章节十四：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。

• 运维管理工具Coze Loop：用于AI Agent运维和生命周期管理的平台。

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

2.1 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

② 安装设置及启动

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。

③ 配置镜像加速器或docker代理

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，访问不到或比较慢。需要设置镜像加速器或docker代理。

说明：如果大家设置过代理，那么推荐方式2。如果没有，则使用方式1。

方式1：配置镜像加速器

在Docker Desktop设置中添加国内镜像源地址列表。

方式2：配置docker代理

在Docker Desktop网络设置中配置HTTP/HTTPS代理，端口改为本地监听的代理窗口。

到这里，Docker已经安装配置好了。

2.2 安装Coze Studio

① 下载Coze安装包

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。

大家可以直接粘贴如下地址：

git clone https://gitee.com/shkstart/coze-studio.git

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。

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，下载后解压到指定目录即可。

② 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

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】填入对应位置内，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。

③ 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coze-studio\docker当前目录下，测试如下：

1、输入docker，点击回车键后，返回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

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。

④ 访问Coze Studio界面

安装好后，我们打开浏览器，访问http://localhost:8888/来打开 Coze Studio。

登录进去，即可正常使用了

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

扣子罗盘通过提供全生命周期的管理能力，帮助开发者更高效地开发和运维 AI Agent。无论是提示词工程、AI Agent 评测，还是上线后的监控与调优，扣子罗盘都提供了强大的工具和智能化的支持，极大地简化了 AI Agent 的开发流程，提升了 AI Agent 的运行效果和稳定性。

3.2 部署

① 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：

**1、Go语言环境：**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。

Go语言官网：https://go.dev/dl/

下载完成后双击打开，运行

按提示一直"Next"即可。

安装完成后，确保GO家目录下的bin目录已在环境变量中。

2、Docker环境：提前安装Docker、Docker Compose，并启动 Docker 服务

3、模型：已开通OpenAI或火山方舟等在线模型服务。

② 下载/克隆仓库

这里推荐方式1，不推荐方式2，是因为方式2下载以后，在⑤启动服务时，总报错。

方式1：下载zip文件(推荐)

从github下载coze loop的zip文件到本地，解压即可。

https://github.com/coze-dev/coze-loop

方式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-main\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 更改端口

1、打开coze-loop-main\release\deployment\docker-compose目录下的.env，将COZE_LOOP_APP_OPENAPI_PORT更改为8889或者其它未被占用的端口。

2、打开coze-loop/release/deployment/docker-compose目录下的docker-compose.yml，将${COZE_LOOP_APP_OPENAPI_PORT}的端口更改为8889，注意要和.env中COZE_LOOP_APP_OPENAPI_PORT的端口保持一致。

⑤ 启动服务

在coze-loop-main\release\deployment\docker-compose目录下执行以下命令，使用 Docker Compose 快速部署 Coze Loop 开源版。

docker compose -f docker-compose.yml --env-file .env --profile "*" up -d

如果不希望以守护进程（放到后台，命令行窗口不会打印完整日志，且启动成功后窗口退出则进程中断）的形式启动，则可以去掉-d，首次推荐不加-d，方便查看日志。

首次启动推荐命令

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。

docker客户端中，当前容器除了xxx-init的镜像启动后又关闭之外，其它的镜像都需要是开启状态的，那就对了。

⑥ 访问 CozeLoop 开源版

通过浏览器访问 Coze Loop 开源版http://localhost:8082。

注册完成后即可进入应用详情页。

3.3 Coze Loop的使用

这里演示在线版本：https://www.coze.cn/loop

Coze-loop官方提供了一些示例，位于在线版的Demo空间

功能1：Prompt 开发

该模块用于进行提示词的预览与调试

点击详情可以查看和编辑提示词

功能2：Playground

该模块和Prompt开发功能类似，区别在于自由对比模式。

官方Demo空间中，我们无权开启自由对比模式，切换到个人空间查看

功能3：评测集

该模块用于管理评测数据集。

功能4：评估器

该模块用于构建评估Prompt 开发实例的工具，本质上也是添加了提示词的大模型。

本质上也是提示词+大模型

功能5：实验

该模块用于创建和管理实验。

同样地，Demo空间无权创建实验，切换到个人空间即可。

实验详情如下。

指标统计模块以可视化的方式展示评估结果

新建实验

依次设置基础信息、评测集、评测对象、评估器即可。

功能6：Trace

该模块记录了详细的运行信息。

功能7：统计

该模块统计整个空间的运行情况。

功能8：自动化任务

该模块用于创建和管理自动化评测任务。