Coze 开源
AI领域一天一个变化，各厂商的竞争也是很激烈。在国产低代码智能体平台中，Coze 和 Dify 是目前最具代表性的两个产品体系，Dify 的开源已经广为人知，可玩性比较高，Coze 。Coze 是字节的一款 AI Agent 开发平台，和 Dify 差不多可以开发各种AI应用。在早些时候扣子也是面向程序员的开发平台，通过编写节点定义AI工作流，生成AI应用。随着这类产品的发展，扣子发布了扣子空间，可以使用自然语言进行调用内置的各种智能体，即使没有代码经验的开发者也可以零基础开发 Agent 智能体。
扣子旗下有四款子产品：扣子空间、扣子开发平台、扣子罗盘和 Eino （一个Go 语言编写的 LLM 访问框架，已经开源）。就在刚刚字节把Coze Studio（扣子开发平台） 和 Coze Loop（扣子罗盘），更好的消息是采用的开源协议都是 Apache 2.0 许可证，可以商用可以二次修改，不需要授权，很适合个人或者企业使用。
有人说开源不完全，但我看了下 Coze Studio 包含了大部分 Coze 的功能，包括工作流、Agent 这些功能都相当完整，工作流和插件使用起来也相当方便。Coze Loop 是 Coze 的一个开发调试、优化 Prompt工具。还可以监控线上 Prompt 的运行，让数据可以量化。字节的这次开源可以说是将 Coze 的核心引擎完全开源了。
开放就意味顺应技术潮流，AI 赛道最目前最火爆的就是 AI Agent，很多产品都从工作流模式转向了自主式的 Agent 模式，Agent 作为一种比较新的模式，目前不存在什么护城河技术，Coze 这种企业级商业项目的开源，影响应该是很大的，这对推动行业发展很有帮助。
Coze Studio & Coze Loop
Coze Studio 项目地址：https://github.com/coze-dev/coze-studio
Coze Loop 项目地址：https://github.com/coze-dev/coze-loop
先梳理下 Coze Studio 的项目结构，后端使用的 Golang 开发，前端 React + TypeScript，整体微服务架构，结构比较清晰，很方便进行二次开发。
Coze Studio 有完整的工作流（Workflow）引擎：只需拖拽节点，就能轻松编排出复杂的业务逻辑。无论是简单的问答机器人，还是需要执行多步任务的 Agent，都能轻松实现。
插件（Plugin）核心框架：开放了插件的定义、调用与管理机制。你可以便捷地将任何第三方 API 或私有能力封装成插件，无限扩展 Agent 的能力边界。还提供了官方开源插件作为参考，让用户立刻上手。
开箱即用的开发环境： 你只需一键部署，即可获得一个功能完备的 Agent 开发平台，包括创建、调试、版本管理等全套界面，让你专注于创造本身。
部署 Coze
Coze 项目推荐部署服务器最低 2H4G, 需要有 Docker 环境，部署过程非常简单。
因为使用 Docker ，为了方便推荐在服务器安装 1panel 面板。如果遇到 Docker 拉取镜像失败情况可以阅读过往文章【Docker 镜像站关闭后的解决办法】寻找解决办法。
拉取代码
git clone https://github.com/coze-dev/coze-studio.git进入项目目录后复制创建模型配置文件，配置文件有很多可以根据官方模板自行选择，这里我用的openAI 通用协议。
https://github.com/coze-dev/coze-studio/tree/main/backend/conf/model/template
cp backend/conf/model/template/model_template_openai.yaml backend/conf/model/openai.yaml进入 backend/conf/model 编辑 ark_doubao-seed-1.6.yaml
id：Coze Studio 是中的模型 ID，自行定义的非 0 的整数，全局唯一，模型上线后不要修改。
meta.conn_config.model：模型的 model ID，填写调用模型的名字
meta.conn_config.api_key：模型 API Key 填写对应服务的 API 密钥。
base_url ：如果使用的第三方服务，需要修改base_url 。
