Coze开源了完整的AI开发平台与Prompt优化工具，让AI应用开发更加透明可控，个人用户和企业都能轻松搭建属于自己的AI系统。 核心内容： 1. Coze Studio开源项目：提供完整的工作流引擎和插件框架，支持本地部署与私有化运行 2. Coze Loop工具：专为Prompt调试与优化设计，以数据驱动的方式提升效果 3. 项目技术架构与二次开发建议：采用Golang+React微服务架构，便于深度定制与扩展  最近关于Coze开源的消息，引发了广泛讨论。原本以为只是开放了部分开发工具或组件，深入了解后才发现，这几乎是把完整的Coze平台，连同背后的Prompt开发工具链，全部开放了出来。我花了不少时间在本地部署运行、翻阅源码，核心就两个项目：Coze Studio（扣子开发平台）和 Coze Loop（扣子罗盘）。 Coze Studio 本质上是一套完整的Coze平台，工作流、Agent等核心功能一应俱全，接入API Key即可运行。它的核心模块主要包括以下几部分： - **工作流（Workflow）引擎**：通过拖拽加少量配置即可完成工作流搭建，操作流畅高效 - **插件（Plugin）框架**：Coze开源了插件的定义、调用与管理机制，并附带官方开源插件示例，创建和集成第三方API的门槛较低 Coze Loop 则是一个面向开发者的实用工具，专门用于调试和优化Prompt，同时支持监控线上Prompt的运行状态。借助该工具，Prompt效果的优化不再依赖直觉，而是可以通过数据量化评估。 这两个项目的开源协议均为Apache 2.0，意味着商用无需额外授权，也支持按需二次开发。个人或企业都可以很方便地在自有环境中搭建一套来使用。 对于有一定动手能力的AI爱好者，建议重点研究Coze Studio。不仅能了解商业项目如何运作，还可以借助AI来理解项目结构。在本地搭建一套环境跑跑聊天机器人，如果想部署到服务器，主流云服务商基本都支持。 如果是AI从业者，日常面临Prompt优化需求，那么Coze Loop值得一试。将常用的测试数据集导入，就能直观看到优化效果。 从源码来看，Coze的后端采用Golang开发，前端使用React + TypeScript，整体基于微服务架构，并遵循领域驱动设计（DDD）原则构建，结构清晰。想要进行二次开发，花点时间就能上手。 可能有人会问，项目这么复杂，看不懂怎么办？常见的做法是： 1. **先跑起来**。能看得见摸得着很重要，这样才有正反馈。 2. 然后阅读官方文档，**从一个功能点切入**，看看它是怎么工作的。比如登录注册怎么处理，怎么和LLM交互，通过在相应位置设置断点、打印日志就能跟踪运行，甚至可以让AI帮你分析代码。 3. **去贡献PR**（Pull Request）。开源项目的一大好处就是人人都能参与。你在运行过程中发现Bug了，或者GitHub的Issue列表里有别人提交的Bug，都可以尝试修改看看。现在还有AI帮忙，通过解决一个真实的Bug，能更深入地理解项目。对于开发者来说，贡献插件是比较容易参与的方式，不仅能熟悉项目架构，写的代码还有专业人员审查，结果能被整个社区看到和使用。 4. 最后，**尝试模仿其中某个模块或者整个架构的实现**。当你对项目足够熟悉后，可以尝试做一个简化版本。要想提升系统架构水平，模仿优秀开源项目的架构设计是一种很有效的方式。只有自己能设计、能实现，才能成为合格的架构师。 要在本地运行Coze Studio或Coze Loop，只需要把代码克隆下来，按照说明一步步安装即可。即使对前端TypeScript或后端Go语言不熟悉，也不影响。只要系统能安装Docker、Docker Compose，能启动Docker服务，磁盘空间够用，就能跑起来。实际测试时一次就成功运行了，看得出团队在测试和文档上做了不少投入。 至于为什么要把这么重要的商业项目开源出来？原因可能有很多：竞品压力、生态共建、招揽人才（不乏案例，很多积极在开源项目中贡献的人被官方招募了）……有自己答案的朋友可以在评论区聊聊。 但有一点可以肯定的是，**现在AI赛道最火爆的是AI Agent，越来越多的AI产品从工作流模式转向自主式的Agent模式**，或者两者混搭。Agent还是一种全新的模式，未来不可能被一家封闭的公司或平台左右。之前OpenAI封闭的Function Calling和Anthropic开放的MCP之争就是个很好的例子，最终开放的MCP胜出，已成为最流行的标准。Coze把自家的Coze Studio和Coze Loop开源出来，降低了Agent开发的门槛，让更多开发者和组织受益，也降低了AI应用开发的门槛，一起推动整个行业发展。 Coze开源对爱好者或从业者来说都是件好事。一方面可以学习优秀商业项目的系统架构和源代码，另一方面宽松的开源协议让社区能衍生出更多有价值的AI应用场景。如果你有好的产品创意但缺乏技术能力，借助这样完善的开源项目，基于它自带的工作流、Agent，可以极快地搭建出自己的产品。