Coze教程 | 第2章：Coze开发环境搭建与配置

本文将手把手带你完成Coze开发环境的搭建与配置，让你能快速开始本地化的AI智能体开发。

1. Coze开源概述与环境准备

字节跳动于2025年7月26日正式开源其AI智能体开发平台"扣子"（Coze），包含Coze Studio可视化开发工具和Coze Loop运维管理系统两大核心组件。它采用Apache 2.0许可证，允许免费商业使用，无隐藏条款。

1.1 硬件要求

Coze的硬件要求非常亲民：

• CPU：2核或以上
• 内存：4GB或以上
• 存储空间：至少2GB可用空间

这意味着普通家用电脑即可流畅运行，真正将AI开发门槛拉低到"家用电脑级"。

1.2 软件依赖

Coze本地部署的唯一前置依赖是Docker，它的作用是为Coze创建隔离的运行环境，避免了繁琐的环境配置工作。

人工智能技术学习交流群

2. 安装Docker

Docker是容器化平台，允许你轻松打包、分发和运行应用程序。

2.1 安装步骤

1. 访问Docker官网下载适合你操作系统的安装包。
2. 双击安装包，按照向导完成安装（Windows用户需要启用Hyper-V功能，安装过程中若提示重启请同意）。
3. 安装完成后打开Docker Desktop，确认状态栏显示"Running"。

💡 提示：如果从Docker官网下载速度慢，可以使用国内镜像包。

2.2 验证安装

安装完成后，打开终端或命令提示符，运行以下命令验证Docker是否安装成功：

docker --version
docker compose version

如果这两个命令都能正确输出版本信息，说明Docker已成功安装。

3. 获取Coze源码

Coze的源代码托管在GitHub上，我们可以通过git命令获取：

1. 打开终端（Docker Desktop内置终端或系统终端）
2. 执行以下命令克隆代码仓库：

# 克隆Coze Studio代码仓库
git clone https://github.com/coze-dev/coze-studio.git

# 进入docker配置目录
cd coze-studio/docker

# 复制环境配置文件
cp .env.example .env

⚠️ 注意：Windows用户如果使用命令提示符（CMD），可能需要将cp命令替换为copy：

copy .env.example .env

对于不熟悉git的用户，可以直接在GitHub下载ZIP压缩包并解压，然后手动进入coze-studio/docker目录创建.env文件。

4. 配置模型服务（关键步骤）

这是最关键的一步，不配置模型将无法创建智能体。Coze支持多种大语言模型，包括DeepSeek、OpenAI、Claude、Qwen、Gemini、豆包等。以下以配置DeepSeek模型为例：

4.1 创建模型配置文件

1. 进入模型配置目录：

   # Mac/Linux用户
   open ../backend/conf/model/
   
   # Windows用户
   start ../backend/conf/model/
   

2. 复制DeepSeek模板文件：

   # 复制DeepSeek模板
   cp ../backend/conf/model/template/model_template_ark_volc_deepseek-r1.yaml backend/conf/model/deepseek-r1.yaml
   

4.2 编辑模型配置

用文本编辑器打开新创建的deepseek-r1.yaml文件，修改以下参数：

base_url: "https://api.deepseek.com/v1"
api_key: "sk-xxxxxxxx"  # 在DeepSeek平台(https://platform.deepseek.com/)申请
model: "deepseek-reasoner"

其中api_key需要在DeepSeek平台申请。

以下是几种常见模型的配置参数参考：

💡 提示：豆包模型的API Key来自火山引擎（字节的云服务平台），可以在https://console.volcengine.com/ark/region:ark+cn-beijing/apiKey申请。

5. 启动Coze服务

完成模型配置后，就可以启动Coze服务了：

1. 确保当前在coze-studio/docker目录中
2. 执行以下命令启动服务：

docker compose --profile '*' up -d

这个命令的含义是：

• docker compose：使用Docker Compose运行服务
• --profile '*'：启用所有profile配置
• up：启动服务（没有就创建容器，有就重启）
• -d：detached模式，即在后台运行

