什么是 Coze Studio
Coze Studio 是一站式 AI Agent 开发工具。提供各类最新大模型和工具、多种开发模式和框架，从开发到部署，为你提供最便捷的 AI Agent 开发环境。
- 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。 - 开箱即用，用最低的成本开发最专业的 AI Agent
：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。
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」，我们将它的核心引擎完全开放。它是一个一站式的 AI Agent 可视化开发工具，让 AI Agent 的创建、调试和部署变得前所未有的简单。通过 Coze Studio 提供的可视化设计与编排工具，开发者可以通过零代码或低代码的方式，快速打造和调试智能体、应用和工作流，实现强大的 AI 应用开发和更多定制化业务逻辑，是构建低代码 AI 产品的理想选择。Coze Studio 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，助你在 AI 领域进行更深层次的探索与实践。
Coze Studio 的后端采用 Golang 开发，前端使用 React + TypeScript，整体基于微服务架构并遵循领域驱动设计（DDD）原则构建。为开发者提供一个高性能、高扩展性、易于二次开发的底层框架，助力开发者应对复杂的业务需求。
功能清单
快速开始
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：
获取源码。
# 克隆代码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# 复制模型配置模版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 。 - 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。
# 启动服务cd dockercp .env.example .envdocker compose --profile "*" up -d
http://localhost:8888/ 即可打开 Coze Studio技术架构
Coze Studio 建立在一个现代、可扩展的架构上，旨在提高扩展性和性能：
后端架构
后端使用 Golang 开发，并遵循微服务架构中的领域驱动设计（DDD）方法。这提供了一个高性能、高可扩展且易于定制的框架，以应对复杂的业务需求。
后端组织为几个关键层：
- API 层
- 处理 HTTP 请求和响应 - 应用层
- 实现业务逻辑和使用案例 - 领域层
- 包含核心业务模型和规则 - 基础设施层
- 提供技术能力，如数据库访问
前端架构
前端使用 React 和 TypeScript 构建，提供了一个现代、基于组件的用户界面。其结构支持可视化开发体验，使 Coze Studio 对不同编码水平的开发者都易于使用。
核心组件
Coze Studio 的架构围绕几个核心领域组织，反映了其 AI 代理能力：
代理系统
代理系统允许开发者创建能够理解自然语言、执行任务并与用户互动的智能 AI 代理。代理可以配置特定的知识、工作流程和能力。
知识管理
知识管理系统通过检索增强生成（RAG）等技术，将外部知识与 LLMs 集成。这使得代理能够访问和利用其训练数据之外的信息。
对话系统
对话系统管理用户与 AI 代理之间的互动，处理消息处理、上下文管理和响应生成。
插件架构
插件系统通过允许与外部服务和 API 集成，扩展代理能力。插件可以开发、共享并集成到代理中，以提供专用功能。
工作流程引擎
工作流程引擎通过可视化工作流程设计，实现复杂业务逻辑的创建。工作流程编排各种组件的执行，包括 LLM 调用、API 请求和条件逻辑。
内存系统
内存系统为代理提供持久化能力，使它们能够记住过去的互动并随时间保持上下文。
入门指南
要开始使用 Coze Studio，您需要：
设置您的开发环境 配置模型服务 部署平台 创建您的第一个代理或应用
架构概述
Coze Studio遵循领域驱动设计的清晰架构方法：
架构分离关注点：
API层用于处理请求 应用层用于编排工作流 领域层用于业务规则 基础设施层用于外部系统集成
人工智能代理
Coze Studio 的核心是人工智能代理——由大型语言模型（LLM）驱动的交互式助手，能够执行特定任务或提供特定服务。一个代理结合了：
- 模型
：驱动代理的底层大型语言模型（LLM） - 指令
：定义代理行为和能力的指南 - 资源
：增强代理能力的额外工具，如知识库、插件和工作流
代理可以作为独立助手部署，也可以作为更大应用中的组件。
开发模式
Coze Studio 支持多种开发方法：
关键组件
1. 模型
模型是 Coze Studio 中人工智能代理的基础。平台支持与各种 LLM 提供商集成：
- 集成模型
：预配置的模型，如 doubao-seed - 外部模型
：通过 API 集成支持 OpenAI 和其他提供商
模型配置定义了连接参数、生成设置和专用能力。
2. 工作流
工作流是 Coze Studio 的核心概念，表示实现业务逻辑的可执行指令序列。一个工作流包括：
- 节点
：单个处理单元（如模型调用、数据转换、条件判断） - 边
：定义数据流的节点间连接 - 画布
：构建工作流的可视化表示
工作流可以独立使用，也可以作为代理和应用的组成部分，编排复杂的逻辑和决策过程。
3. 资源
资源是增强代理能力的可重用组件：
4. 应用
