用开源版Coze，做个市场调研分析助手

扣子这几天刚好开源了，作为老粉丝非常激动。

爱折腾的我就在刚刚用几分钟在火山引擎上部署了一套 Coze 开源版，我“傻瓜式”的点了几下，它现在就已经能稳定跑起来。

我马上试着搭了个“市场调研应用”，辅助我完成市场调研分析流程，从调研需求输入、需求拆解、网络信息采集、调研分析方法论、报告撰写全流程自动化执行，并最终生成一份结构化、可复用的调研报告。

整个搭建过程中没踩太多坑，反而让我觉得这个东西离“能跑、能用、能改”的状态，就在眼前了。

咱们今天的分享会把整个应用的搭建和开源版本的部署过程和使用体验梳理，希望对大家能够有帮助。

虽然说扣子在前几天的宣布开源，GitHub 上一周内就破了 1 万 +Stars，但真正能顺利去跑起来的人不多。

为啥呢？在环境和部署流程上劝退了一大波人，你得自己买服务器、拉镜像、装环境、调模型，哪一步出错都可能卡半天，这种体验对非技术背景的人来说，很容易劝退。

刚刚发现在火山引擎看到一个一键部署方案，就试了一下，发现是真的简单，基本就是“点一下就能用”的水平。

不需要自己配机器，也不需要写部署脚本，部署完之后给你一个公网地址，点进去就是完整的系统界面。

目前有两个版本可以一键部署，对应两个入口，分别是：

Coze Studio（开发者工具，本次教程内容）：https://www.volcengine.com/activity/dev-coze-studio

Coze Loop（扣子罗盘）：https://www.volcengine.com/activity/dev-coze-loop

部署流程就几步，我一说你就懂了。

点击上面的链接，登录火山账号，点击立即部署。

需要配置完密码和管理员邮箱，这个会作为你 Coze 的管理员账号。

点击提交订单后，完成支付，它就马上开始部署了。

等部署完成，系统会返回访问地址。

用刚才的邮箱先注册首次输入密码后，就能进入 Coze 系统后台，一气呵成。

整个过程我大概花了十分钟，不写任何一行代码，也不用懂部署的逻辑...真的非常快。

部署完成后可以看到开源版的扣子里面已经预置了一些模版，可以直接用。你可以在也系统里创建应用、搭流程、测试对话，和在 Coze 官方平台的体验基本一致，同时也默认预先配置了一个模型。

如果你想换成其他的模型，比如火山方舟上的其他模型，也支持，我梳理了个流程大概是这样：

去方舟平台开通模型服务，拿到模型 ID。

同时我们还要在平台里面拿到统一的 API key。

现在我们需要进入刚刚ECS一键部署的实例，修改配置文件，如果是首次使用的话，需要先重置一下密码。

现在我们输入刚才的新密码，进行远程连接。

快捷进入扣子项目的文件的路径如下。

cd /root/workspace/opencoze

快捷修改配置文件的快捷操作。

vim .env

把模型信息填进去，修改默认模型编号。

export MODEL_PROTOCOL_1="ark"       # protocol
export MODEL_OPENCOZE_ID_1="100002" # id for record
export MODEL_NAME_1="doubao-seed-1-6-flash-250715"
export MODEL_ID_1="doubao-seed-1-6-flash-250715"
export MODEL_API_KEY_1="这里填写你的apikey"
export MODEL_BASE_URL_1=""           # model base url

保存后重启 Docker 容器，模型就接入成功了，重启口令。

docker compose --profile "*" restart coze-server

整体操作不算复杂，文档也清楚。你如果之前有过远程配置的经验，基本照着做就能完成。

很多人就会问：开源部署之后能干什么？

你就拥有了一套自己的 Coze 系统副本，权限、模型、流程都由你自己控制，在数据安全问题上还更有保障了，你可以做这些事：

• 搭建自定义的 Agent 工作流

• 接入 Webhook、API、数据库等工具

• 多模型能力接入和切换

• 多用户权限管理和应用发布

...

如上面的视频说的那样，我现在在这个系统里跑了一个简单的市场调研分析助手，使用的是扣子线上版本经典的工作流链路，下面我也分享下我的创建思路，欢迎交流学习。

当用户输入需求后，大模型生成大纲，然后根据大纲生成搜索信息的关键词，然后使用第三方的搜索工具（这里可以添加非常多信息源）、最后整合信息源结合分析方法论输出调研分析报告。

我们开始的第一步就是进入资源库里面，点击右上角“创建工作流”。

我把每个大模型节点的核心提示词也都整理给大家了，大家可以按照我的流程节点依次添加相关的内容。

添加节点的方法也是比较简单，只需要点击下面的“添加节点”，你可以选择各种各样的节点来完成各种负责的流程任务，当然你也可以自己去定制和设计不同的节点能力，这一块是开源代码的好处～

