2025年7月28日，扣子开源了。
今天带大家一起本地化部署coze，可简单了，一学就会。
先来了解下扣子
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。
开源的意思就是，我们可以在本地电脑上或者自己的服务器上搞个公司级别的Coze应用私有化部署。就像n8n或者Dify那样，通过Coze可轻松实现AI代理创建。
私有化部署教程
可简单了，一学就会。
环境要求：
-
最低系统要求： 2 Core、4 GB
-
提前安装 Docker、Docker Compose，并启动 Docker 服务。
我在家里的工作站部署了Coze，环境：28c，64g，2Tb，4070s，windows 11。
开源地址：
https://github.com/coze-dev/coze-studio
windows安装docker教程
1、启动Hyper-V虚拟机
“我的电脑”右键“属性”进入系统设置页面。
搜索“程序”，找到“启用或关闭Windows功能”，勾选Hyper-V。
点击确定后，会安装hyper-v的功能组件，安装完成后，重启计算机。
2、下载并安装docker for windows
访问docker官网下载 Windows 的版本，如果你还没有登录，会要求注册登录：
https://hub.docker.com/?overlay=onboarding
双击下载的 Docker for Windows Installer 安装文件，一路 Next，点击 Finish 完成安装。
完成安装重启计算机，启动docker desktop。
部署Coze
1、获取源码
git clone https://github.com/coze-dev/coze-studio.git
2、配置模型文件
从模板目录复制 doubao-seed-1.6 模型的模版文件，并粘贴到配置文件目录。
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.yaml
在配置文件目录下，修改模版文件。编辑配置文件：backend/conf/model/ark_doubao-seed-1.6.yaml，设置``id、meta.conn_config.api_key、meta.conn_config.model字段，并保存文件。
id：由开发者自行定义，必须是非0整数，且全局唯一。模型上线后请勿修改。
meta.conn_config.api_key：模型服务的 API Key，从火山方舟中获取的API key。获取方式：https://www.volcengine.com/docs/82379/1541594
meta.conn_config.model：模型服务的model ID，从火山方舟中申请的model，获取方式：https://www.volcengine.com/docs/82379/1099522在火山方舟中获取**api_key和model后，在配置文件`backend/conf/model/ark_doubao-seed-1.6.yaml`中更新。**
3、部署并启动服务。 首次部署并启动 Coze Studio 需要拉取镜像、构建本地镜像，可能耗时较久，请耐心等待。部署过程中，你会看到以下日志信息。如果看到提示 "Container coze-server Started"，表示 Coze Studio 服务已成功启动。
# 启动服务
cd docker
cp .env.example .env
docker compose up -d
Docker 镜像源问题处理
在执行docker compose up -d 时，会出现连接错误的情况，一般是因为镜像不能连接。
在尝试了多个docker镜像源，找到了一个目前还可用的源。
在“settings”-“Docker Engine”中配置如下：
{
"registry-mirrors": [
"https://hub.rat.dev/"
],
"insecure-registries": [],
"debug": false,
"experimental": false
}
编辑完成后，点击“apply”，会自动重启docker。
重启完成docker后，再次执行docker compose up -d。
最终完成了项目启动，如下图所示。
4、启动服务后，通过浏览器访问 http://localhost:8888/ 即可打开 Coze Studio。
首次访问，输入邮箱、密码，点击注册，进入工作台。
可以创建智能体和应用。
