国产AI开源生态正加速崛起，Coze的开源举措让普通用户也能轻松构建专属AI Agent，技术壁垒正在被迅速瓦解。

核心看点：

• 中国开源模型在Hugging Face排行榜中占据主导地位
• Coze开源平台大幅降低了AI Agent开发与部署的门槛
• 实测笔记本电脑即可流畅运行，Apache 2.0协议保障商业级自由使用

“程序员专属特权”正在被打破

7月底，Hugging Face开源模型排行榜上发生了一件鲜被主流媒体报道的事件：前十名中，中国开源模型占据了八个席位。

这释放了一个重要信号——开源力量正在AI领域形成实质性冲击与变革。

然而，更值得关注的转变发生在模型层面之上。

如果将AI模型比作发动机，那么Agent就是整辆汽车——如今，连“造车”的能力也开始向大众普及。

在国产模型领跑排行榜的同时，扣子（Coze）于7月26日完成了一系列开源举措：“扣子开发平台”与“扣子罗盘”双双开源，并在火山官网上线了一项重磅功能：一键部署。

一键部署，零门槛上手

那么，扣子为何选择在这个时间节点开源？这背后意味着什么？它意图抢占什么先机？又将引发哪些新的竞争格局？

这些问题固然重要，也值得用长篇专文深入探讨。但在分析其战略意图之前，更值得关注的是：它的实际体验是否足够优秀？普通用户是否真的能够完成部署并投入使用？

——毕竟，所有竞争的核心基础都是用户体验。

因此，本文将先做点更“务实”的事情。我们第一时间进行了完整的部署测试，试图验证一件事：仅凭一台笔记本电脑，能否从零开始，用Coze部署一个本地AI Agent？

扣子此次开源了哪些内容？

本次扣子Coze系列开源项目共有两个：Coze Studio（扣子开发平台）和Coze Loop（扣子罗盘）。这两个项目在GitHub上合计收获了近2万个Star，其受欢迎程度不言而喻。

技术社区为何如此关注扣子Agent产品的开源？

扣子在闭源阶段就已获得大量用户验证。而此次开源的并非半成品，而是一个已经搭建完善的完整平台。

技术用户，乃至低代码基础的小白用户，都能直接上手创建Agent。完成后即可直接部署使用，无需费力对接各类接口。实际部署门槛低得令人惊讶，实测显示，4核CPU、8G内存即可满足需求——一台笔记本电脑完全能够胜任。

可以说，此次开源最大的亮点在于：“门槛极低，普通用户也能轻松入门”。

另一个值得关注的要点是，“扣子开发平台”和“扣子罗盘”两个开源项目均采用Apache 2.0协议——一种极为宽松的开源许可。这意味着所有用户均可自由使用、复制、修改、分发，亦可用于商业用途，无需支付任何授权费用。

先来回顾一下这两款产品具体能做什么。

1）扣子开发平台（Coze-Studio）

扣子开发平台让用户能够像搭积木一样构建AI Agent，通过拖拽组件的方式，如同设计人类思维链一般来规划工作流程，完全无需编写复杂代码。

平台还支持多种插件，可连接第三方服务，免去了申请和配置的繁琐步骤。既适合零基础小白快速上手，也能满足专业开发者的个性化定制需求。

在淘宝、闲鱼上搜索可以发现，大量扣子工作流模板正在流通。这主要得益于其极低的技术门槛，制作完成的工作流可一键复制，登录流程也十分简便。

即做即用，高效便捷。

2）扣子罗盘（Coze-Loop）

仅有AI Agent自然无法直接转化为实际生产力，还需要配套的管理与维护工具。扣子罗盘正是为此而生。

这是一个Agent管理平台，从最初的指令设计到后期的测试运维，覆盖全流程。它让AI Agent的开发与部署变得更加可控、高效。

接下来，分享一份深度评测“教程”——笔者本人也属于代码小白水平。一起来看，如何从零开始，将一个GitHub开源项目转化为一个可实际使用的简易Agent。

从零开始的扣子开源部署完整教程

接下来，我们将制作一个完整的“AI行业专业研究Agent”。

首先，扣子官方提供了两种部署方式：自行手动部署，或前往官网一键部署。

如果希望全程不接触任何代码，可直接前往火山官网点击“一键部署”。当然，自行动手部署同样简单易行。

考虑到部分用户可能对代码存在畏难情绪，本次特意在电脑上对两种部署方式均进行了完整测试，确保每个步骤都切实可行。

先从最简便的官网部署方式开始。

1）火山引擎官网部署

火山官网的部署流程确实极为简便，只需访问以下两个网址即可：

【1】扣子开发平台：https://www.volcengine.com/activity/dev-coze-studio

【2】扣子罗盘：https://www.volcengine.com/activity/dev-coze-loop

点击“立即部署”即可开始。以扣子开发平台的官网部署为例，系统会自动配置所有必要的服务组件。整个部署过程通常在1-3分钟内即可完成，查阅部署日志显示，大约耗时1分50秒。