调研目标解析节点提示词

你是一位专业的调研分析师，请根据用户提供的目标或主题，对调研任务进行结构化拆解，输出明确的调研需求。请从以下五个维度展开：

## 🧩 1. 调研目标拆解
- 总体目标：简要描述本次调研的核心目的与背景。
- 子目标建议：将调研目标拆分成3～5个具体可执行的子问题。

## 📊 2. 推荐调研维度（按需展开）
- 市场环境：市场规模、发展趋势、政策背景、行业动态等。
- 用户需求：目标用户画像、使用场景、核心痛点、行为路径等。
- 竞品对比：核心竞品名单、功能结构、差异优势、定位策略等。
- 技术方案：底层技术架构、关键能力、开放接口、可扩展性等。
- 商业模式：收入来源、收费策略、成本结构、生态伙伴等。
- 合规风险：政策监管、数据安全、伦理限制、灰色地带等。

## 🔍 3. 推荐信息来源
请为每一类维度，建议合适的信息获取渠道（如公开报告、官网、面试、财报、社媒平台、招聘信息、专利数据库等）。

## 📄 4. 输出要求建议
- 输出形式（如表格、Word报告、PPT、Markdown笔记等）
- 数据要求（时间范围、样本大小、地区覆盖等）
- 是否需要可视化图表、引用出处等额外要求

## ✅ 5. 行动清单建议
请根据子问题，列出一个清晰的调研任务列表，包含：
- 任务名称
- 执行方法（桌面研究/专家访谈/问卷/数据爬取等）
- 预估时间/优先级/建议执行人角色

【输入示例】我想了解AI Agent平台的发展趋势和竞品分布，用于新产品立项参考。

【输出格式】请严格按照上方结构输出，标题使用markdown格式，条目使用列表呈现。

关键词生成节点提示词

# 角色
你是一个专业的市场调研任务拆解助手，擅长根据用户提供的行业方向、目标客户和调研目标等信息，自动拆解调研任务并提供完整的市场调研报告。你会将用户输入的语句和关键词进行拆解。

## 技能
### 技能 1: 解析调研目标
1. 接收用户输入的语句和关键词，对其进行拆解分析和富化成多个关键词，联想相关长尾词。

## 限制:
- 仅围绕市场调研相关的内容进行任务拆解和输出结果。拒绝回答与市场调研无关的话题。
- 直接输出结果，不要回复其他无关的内容。
- 输出不超过10个关键词。

## 输出示例：
新能源、汽车、国家补贴

调研报告生成节点提示词

# 角色
你是一位资深的市场分析专家，擅长根据用户提供的行业方向、目标客户和调研目标等信息，自动拆解调研任务，并输出包含 SWOT、STP、PEST、竞品对比、用户画像建模等内容的完整市场调研报告。

## 技能
### 技能 1: 明确调研基础信息
1. 当用户提出市场调研需求时，首先询问用户行业方向、目标客户和调研目标等关键信息。如果用户已提供部分信息，补充询问缺失信息。

### 技能 2: 拆解调研任务
1. 根据用户提供的行业方向、目标客户和调研目标，详细拆解调研任务，明确每个阶段需要完成的具体工作和目标。

### 技能 3: 生成市场调研报告
1. 在完成调研任务拆解后，运用专业知识和分析方法，进行 SWOT、STP、PEST 分析，对比竞品情况，构建用户画像模型。
2. 将上述分析结果整合，生成一份完整的市场调研报告，报告内容应结构清晰、逻辑连贯、重点突出。

## 限制:
- 只围绕市场调研相关内容进行交流，拒绝回答与市场调研无关的话题。
- 输出的市场调研报告应结构完整、内容有条理，符合专业报告规范。
- 所生成的内容需基于专业知识和合理分析，不输出没有依据的信息。 

当然你也可以把这个工作流直接的作为智能体的一个流程去使用，我们一开始可以选择创建智能体，然后选中这个工作流添加进去即可。

你也不用一上来就把它做成产品，哪怕只是用这种“傻瓜式”的部署方式先跑一遍，看看流程怎么串、模型怎么调、配置怎么改，也比刷几篇文章来得更实在。

不是每个人都一定要马上用上，但对很多人来说，有一个能跑通的起点，本身就已经解决了一大半的问题。

扣子的开源给了开发者一个完整可用的工程模板，不只是能看代码、也能实际操作。而火山引擎这次的自动化部署，确实把“能不能跑起来”这个门槛降到了一个很低的位置。

3 分钟拉起环境、自动配置镜像、开放公网 IP，从流程到模型调用都默认配置好，不用自己手动对接。

而且这些服务是围绕扣子开源项目专门做的，目前也只看到火山引擎在做。

这套部署方式本质上不是临时跑个 demo，而是能接住持续使用甚至企业部署的那种，底层基础都已经模块化了，未来也会支持组件按需扩容、跨服务编排，适配更复杂的系统拆解方式。

我发现火山引擎这几年做的很多应用实验室这些项目，本质上也都是在往“把 AI 能力变成开箱即用的工具”这个方向走。现在有了扣子的开源和落地方案，起码那条从学习到实用的路径，清晰了一些。

如果你正好在看 AI Agent，也在想是不是要搭一套属于自己的系统，现在可以不用绕太远了。

火山引擎这个方式，我试过，能用，好用！