一觉醒来就被字节的大手笔给震撼到了，他们居然把自家的AI Agent开发平台Coze给开源了！

还一口气开源了两个核心项目：Coze Studio 和 Coze Loop。

这还不赶紧体验一把，Coze这次真的是让普通的开发者了解AI Agent底层逻辑！Coze 的开源，是真的把“低门槛打造强大 AI 应用”这事儿落地了。

Coze Studio

Coze Studio 是整个系统的核心模块，它就像是一个“AI 搭建工厂”。

核心理念就是一句话：“像搭积木一样创造 AI”。

打开 Coze Studio 的画布界面，所有的 Agent 流程和功能模块都能以节点形式拖拽出来，再用线连接成一个完整工作流。不需要写复杂代码，基本是零代码或低代码操作，非常适合不擅长写代码但又有清晰业务想法的人群。

它支持 Prompt 调用、RAG 逻辑、插件对接、API 接入等常规 AI 能力。还内置了一些应用模板，比如对话客服、智能问答、知识库搜索等，直接拿来改改就能上线，非常适合做原型验证。

开源许可：Apache 2.0，意味着可以免费商用、修改、闭源集成！

开源地址：https://github.com/coze-dev/coze-studio

Coze Loop

如果说 Coze Studio 是“造 Agent 的工厂”，那 Coze Loop 就是“优化 Agent 的质检车间”。

很多人可能一开始误以为 Coze Loop 是个执行引擎，其实它更像是 Agent 生命周期管理平台，从 prompt 调试到效果评估、再到链路追踪，它帮你把开发 → 运维 → 优化的整个链打通了。

几大核心能力：

• Prompt 开发与调试：支持可视化 Playground，能实时查看多个大模型的响应结果，特别适合对比输出质量；

• 自动化评估体系：比如合规性检查、准确率评估、响应速度等等，有点类似 Agent 的 CI/CD；

• 执行观察（Trace）：每一步执行逻辑都能看到，遇到问题能迅速定位。

开源许可：和 Studio 一样，也是 Apache 2.0 协议。

开源地址：https://github.com/coze-dev/cozeloop

本地部署

推荐直接在 Mac 上用 Docker 跑，官方文档给的三步部署流程相对清晰：

Docker安装：

没有 Docker 环境的自己去官网下载一个桌面版的应用，进行安装

https://www.docker.com/

克隆代码仓库：

git clone https://github.com/coze-dev/coze-studio.git

配置大模型 API Key： 修改 backend/conf/model 目录下的配置模板

启动服务：

cd docker  
cp .env.example .env  
docker compose --profile '*' up -d  

注意事项：第一次 Docker 拉镜像时间会比较久，大概等了我半杯咖啡的时间，建议准备好网速和耐心。

成功运行后访问 http://localhost:8088 即可进入 Coze Studio，注册完账号就能开始玩了。

写在最后

AI Agent 的低门槛化，正在从“体验式Agent”向“业务实战引擎”跃迁。

Coze 的这次开源，一方面降低了个人开发者或小团队的入场门槛，另一方面也给企业客户提供了一个完整且可控的智能工作流解决方案。

我有一种强烈的预感：未来几年，我们会看到各行各业涌现出大量创新的AI应用，而其中很多可能就是由那些从来没有编程经验的人创造出来的。