生的Coze界面时，心情还是挺复杂的。

说熟悉，是因为界面风格和在线版基本一致；说陌生，是因为功能确实被阉割了不少。插件只有18个，图像生成和画板功能都没有，确实有种"乞丐版"的感觉。

但是！核心的工作流、知识库功能是完整的。羊仔试着搭建了一个简单的客服机器人，从对话处理到知识库检索，再到条件判断，整个流程跑得非常顺畅。

五、技术架构让人眼前一亮

作为一名程序员，羊仔忍不住深入研究了一下Coze Studio的代码结构，不得不说，字节的技术功底真的很扎实。

整个项目采用了经典的DDD（领域驱动设计）架构：

backend/
├── domain/        # 灵魂：领域层，业务逻辑的核心
│   ├── agent/     # 智能体
│   ├── workflow/  # 工作流
│   ├── knowledge/ # 知识库
│   └── ...
├── application/   # 应用层，协调领域对象完成业务流程
├── infra/         # 基础设施层，与外部依赖（DB, Cache等）解耦
└── api/           # 接口层，暴露HTTP API

这种设计的好处是职责清晰，便于维护和扩展，而且大量使用了字节自家的CloudWeGo微服务框架，说明这不是临时拼凑的项目，而是经过生产验证的成熟方案。

六、这颗子弹，还会再飞一会儿

从Dify、n8n到现在的Coze Studio，开源的AI Agent平台选择越来越多，说明这个赛道已经进入了白热化的竞争阶段。

虽然Coze Studio的开源版目前看还只是第一步，功能上和它那成熟的“商业大哥”相比还有差距。

但这毕竟是字节啊，考虑到它强大的生态和恐怖的迭代速度，我们完全有理由相信，这颗子弹还会再飞一会儿。

如果你也对AI智能体感兴趣，赶紧动手去试试吧。

共勉！

欢迎关注羊仔，一起探索AI，成为超级个体！

如果你喜欢这篇文章，不妨点赞，收藏，转发。

你的每一次互动，对羊仔来说都是莫大的鼓励。