2025年7月26日，国内当下最热门的工作流/Agent框架扣子（Coze），宣布开源了。
Coze由于容易上手、适合零代码基础等特点，是许多用户使用的第一个工作流/Agent工具。
跟着新手教程，只需三五分钟就可以搭建自己的智能体，而且Coze的生态环境也十分丰富。作为字节公司的产品，跟飞书生态集成的十分友好，因此给Coze带来了非常庞大的用户群体。
过去由于Coze的闭源策略，大多数情况通常被用于制作个人智能体。但现在情况不同了，开源后意味着可以直接部署到企业生产环境，这是非常有战略价值意义的一个里程碑。
这里为了防止部分同学不清楚开源的概念，简单做一下概念梳理。
开源：所有人都可以看到项目完整底层代码，开发者通常会将代码上传到github。其他人下载后，可以通过开源代码了解项目架构、部署到个人服务器、以及根据个人需求做二次开发等等。
代表项目：Linux、MySQL、DeepSeek、Qwen
闭源：除开发者外，其他人看不到代码，更有利于保护知识产权和商业机密。
代表项目：Windows、IOS、ChatGPT
01 Coze开源框架介绍
Coze这次一次性发布了两款开源框架，可以简单理解为，一个是用于流程开发的，一个是用于监控的，分别是：
扣子开发平台 （Coze Studio）
扣子罗盘 （Coze Loop）
GitHub 项目地址:
https://github.com/coze-dev/coze-studio
https://github.com/coze-dev/coze-loop
截止到发稿时间（2025.8.3），Coze在github上的Star星标数量已经有14k了。
Coze在开源社区和发布会上的一些内容，这里我也是把重点信息做一下提取：
1、Coze遵循Apache-2.0协议，意味着可以自由使用、修改和分发Coze的代码，包括商业化使用
2、Coze本地部署最低要求为2核CPU，4G内存，基本可以说是随便跑了
3、当前已集成插件、知识库、数据库等能力
4、Coze智能体可发布为API服务
5、后端采用Golang开发，前端使用React + TypeScript
Coze宣布开源后，受影响最大的当属dify。dify是我目前工作中深度使用的一款框架，也是目前众多公司的框架选择。
本段对比内容由秘塔（https://metaso.cn/）深度研究生成
其他还有例如LangChain、LlamaIndex等，这类属于更加细分的高代码Agent框架。个人认为并不属于Coze的直接竞品，可能会适当带来一些冲击，但整体影响不会很大。
高代码意味着更高的自由度，并且公司内部已经有足够的开发团队去承接。
git clone https://github.com/coze-dev/coze-studio.git
打开 \coze-studio\backend\conf\model\template，可以看到Coze目前已经支持的大模型（LLM），主流大模型基本上都已经支持。
国内目前支持：豆包、DeepSeek、Qwen
国外目前支持：OpenAI、Claude、Gemini
这里我使用 DeepSeek-V3 官方的 API 秘钥，所以我需要将 model_template_deepseek.yaml 复制一份到 \coze-studio\backend\conf\model 路径下，并将模板文件前面的名称 model_template_ 删掉，修改后的文件名称为 deepseek.yaml
修改 deepseek.yaml 里的api_key、model，这里如果没有api_key，可以参考DeepSeek官网文档注册一个（https://api-docs.deepseek.com/zh-cn/）
通过 docker 命令构建、启动项目。
首次启动由于要拉取镜像，下载时间稍微有点久，我这边下载了10几分钟。
# 启动服务
cd docker
cp .env.example .env
docker compose --profile '*' up -d
看到最后一行的 Container coze-server Started，表示启动成功了。
浏览器访问http://localhost:8888/ 即可打开CozeStudio
随便输入一个邮箱、密码，点击注册（假的邮箱也行），就登录到CozeStudio控制台首页了。
剩下的操作基本跟Coze在线版类似了，可以按照自己的业务场景，创建智能体，配置插件。
可以看到已经成功集成了我前面配置的 DeepSeek-V3 大模型。
目前插件集成的还比较少，主要有：飞书、高德地图、搜狐新闻、什么值得买、天眼查等等。
Coze开发团队也提倡各位开发者，可以共同参与到插件的维护中，大家合力维护良好的开发生态。
目前内置了两个智能体模板，这里我把第一个英语聊天智能体复制过来。
改个名，很简单几步就有了自己的智能体了，然后就可以任意发挥想象DIY啦。
值得一提的是，CozeStudio集成的知识库能力还不错，常用功能例如分段策略、分段最大长度、查询改写、结果重排、最大召回数量等等功能都已经支持。
最后，也希望Coze能提供“线上现有智能体，迁移到开源框架”的解决方案，这个对很多人还是挺刚需的。不过考虑到版本差异、插件等的集成冲突，这个可能一时半会难以实现。
现阶段，国内不管是大语言模型（LLM）、还是AI Agent，都在疯狂开源。而国外则选择疯狂闭源，为什么国内外会采取截然不同的策略呢？
对普通用户来说，其实并不关心是否开源，普通用户更关心的是这个产品好不好用、是否免费。
首先最大的是问题是闭源产品如果直接在企业级项目中使用，是风险非常高的一件事情，这涉及到公司数据安全泄露隐患。服务器不在自己手里，谁也不知道数据被拿去做了什么。
其次就是社群开源，更有利于创建一个积极的开发生态，会有更多开发者参与到开源框架的迭代中。
这里借用一句之前在其他评论区看到的不错的回答，大致意思是：
国产大语言模型（LLM），相较于美国，仍然存在一定差距。现阶段地位类似于垄断者和追赶者，垄断者想要维持壁垒，获取高额利润。而追赶者目前最关注的，是打破垄断地位，而不是获取利润。
国内外在大语言模型和AI Agent的开源与闭源策略上的差异，是技术发展、商业利益、国家战略和用户需求等多方面因素共同作用的结果。
作为国产软件，在某些使用场景下会更贴合我们的日常使用习惯，这细化到每一个按钮的位置，每一句提示词的表达方式。
最后，也真诚地希望各位，为国产AI产品能够贡献一份微薄之力，一个良好的开发生态需要所有参与者共同维护。
也许我们不经意间的一句评论、一次BUG反馈、一行代码提交，有些事就会变得不一样。
相信不管是国产大语言模型，还是国产AI产品，总有一天会实现弯道超车。
粤ICP备14082021号
免费POC，
零成本试错