应用代表了使用 Coze Studio 构建的完整应用的高级概念。一个应用可以结合：
一个或多个代理 定制工作流 多个资源 用户界面元素
应用提供了一种将人工智能功能打包用于特定用例和最终用户体验的方式。
内存和上下文
Coze Studio 提供内存功能，使代理能够在对话和交互中保持上下文：
- 短期内存
：在单个对话中保持上下文 - 长期内存
：在多个会话中持久化信息 - 结构化内存
：在数据库中组织数据以高效检索
这种内存系统使人工智能体验更加个性化和上下文相关。
集成能力
Coze Studio 提供多种方式将您的人工智能解决方案与其他系统集成：
- API
：用于与代理和工作流进行编程交互的 RESTful 端点 - 聊天 SDK
：用于在 Web 应用中嵌入对话界面的库 - Webhook
：事件触发的通知，用于实时集成
这些集成选项使 Coze Studio 能够与现有系统和应用协同工作。
开发和部署生命周期
Coze Studio 项目的典型生命周期遵循以下阶段：
- 构建
：创建和配置代理、工作流和资源 - 测试
：通过交互式测试界面调试和优化行为 - 发布
：发布版本用于生产环境 - 监控
：跟踪性能和使用指标 - 迭代
：根据反馈和分析进行改进
这种迭代方法支持人工智能应用的持续改进。
摘要
理解这些关键概念将帮助您有效使用 Coze Studio：
- 人工智能代理
是利用 LLM 执行特定任务的核心构建块 - 工作流
定义业务逻辑和决策过程 - 资源
如插件和知识库增强代理能力 - 应用
将代理和工作流打包成完整应用 - 开发模式
（无代码、低代码、专业代码）适应不同技能水平 - 集成选项
允许将人工智能功能嵌入现有系统
掌握了这些概念，您就可以开始探索 Coze Studio 开发的更多细节了。
Coze Studio 建立在一个强大且可扩展的架构上，旨在支持大规模的 AI 代理开发。本文档提供了系统架构的全面概述，解释了不同组件如何交互以实现平台功能。
Coze Studio 采用现代分层架构，既分离了关注点，又支持组件间的复杂交互。从高层次来看，系统分为前端和后端组件，通过明确定义的 API 进行通信。
架构采用了**领域驱动设计（DDD）**原则，围绕业务领域组织代码，并将不同关注点分离到不同的层次中。这种方法提高了可维护性、可测试性，并允许不同系统组件的独立演进。
后端架构
后端遵循经典的分层架构模式，具有清晰的关注点分离，围绕 DDD 原则设计。
分层架构
关键组件
API 层：处理 HTTP 请求、路由、认证以及请求/响应序列化。
组织为处理器、路由器和中间件 将 HTTP 请求转换为应用命令/查询 提供 API 文档和验证 应用层：编排领域对象以执行特定用例。
包含不同功能区域的应用服务 实现用例特定的业务逻辑 协调领域对象和服务 管理事务和横切关注点 领域层：包含核心业务逻辑和实体。
定义领域模型、业务规则和不变量 围绕关键业务领域组织：代理、应用、对话、工作流等 包含封装非特定实体操作的领域服务 基础设施层：提供技术能力和集成。
实现领域层定义的仓库接口 处理数据持久化、外部服务通信 管理技术关注点，如日志、缓存、消息传递 代理 IDE：用于创建和配置 AI 代理的可视化开发环境。
代理配置的拖放界面 测试和调试工具 工作流编辑器：用于创建和管理工作流的可视化编辑器。
基于节点的可视化编程界面 连接管理和验证 UI 组件：应用中使用的可复用 UI 组件。
表单控件、模态框、导航元素 样式和主题组件 工作室：主应用外壳和其他模块的集成点。
支持多个模型提供商（OpenAI、Volcengine 等） 处理模型配置、版本控制和选择 提供 model 调用的统一接口 代理创建、配置和版本控制 与知识库、插件和工作流的集成 测试和调试能力 部署和监控 前端的可视化工作流编辑器 基于节点的编程模型 后端的执行引擎 支持分支、循环和并行执行 消息处理和路由 上下文管理 与记忆系统的集成 支持多轮对话 标准插件接口 插件发现和注册 安全和权限管理 支持自定义插件开发 RESTful API 设计 用于认证、日志、错误处理的中间件 端点映射的路由器配置 HTTP/REST 用于同步通信 消息队列用于异步处理 结构化数据格式（JSON/Thrift） 使用 Docker Compose 进行本地开发 所有服务的容器化部署 简化的配置和设置 使用 Helm 图表进行 Kubernetes 部署 可扩展、高可用架构 支持组件的水平扩展
领域模型
领域模型代表了 Coze Studio 中的核心业务概念。后端围绕这些关键领域组织：
关键领域包括：
前端架构
前端使用 React 和 TypeScript 构建，组织为模块化包。它遵循基于组件的架构，具有清晰的 UI、状态管理和业务逻辑分离。
关键前端组件：
关键服务和组件
模型管理
模型服务管理各种 AI 模型和提供商的集成：
代理开发系统
代理子系统管理 AI 代理的生命周期：
工作流系统
工作流系统支持创建复杂业务逻辑：
对话管理
对话子系统处理用户与代理的交互：
插件架构
插件系统扩展代理能力：
集成和通信
API 层
API 层通过 HTTP 端点暴露后端功能：
服务间通信
对于内部服务通信，Coze Studio 使用：
部署架构
Coze Studio 可以以多种配置进行部署：
基于 Docker 的部署
适用于开发和小型部署：
Kubernetes 部署
适用于生产和可扩展部署：
结论
Coze Studio 的架构设计注重模块化、可扩展性和可扩展性。通过遵循领域驱动设计原则并保持清晰的关注点分离，系统允许不同组件的独立演进，同时保持整体一致性。
强大的后端架构与灵活的基于组件的前端相结合，使平台能够为 AI 代理开发提供强大而用户友好的体验，从简单的聊天机器人到复杂的工作流驱动应用。
