第07章:Coze的Windows平台部署
1、整体概述
1.1 Coze的开源
字节跳动于2025年7月26日开源其AI智能体开发平台Coze(中文名“扣子”),短短48小时内GitHub星标数突破9000+。
最大亮点在于其极致亲民的硬件要求——普通家用电脑(2核CPU+4GB内存)即可流畅运行。
为什么Coze开源是劲爆新闻?
之前我们在Coze上搭建的智能体只能交付给C端用户,如果交付给B端用户通常都是用Dify、n8n等平台上搭建智能体交付,因为企业用户要求数据绝对安全,放在公网上是不能接受的,而Dify恰好是可以私有化部署的。
现在Coze也开源了,意味着以后更多了一种选择,这绝对可以说是一个里程碑式的进步。
为什么选择开源Coze?
- 零成本商用:采用Apache 2.0协议,意味着你可以自由地用于商业用途,并进行二次开发
- 全链路开源:覆盖Agent开发(Studio)、测试/运维(Loop)、部署(SDK)
- 硬件平民化:告别动辄16G显存的GPU,普通笔记本即可运行AI工作流
1.2 两大核心组件
两大核心组件:Coze Studio和Coze Loop。
-
可视化开发工具Coze Studio: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。github地址:https://github.com/coze-dev/coze-studio
-
运维管理工具Coze Loop:用于AI Agent运维和生命周期管理的平台。github地址:https://github.com/coze-dev/coze-loop
1.3 Coze本地化部署流程
Coze的本地化部署主要依赖Docker,其核心流程可以概括为以下四个阶段。
| 阶段 | 核心任务 | 关键操作/说明 |
|---|---|---|
| 1. 环境准备 | 确保系统满足条件 并安装必要软件 |
确认电脑配置(建议双核CPU+4G内存以上), 安装 Docker和Git。 |
| 2. 获取代码 | 下载Coze Studio开源 代码到本地 |
通过git clone命令或直接从GitHub下载ZIP压缩包的方式获取源码。 |
| 3. 配置模型 | 配置Coze将要使用的 大语言模型 |
这是关键一步,主要有两种选择:云端API模型 (如火山方舟)或本地模型(如通过Ollama部署)。 |
| 4. 启动服务 | 使用Docker编译并 运行所有服务 |
在项目目录下执行Docker命令,完成后通过 浏览器访问 http://localhost:8888即可。 |
2、Coze Studio的安装和配置

步骤1:安装Docker(环境准备)
Docker是唯一前置依赖,用于创建隔离运行环境:
1、下载安装包
- Docker官网下载地址:https://www.docker.com/products/docker-desktop/
- 国内用户若下载慢,可使用飞书镜像包:https://ay6exk7fyt.feishu.cn/drive/folder/IccNf2B4JlJOIvd2kWfcpYnRn4l

2、安装设置
3、安装完成后打开Docker Desktop,确认状态栏显示 “Running” ✅

个别首次安装的小伙伴会被windows系统提示需要安装
适用于Linux的Windows子系统。这里选择确认安装。稍等片刻后会完成安装。
4、配置多个镜像加速器
在安装Coze之前,我们要先进行Docker中镜像网站的设置,因为默认的镜像是国外的网址,访问不到,国内或没有加速器的需要配置docker镜像源,修改方式如下:

"registry-mirrors": [
"https://registry.docker-cn.com",
"https://s4uv0fem.mirror.aliyuncs.com",
"https://docker.1ms.run",
"https://registry.dockermirror.com",
"https://docker.m.daocloud.io",
"https://docker.kubesre.xyz",
"https://docker.mirrors.ustc.edu.cn",
"https://docker.1panel.live",
"https://docker.kejilion.pro",
"https://dockercf.jsdelivr.fyi",
"https://docker.jsdelivr.fyi",
"https://dockertest.jsdelivr.fyi",
"https://hub.littlediary.cn",
"https://proxy.1panel.live",
"https://docker.1panelproxy.com",
"https://image.cloudlayer.icu",
"https://docker.1panel.top",
"https://docker.anye.in",
"https://docker-0.unsee.tech",
"https://hub.rat.dev",
"https://hub3.nat.tf",
"https://docker.1ms.run",
"https://func.ink",
"https://a.ussh.net",
"https://docker.hlmirror.com",
"https://lispy.org",
"https://docker.yomansunter.com",
"https://docker.xuanyuan.me",
"https://docker.mybacc.com",
"https://dytt.online",
"https://docker.xiaogenban1993.com",
"https://dockerpull.cn",
"https://docker.zhai.cm",
"https://dockerhub.websoft9.com",
"https://dockerpull.pw",
"https://docker-mirror.aigc2d.com",
"https://docker.sunzishaokao.com",
"https://docker.melikeme.cn"
]
到这里,Docker已经安装配置好了。
步骤2:下载Coze安装包
安装方式1:Github/Gitee
- 打开Docker Desktop内置终端(右下角Terminal图标)
- 执行以下命令:
# 克隆官方仓库代码
git clone https://github.com/coze-dev/coze-studio.git
**注意:**由于github下载较慢,大家可以将github上coze-studio镜像下载到gitee平台,然后从gitee平台下载。
1)在gitee平台上:

