✨ 前言 今天要给大家安利一个超有意思的开源项目——Coze Studio和CozeLoop！coze目前用户体验断层领先，但无奈之前只有商业版本，很多人不得以转向Dify。这几天字节终于发布了开源版coze，带大家一窥究竟吧。
💡 为什么选择Coze？
作为字节跳动旗下的AI平台，Coze商业版已经圈粉无数，现在开源版终于来了！🎉
项目地址速递：
• Coze Studio[1] • CozeLoop[2]
两款产品均采用Apache 2.0 License,协议宽松
📦 部署说明
两款产品都属于大型项目，依赖众多，均使用docker compose启动。推荐新建一个虚拟机或者干净的系统进行部署，否则需要改动很多配置以避免端口冲突。
不推荐wsl进行安装，es和minio在初始化的适合可能有问题，可参考issue进行解决，为了方便演示，本文以Ubuntu虚拟机为例。
🛠️ Coze Studio指南
介绍
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。
部署
1. 下载源码
git clone https://github.com/coze-dev/coze-studio.git
2. 修改配置
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.yaml3. 一键启动
docker compose up -d
4. 访问地址
http://ip:8888
5. 主界面亮相 颜值在线！
🎯 核心功能体验
• 智能体创建 轻松上手！ • 插件支持 虽然目前选择不多，但潜力无限！ • 应用创建 商业版平替！ • 工作流支持 生产力爆表！
⚠️ 小遗憾：目前功能较商业版还比较简陋，但未来可期！
🧭 CozeLoop罗盘指南
介绍
Coze Loop 是一个面向开发者，专注于 AI Agent 开发与运维的平台级解决方案。 它可以解决 AI Agent 开发过程中面临的各种挑战，提供从开发、调试、评估、到监控的全生命周期管理能力。
Coze Loop 在商业化版本的基础上，推出开源版免费对开发者开放核心基础功能模块，以开源模式共享核心技术框架，开发者可根据业务需求定制与扩展，便于社区共建、分享交流，助力开发者零门槛参与 AI Agent 的探索与实践。
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。
部署
1. 克隆仓库 git clone https://github.com/coze-dev/cozeloop.git
2. 配置模型 (以DeepSeek为例) - id:3002
name:"deepseek"
frame:"eino"
protocol:"deepseek"
protocol_config:
api_key:"sk-xxx"# 换成你的API Key
model: "deepseek-chat"3. 启动服务 docker compose up --build
4. 访问8082端口注册
🌟 使用感受
使用了半天，开源版Coze给我的感觉是：
✅ 部署简单，文档友好
✅ 功能齐全，商业版平替
✅ 社区活跃，潜力无限
虽然目前还有些小缺点，但作为开源项目已经非常惊艳了！特别是工作流功能，简直是生产力神器！✨
