夜，是不可能不熬的。
刚刚，扣子宣布开源，主要开源了两个核心项目：
1.Coze Studio（扣子开发平台）
2.Coze Loop（扣子罗盘）
GitHub地址:
https://github.com/coze-dev/coze-studio
https://github.com/coze-dev/cozeloop
Coze Studio 是扣子最核心的产品，你可以通过拖拽节点，自由编排任意具有workflow的AI Agent。通过Coze Studio提供的可视化设计与编排工具，开发者可以零代码或低代码，快速打造和调试智能体、应用和工作流。
Coze Loop 是一个面向开发者，专注于AI Agent开发与运维的管理平台。可以帮助开发者更高效地开发和运维AI Agen，比如提示词工程、Agent评测、上线后监控与调优等，提升Agent的运行效果和稳定性。
本次开源，采用极其宽松的Apache2.0协议开源。意味着，所有人都可以免费下载和商用。
安装环境，门槛超低，双核CPU+4G内存 即可运行。基本上就是，是个电脑都能使用。
在Agent编排工具领域，Coze一直是独一档的存在。本次开源，可以看到字节Seed团队拥抱开源的决心。
任谁开源，都值得吼两嗓子，感谢扣子，感谢字节。以下，是开源版Coze的安装指南。
1.Coze Studio部署指南
环境要求：
在安装 Coze Studio 之前，请确保您的机器满足以下最低系统要求： 2 Core、4 GB
提前安装 Docker、Docker Compose，并启动 Docker 服务。
部署步骤：
1）获取源码
克隆代码git clone https://github.com/coze-dev/coze-studio.git
2）配置模型
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/modeltemplatearkdoubao-seed-1.6.yaml backend/conf/model/arkdoubao-seed-1.6.yaml
在配置文件目录下，修改模版文件。
进入目录 backend/conf/model。打开复制后的文件ark_doubao-seed-1.6.yaml。
设置 id、meta.connconfig.apikey、meta.conn_config.model 字段，并保存文件。
id：Coze Studio 中的模型 ID，由开发者自行定义，必须是非 0 的整数，且全局唯一。模型上线后请勿修改模型 id 。
meta.connconfig.apikey：模型服务的 API Key，在本示例中为火山方舟的 API Key，获取方式可参考获取火山方舟 API Key。
meta.conn_config.model：模型服务的 model ID，在本示例中为火山方舟 doubao-seed-1.6 模型接入点的 Endpoint ID，获取方式可参考获取 Endpoint ID。
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 dockercp .env.example .envdocker compose –profile '*' up -d
4）登录访问
启动服务后，通过浏览器访问 http://localhost:8888/ 即可打开 Coze Studio。其中 8888 为后端监听端口。 至此，你已成功部署 Coze Studio，可以根据页面提示注册账号、体验 Coze Studio 的各项功能与服务。
2.Coze Loop部署指南
1）准备工作
在参考本文安装 CozeLoop 开源版之前，确保您的软硬件环境满足以下要求：
2）安装 CozeLoop
步骤一：获取源码
执行以下命令，获取 CozeLoop 最新版本的源码。
克隆代码 git clone https://github.com/coze-dev/cozeloop.git# 进入cozeloop目录下cd cozeloop
步骤二：配置模型
正式安装 CozeLoop 开源版之前，你需要准备可选的模型，否则访问 CozeLoop 开源版时将无法选择模型来启动 Prompt 调试或评测。 此处以 OpenAI 和火山方舟模型为例，演示配置模型文件的操作步骤，你可以快速配置模型以便安装和测试 CozeLoop 开源版。对于 Llama 等其他模型，你可以参考模型配置文档填写配置文件。
进入目录 conf/default/app/runtime/。
编辑文件 modelconfig.yaml，修改 apikey 和 model 字段。 以下内容表示为 CozeLoop 开源版配置火山方舟的豆包模型、OpenAI 模型。 使用以下内容覆盖原文件，然后修改其中的 api_key 和 model，将其替换为你的 OpenAI 和火山方舟模型的配置参数。
models: – id: 1 name: "doubao" frame: "eino" protocol: "ark" protocolconfig: apikey: "*" # 火山方舟 API Key，获取方式可参考 https://www.volcengine.com/docs/82379/1541594 model: "*" # 方舟模型 ID，可参考 https://www.volcengine.com/docs/82379/1330310 paramconfig: paramschemas: – name: "temperature" label: "生成随机性" desc: "调高温度会使得模型的输出更多样性和创新性，反之，降低温度会使输出内容更加遵循指令要求但减少多样性。建议不要与 “Top p” 同时调整。" type: "float" min: "0" max: "1.0" defaultval: "0.7" – name: "maxtokens" label: "最大回复长度" desc: "控制模型输出的 Tokens 长度上限。通常 100 Tokens 约等于 150 个中文汉字。" type: "int" min: "1" max: "4096" defaultval: "2048" – name: "topp" label: "核采样概率" desc: "生成时选取累计概率达 topp 的最小 token 集合，集合外 token 被排除，平衡多样性与合理性。" type: "float" # min: "0.001" max: "1.0" defaultval: "0.7" – id: 2 name: "openapi" frame: "eino" protocol: "openai" protocolconfig: apikey: "*" # OpenAI API Key model: "*" # OpenAI 模型 ID paramconfig: paramschemas: – name: "temperature" label: "生成随机性" desc: "调高温度会使得模型的输出更多样性和创新性，反之，降低温度会使输出内容更加遵循指令要求但减少多样性。建议不要与 “Top p” 同时调整。" type: "float" min: "0" max: "1.0" defaultval: "0.7" – name: "maxtokens" label: "最大回复长度" desc: "控制模型输出的 Tokens 长度上限。通常 100 Tokens 约等于 150 个中文汉字。" type: "int" min: "1" max: "4096" defaultval: "2048" – name: "topp" label: "核采样概率" desc: "生成时选取累计概率达 topp 的最小 token 集合，集合外 token 被排除，平衡多样性与合理性。" type: "float" # min: "0.001" max: "1.0" defaultval: "0.7"
保存文件。
步骤三：启动服务
执行以下命令，使用 Docker Compose 快速部署 CozeLoop 开源版。
启动服务，默认为开发模式docker compose up –build
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。
部署 Coze Loop 开源版时，启动模式默认为开发模式。关于启动模式的详细说明，可参考启动模式。
如果启动过程中遇到 Docker 或 Docker Compose 相关问题，通常原因是环境配置、系统权限或网络问题，建议根据 Docker 报错查找相关解决方案。
步骤四：访问 CozeLoop 开源版
启动服务后，通过浏览器访问 http://localhost:8082 即可打开 CozeLoop 开源版。其中8082 为前端监听端口，8888 为后端监听端口。 至此，你已成功部署 CozeLoop 开源版，可以体验 CozeLoop 的各项功能与服务。