开源的coze的应用功能，相比coze官方在线的服务，未支持用户界面的功能，只支持业务逻辑的功能。
Coze开源版本的适用场景
Coze 开源版本，核心定位是低代码 / 无代码搭建 AI 应用，支持多模型集成、插件扩展、知识库管理等功能。其开源特性（免费、可本地部署、可二次开发）使其在多个场景中具备独特优势，以下是主要适用场景：
1.个人开发者与 AI 爱好者：快速验证 AI 应用想法
对于个人开发者或 AI 爱好者，Coze 开源版本的低代码特性可大幅降低 AI 应用开发门槛，适合：
- 快速搭建轻量化 AI 工具：比如基于大模型的文本生成工具（如文案助手、邮件润色器）、知识问答工具（如特定领域的 “小百科”）、工作流自动化工具（如结合插件实现 “自动摘要 + 翻译 + 存档” 的流程）。
- 验证创意原型：无需深入掌握大模型 API 调用、前端开发等技术，通过拖拽组件、配置插件即可快速实现想法，比如 “结合天气插件的旅行建议机器人”“基于本地知识库的读书笔记助手” 等。
- 学习与实践 AI 应用开发：通过开源代码了解大模型与插件的集成逻辑、对话流程设计、知识库检索机制等，作为 AI 应用开发的学习载体。
2.中小企业：低成本搭建定制化 AI 工具
中小企业往往预算有限，且需要贴合自身业务的定制化工具，Coze 开源版本可满足：
- 内部效率工具开发：比如为客服团队搭建 “内部知识库问答机器人”（接入企业产品手册、流程文档），为运营团队开发 “社交媒体内容生成工具”（结合行业模板和关键词生成文案），为行政团队开发 “合同条款审查助手”（基于本地规则库实现初步合规检查）。
- 客户服务场景轻量化升级：无需采购昂贵的企业级客服系统，通过 Coze 开源版本搭建简单的智能客服机器人，接入企业官网或小程序，处理常见问题（如订单查询、售后流程指引），降低人工客服压力。
- 本地化部署需求：对于数据敏感型企业（如中小律所、医疗机构），可通过本地部署 Coze 开源版本，确保数据不流出企业内部，同时利用 AI 能力提升效率（如医疗案例检索助手、法律条文匹配工具）。
3.教育与科研机构：AI 教学与研究辅助
教育和科研场景中，Coze 开源版本的可定制性和透明化特性更具优势：
- AI 教学工具开发：高校或培训机构可基于其搭建 “AI 应用开发实训平台”，让学生通过配置插件、设计对话流程，直观理解 “大模型 + 工具” 的协同逻辑，比如 “让学生开发一个‘历史事件问答机器人’（结合本地历史知识库）”。
- 科研辅助工具：科研团队可定制化开发领域内的 AI 助手，比如 “论文摘要生成与关键词提取工具”（结合学术语料库）、“实验数据初步分析助手”（通过插件对接数据处理工具，生成简易分析报告）。
- 知识库管理与检索：科研机构可将内部文献、实验记录导入 Coze 的知识库，搭建 “内部科研问答系统”，方便团队快速检索资料（如 “某课题相关的过往实验结论”“特定仪器的操作指南”）。
4.垂直领域：结合行业数据搭建专用 AI 应用
Coze 开源版本支持本地知识库和自定义插件，适合在垂直领域（数据隐私要求高、需求个性化强）搭建专用工具：
- 医疗健康：基层医疗机构可搭建 “常见病问答机器人”（接入本地诊疗指南知识库），辅助医生快速查询基础诊疗方案；或开发 “患者随访助手”（结合日程插件发送提醒，生成结构化随访记录）。
- 制造业：工厂可基于 Coze 搭建 “设备维护问答机器人”（接入设备手册、故障案例库），帮助维修人员快速定位问题；或开发 “生产流程合规检查工具”（结合本地规则库，自动检查操作步骤是否符合规范）。
- 内容创作领域：自媒体团队可定制 “垂直领域内容生成工具”，比如 “结合影视知识库的影评生成器”“基于行业报告的财经短评助手”，通过配置特定风格模板提升内容产出效率。
5.开源社区与技术团队：二次开发与功能扩展
由于代码开源，技术团队可基于 Coze 进行深度二次开发，满足更复杂的需求：
- 功能定制化扩展：比如为大模型集成新增的能力（如多模态处理、特定领域的微调模型），或开发专属插件（如对接企业内部系统的 API 插件、自定义数据存储插件）。
- 性能优化与适配：针对特定硬件环境（如边缘设备、私有云）优化部署方案，使其在资源有限的环境中高效运行（如小型服务器、嵌入式系统）。
- 构建行业解决方案：技术服务商可基于 Coze 开源版本封装垂直行业解决方案，比如 “面向县域医院的智能问诊系统”“面向中小电商的客户服务套件”，降低方案开发成本。
Hi，我是阿信，一个喜欢探索、学习、思考、分享的产品经理人。欢迎扫码入群交流AI的使用，智能体的开发与应用。