部署运行 Coze
进入 /coze-studio/docker
# 复制一份配置文件，如有需要可修改端口
cp .env.example .env
# 启动
docker compose --profile '*' up -d执行后会自动拉取镜像和部署，需要等待一段时间，国内服务器可能会存在拉取失败或者速度很慢的情况，需要配置或更换镜像。
部署完成后，打开页面注册就行了，默认使用8888端口。
一个示例
目前智能创建单用户，可以调用开放的API
默认的插件还不是很多，只有十几个，其他插件需要手动导入，界面上没有自动导入的入口。
Coze VS Dify
Coze 对比 Dify 的不足之处，最明显的就是Coze 目前只适合单人玩，没有用户管理之类的功能。模型接入和插件使用没有自动化，每次配置模型都还需要修改配置文件，比较麻烦。
目前看用户端使用体验较好的还是 Dify。开源协议宽松，适合二次开发的是 Coze，就是需要折腾。
下表对比了一些二者的特点。
| 对比维度 | 功能细项 | Coze Studio | Dify |
|---|---|---|---|
| 核心功能 | 可视化开发 | 拖拽式工作流编排，支持节点连接 | 可视化Prompt编排，低代码工作流 |
| 多模型支持 | OpenAI、Claude、本地LLM、自定义端点 | 支持数百种模型，包括OpenAI、DeepSeek、Anthropic | |
| RAG能力 | 内置向量索引和检索，文档上传 | 高质量RAG引擎，自动文本预处理 | |
| 插件系统 | 支持第三方API集成，可自定义插件 | 计划支持ChatGPT Plugins标准 | |
| 工作流编排 | 复杂业务逻辑快速构建 | 灵活的AI工作流编排 | |
| 应用发布 | 一键部署，生成可访问URL | 支持Web应用和API集成 | |
| 开发调试 | Prompt开发 | 基础Prompt配置 | 可视化Prompt编排 |
| 调试工具 | 30分钟快速构建Agent | 可视化调试界面 | |
| 评估功能 | 基础评估 | 数据标注和改进 | |
| 监控观测 | 基础监控 | AI日志审查 | |
| 版本控制 | 基础版本管理 | 应用版本管理 | |
| 技术架构 | 后端语言 | Go (Golang) | Python |
| 前端技术 | React + TypeScript | React + TypeScript | |
| 架构模式 | 微服务 + 领域驱动设计 | BaaS + LLMOps | |
| 缓存系统 | Redis | Redis | |
| 搜索引擎 | Elasticsearch | 向量数据库 | |
| 部署方式 | Docker Compose | Docker或源代码部署 | |
| 系统性能 | 最低配置 | 2核4GB内存 | 2核4GB内存 |
| 并发性能 | 高并发支持，字节跳动验证 | 支持高并发 | |
| 扩展性 | 水平扩展 | 云托管扩展 | |
| 企业级特性 | 生产环境优化 | 企业版功能 | |
| 开源协议 | 开源协议 | Apache 2.0 | Apache 2.0基础 + 附加条件 |
| 商业使用 | 允许 | 允许 | |
| 修改权限 | 允许，需声明重大变更 | 允许 | |
| 专利权限 | 明确授予专利权 | 需查看具体条款 | |
| 生态系统 | 应用模板 | 完整应用模板 | 丰富应用模板 |
| 插件数量 | 开源版插件较少 | 计划支持ChatGPT插件 | |
| 社区活跃度 | 新发布，社区建设中 | 活跃开源社区 | |
| 企业支持 | 字节跳动官方支持 | Dify.AI官方支持 | |
| 文档完整性 | 详细文档 | 完整文档 | |
| 特色功能 | 多租户支持 | 当前不支持 | 支持 |
| A/B测试 | 不支持 | 不支持 | |
| 数据导入 | 文档上传 | Web/Notion导入 | |
| 监控面板 | 基础监控 | 数据监控 | |
| 成本管理 | 基础成本控制 | 运营成本监控 | |
| 团队协作 | 单用户系统 | 多用户协作 | |
| 企业部署 | 生产级架构 | 企业版支持 | |
| 开发调试 | 可视化调试 | 可视化调试 | |
| 性能优化 | 高性能架构 | 性能监控 |
0