首次运行需要下载和构建镜像，可能需要5-15分钟（具体时间取决于网络速度）。

6. 访问Coze界面

服务启动成功后，打开浏览器访问http://localhost:8888，你就可以看到Coze Studio的首页了。

首次访问时，系统会提示你注册账号，输入任意邮箱和密码即可完成注册并登录系统。

7. 避坑指南：常见问题与解决方案

在部署过程中，可能会遇到一些常见问题，以下是解决方案：

7.1 端口冲突错误

如果启动时提示Ports are not available，说明有端口被占用：

解决方案：

• 关闭占用端口的程序（如3306/6379）：

  # Windows查找占用3306端口的进程
  netstat -ano | findstr :3306
  # 然后使用任务管理器结束对应PID的进程
  

• 或者修改docker-compose.yml中的端口映射配置，将冲突的端口改为其他未占用端口。

7.2 MySQL启动失败

如果报错MYSQL_USER cannot be "root"：

解决方案：

• 删除系统环境变量中的MYSQL_USER和MYSQL_PASSWORD。

7.3 Elasticsearch启动失败

如果报错exit 127或提示"service 'elasticsearch-setup' didn't complete successfully"：

解决方案：

• 用VS Code或Notepad++等代码编辑器打开docker/volumes/elasticsearch/setup_es.sh文件。
• 在编辑器的右下角，你会看到CRLF或LF的标识，点击它并选择LF格式。
• 保存文件后重新启动服务。

7.4 Windows特有问题

Windows用户可能会遇到以下问题：

1. 命令不存在错误：Windows系统可能不支持一些Linux命令（如cp、open等）：

• 使用copy代替cp
• 使用start代替open

• 端口被系统保留：如果出现Ports are not available: exposing port TCP 0.0.0.0:2379错误：

  # 查看端口占用
  netstat -ano | findstr :2379
  # 重置网络适配器
  net stop winnat
  net start winnat
  

8. 进阶配置：更换模型

如果你想更换为其他模型（如切换到Qwen），可以按照以下步骤操作：

1. 复制模板文件到配置目录：

   cp ../backend/conf/model/template/model_template_basic ../backend/conf/model/qwen.yaml
   

2. 修改qwen.yaml内容：

   id: 2  # 保持唯一性，不可与其他模型重复
   name: "qwen3-235b"
   meta.conn_config:
     base_url: "https://dashscope.aliyuncs.com/compatible-mode/v1"
     api_key: "阿里百炼申请的KEY"
     model: "qwen3-235b-a22b-instruct-2507"
   

3. 重启服务生效：

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

9. 验证部署是否成功

完成所有步骤后，可以通过以下方式验证Coze是否成功部署：

1. 访问http://localhost:8888，能够看到Coze登录界面
2. 注册账号并登录系统
3. 尝试创建一个简单的智能体并进行对话测试
4. 如果遇到"Something error: Internal server error"，可以通过查看日志排查问题：

   # Linux/Mac
   docker logs coze-server | grep -i 'node execute failed'
   
   # Windows
   docker logs coze-server | findstr /i "node execute failed"
   

10. 本章小结

本章详细介绍了Coze开发环境的搭建与配置过程，主要包括以下内容：

1. 环境准备：安装Docker作为Coze运行的基础环境
2. 获取源码：从GitHub克隆Coze Studio代码仓库
3. 模型配置：配置DeepSeek或其他大语言模型作为智能体的核心引擎
4. 服务启动：使用Docker Compose启动所有Coze服务
5. 问题排查：解决部署过程中可能遇到的常见问题
6. 验证测试：访问Coze界面并验证部署是否成功

现在你已经成功搭建了本地的Coze开发环境，可以开始创建和测试自己的AI智能体了。在下一章中，我们将深入介绍如何使用Coze创建你的第一个智能体，并配置其基本功能和特性。