2)复制Github上的coze-studio地址

粘贴到:

3)下载完成以后,复制gitee上的地址:

粘贴到docker desktop客户端:

说明:git是一个从代码仓库拉取代码的工具,大家通过以下网址下载,安装一下即可。安装非常简单,安装以后,就可以使用git命令了。如果你没有安装git,请先安装git:https://git-scm.com/downloads
安装方式2:解压zip包
如果你不想安装git,你也可以直接下载github上coze的zip包,如下图:
https://github.com/coze-dev/coze-studio

下载后解压到指令目录即可。
步骤3:安装并配置模型
首次部署并启动 Coze Studio 开源版本之前,需要在 Coze Studio 项目中配置模型服务。否则,在创建Agent或工作流时将无法正确选择模型。
1、从模板目录复制doubao-seed-1.6模型的模板文件,并粘贴到配置文件目录中。
首先,进入根目录coze-studio下,在地址栏中输入“cmd”并按回车键。

执行命令:
copy backend\conf\model\template\model_template_ark_doubao-seed-1.6.yaml backend\conf\model\ark_doubao-seed-1.6.yaml
2、修改配置文件目录中的模板文件,填入对应的参数
id:Coze Studio 中的模型 ID,由开发者自主定义,必须为非零整数,全局唯一。模型上线后请勿修改模型 ID。
meta.conn_config.api_key:在线模型服务的 API Key,获取方式见下方获取Key和Model接入点的api_key。
meta.conn_config.model:在线模型服务的模型 ID。本例中为 Volcengine Ark doubao-seed-1.6 模型接入点的 Endpoint ID,获取方式见下方获取Key和Model接入点的model。
配置方案说明:
模型配置是部署的核心,主要有以下两种方案,根据自己的需求(如网络条件、数据敏感性、成本)进行选择。
| 配置方式 | 优点 | 缺点 | 适用场景 |
|---|---|---|---|
| 云端API模型 (如火山方舟) | 模型能力强,响应速度快,无需消耗本地计算资源。 | 需要API Key(可能产生费用),需要联网,数据需传输到厂商云端。 | 体验Coze全部功能,需要最先进的模型能力,开发测试环境。 |
| 纯本地模型 (通过Ollama) | 数据完全私密,离线可用,API调用免费。 |
本地硬件要求较高(尤其需要较好GPU),模型性能可能不及顶级云端模型。 | 对数据安全有严格要求,内网环境,希望完全掌控模型的场景。 |
方案1:配置云端API模型(以火山方舟为例)
1、创建 API Key
进入火山引擎官网 https://www.volcengine.com ,打开【控制台】。

搜索并进入【火山方舟】

点击【API Key 管理】下的【创建 API Key】,选择【创建】

点击小眼睛即可查看 API Key ,复制备用。

2、创建Endpoint
进入【在线推理】页面,选择【自定义推理接入点】,点击【创建推理接入点】

输入接入点名称,建议以模型命名,点击【添加模型】

模型目前支持:豆包、DeepSeek、Kimi、Qwen,这里以豆包 1.6 为例,选择后确定。


勾选协议,点击【开通模型并接入】。

补充:如果是模型首次开通需要实名认证,输入个人信息,手机刷脸验证。
复制Endpoint。注意:模型名称下方的 ID 就是Endpoint。

3、配置 Coze 文件
找到前面的文件:ark_doubao-seed-1.6.yaml,进行编辑
- id 修改为任意 5 位以上纯数字。

- 将前面创建的【API Key】和【Endpoint】填入下图位置内,保存并关闭文件。

方案2:配置纯本地模型(通过Ollama)
这种方法可以实现完全离线的私有化部署。
1、安装Ollama:首先在本地安装Ollama,它是一个用于在本地运行大模型的工具。
2、拉取模型:通过Ollama拉取你想要的模型,例如在命令行中执行 ollama pull qwen2.5:7b来下载一个开源模型。
3、配置Coze:在Coze项目目录下,找到Ollama的配置文件模板model_template_ollama.yaml,

将其复制并重命名为model_ollama.yaml,保存到 backend/conf/model/ 目录下:

修改其中的 base_url为Ollama的服务地址(通常是 http://host.docker.internal:11434),并指定你拉取的 model 名称。

步骤4:安装并启动Coze
下图中有一个名叫docker的目录,我们要进入到这个项目文件夹中,进行安装。
在当前目录下,测试如下:
1、输入docker,点击回车键后,返回下图这样的结果,表明安装是成功的,没有任何问题。
2、环境变量配置
执行如下命令,重命名环境配置文件:
copy .env.example .env #或执行:cp .env.example .env

3、在Docker里启动Coze
首次启动可能需要5-10分钟(依赖网络速度),运行一下这条命令:
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
出现下图表示成功:

4、安装结束后,查看运行状态
docker compose ps
打开安装好的docker客户端,正常就可以看到docker启动起来了。
docker compose ps
我们打开安装好的docker客户端,正常就可以看到docker启动起来了。

步骤5:初始化并访问Coze管理界面
安装好后,我们打开浏览器,访问http://localhost:8888/来打开 Coze Studio ,可以看到如下界面。

登录进去,即可正常使用了

正常就可以看到docker启动起来了。
小遗憾:目前功能较商业版还比较简陋,但未来可期!
3、CozeLoop(扣子罗盘)指南
3.1 介绍

Coze Loop 是一个面向开发者,专注于 AI Agent 开发与运维的平台级解决方案。 它可以解决 AI Agent 开发过程中面临的各种挑战,提供从开发、调试、评估、到监控的全生命周期管理能力。
3.2 部署
1、前期准备工作
安装 CozeLoop 开源版之前,确保您的软硬件环境满足以下要求:
- Go:已安装Go SDK,且版本为1.23.4及以上版本。配置GOPATH,同时将${GOPATH}/bin加入到环境变量PATH中,保证安装的二进制工具可找到并运行。
- Docker:提前安装Docker、Docker Compose,并启动 Docker 服务
- 模型:已开通OpenAI或火山方舟等在线模型服务。
2、克隆仓库
git clone https://gitee.com/shkstart/coze-loop.git

3、配置模型
编辑文件coze-loop/release/deployment/docker-compose/conf/model_config.yaml,修改 api_key 和 model 字段。以火山方舟为例:
- api_key:火山方舟 API Key。(参考Coze Studio中的同步骤情况)
- model:火山方舟模型接入点的 Endpoint ID。(参考Coze Studio中的同步骤情况)

4、启动服务

在上述目录下,启动服务。但在服务启动之前,需要修改.env和docker-compose.yml文件,将文件内8888端口改为8889,因为前者被coze-studio绑定,不改会启动失败。
更改完成以后,执行启动命名:
docker compose -f docker-compose.yml --env-file .env --profile "*" up

首次启动需要拉取镜像、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。如果回显信息中”提示后端构建完成“,表示 CozeLoop 已成功启动。
5、访问 CozeLoop 开源版
通过浏览器访问 Coze Loop 开源版 http://localhost:8082。


3.3 使用 Coze Loop
登录 Coze Loop,使用 Playground 的功能。选择模型配置,然后在预览与调试窗口进行对话。
3.4 使用 Coze Loop 开源版
1、Prompt 开发:Coze Loop 的 Prompt 开发模块为开发者提供了从编写、调试、优化到版本管理的全流程支持,通过可视化 Playground 实现 Prompt 的实时交互测试,让开发者能够直观比较不同大语言模型的输出效果。

-
评测:Coze Loop 评测模块为开发者提供系统化的评测能力,能够对 Prompt 和扣子智能体的输出效果进行多维度自动化检测,例如准确性、简洁性和合规性等。
-
观测:Coze Loop 为开发者提供了全链路执行过程的可视化观测能力,完整记录从用户输入到 AI 输出的每个处理环节,包括 Prompt 解析、模型调用和工具执行等关键节点,并自动捕获中间结果和异常状态。
-
Prompt 开发与调试:Coze Loop 提供了完整的提示词开发流程。
-
评测:Coze Loop 的评测功能提供标准评测数据管理、自动化评估引擎和综合的实验结果统计。
-
Trace 上报与查询:Coze Loop 支持对平台上创建的 Prompt 调试的 Trace 自动上报,实时追踪每一条 Trace 数据。


- 开源版使用Coze Loop SDK:Coze Loop 三个语言的 SDK均适用于商业版和开源版。对于开源版,开发者只需要初始化时修改部分参数配置。
另一个版本:
Prompt调试
-
Playground 调试、对比
-
Prompt版本管理
评测
-
管理评测集
-
管理评估器
-
管理实验
观测
- SDK上报Trace
- Trace 数据观测
模型
- 支持接入OpenAl、火山方舟等模型