在下面这个页面直接全部授权：

官方价格约为1.417元/小时，定价相当亲民实惠：

部署完成后，直接点击“Coze Studio访问地址”，即可登录部署完成的“开源版扣子开发平台”：

整个过程中，完全无需填写火山方舟模型API或火山引擎API，全程无需接触任何代码。且收费也较为低廉。

不过，官网部署虽便宜便捷，但有一个小遗憾——不支持多模态和图片知识库。但对大多数用户而言已经足够使用。

接下来教大家自行搭建，虽然步骤稍多一点点，但功能更为全面。

2）手动部署方式

第一步：准备工作，安装Docker环境

扣子开发平台依赖MySQL、Redis、Elasticsearch、Milvus等服务。Docker会将它们分别部署在独立的“容器”中运行，并通过虚拟网络将这些容器互联互通。

首先访问此网址下载Docker：https://www.docker.com/products/docker-desktop/

选择与您操作系统匹配的版本。Docker支持Windows、macOS和Linux，安装过程非常直观，基本遵循“下一步、下一步、完成”的流程：

安装完成后，验证Docker是否安装成功（以下代码需在电脑“终端”中复制并执行）：

docker --version
docker compose version

如果看到类似Docker version 27.x.x和Docker Compose version v2.x.x的版本信息，即表示安装成功，可正常使用。

第二步：获取扣子开发平台源代码

接下来需要获取扣子开发平台的完整源代码，直接前往GitHub的扣子开发平台项目页面获取即可。

项目地址：https://github.com/coze-dev/coze-studio

在终端中执行以下命令：

# 克隆代码
git clone https://github.com/coze-dev/coze-studio.git

下载过程可能需要数分钟，具体时长取决于网络状况。

第三步：配置大语言模型

这一步是整个搭建流程的核心环节，需要为扣子开发平台指定一个大语言模型。

由于此前已注册火山方舟的API，为方便起见，此处以火山引擎的豆包1.6为例。主要原因在于它是一款多模态模型，支持视觉理解功能。

直接在终端中复制以下命令：

cd coze-studio
# 复制 doubao-seed-1.6 模型配置模板
cp backend/conf/model/template/model_template_ark_doubao-seed-1.6.yaml backend/conf/model/ark_doubao-seed-1.6.yaml

此时电脑会自动打开一个代码编辑页面，需要手动修改三处配置：

【1】id（第1行）- 自定义一个名称，例如设置为“66666”

【2】meta.conn_config.api_key（第109行）- 填写火山引擎的API Key

【3】meta.conn_config.model（第111行）- 填写API ID

id可随意修改，例如直接设为“66666”。后两项需前往火山引擎注册API，复制粘贴即可：

第四步：部署并启动服务

复制以下代码，在终端中执行。此步骤的主要目的是从Docker拉取所需镜像：

cd docker
cp .env.example .env
docker compose up -d

首次启动速度较慢，原因是需要下载各类镜像文件。若启动失败，原因大概率只有一个：网络连接问题。

解决方案也只有一个原则：多尝试几次。

如果拉取成功，将呈现如下结果：

第五步：访问服务页面

上一步完成后，在浏览器中输入以下网址，即可访问扣子开发平台开源版的服务页面：

http://localhost:8888/

进入该页面，即表示扣子开源版部署已正式完成：

扣子开源版的功能与网页版基本一致，核心功能一应俱全。至此，您已拥有功能完整的扣子开发平台，可以自行创建Agent和工作流了。

3）“AI行业专业研究Agent”实战演练

接下来，我们动手构建一个“AI行业专业研究Agent”。

与网页版流程相同，首先需要为Agent设定基本的人设与回复逻辑，明确“它的职责与定位”。若提示词撰写不够理想，可直接使用火山引擎的“PromptPilot”进行优化，优化效果大致如下：

该AI行业研究Agent的核心功能是一个名为“AI_Industry_Analyst”的工作流。其设计逻辑大致如下：

用户输入内容后，首先识别用户想要研究的行业领域：

随后执行一系列“分析策略”。根据每种分析路径整合全部研究信息，最后通过一个“综合整合”节点，将所有信息汇总至一个文本框中：

每种分析策略生成的结果，都可在右侧添加一个“延伸”节点。其功能是让工作流每一步的生成结果都能实时呈现给用户：

随后，这一系列分析结果均可进行“信息综合整合”，并一键插入到飞书文档中：

扣子开源版同样支持“预测试”功能，我们录制了GIF演示，可直观查看每一步的响应结果：

整体回答效果展示：

纯文字描述确实略显冗长，难以直观判断这个简易工作流是否“成功”。因此，我们制作了可视化图表，从图中可以清晰看到，整个工作流过程非常完整，所有必要要素均已具备：

最后，也是最受关注的成本问题。

由于一开始便在火山引擎中接入了豆包1.6多模态模型（也可接入其他任何模型，只需在初始阶段修改代码即可），API的消耗确实值得关注。

初始充值了100元（加上此前赠送的10元），随后查看火山方舟后台账户发现，高频“试玩”了一整个下午，API的实际消耗仅3元多。

由于价格实在低廉，反过来查询了主要使用的豆包1.6多模态模型。用一个词来形容就是：“大而全”——支持视觉理解，还能进行深度思考。

而且，价格低廉（这是关键优势）。像这样经济实惠的模型，火山方舟还有众多选择。推理价格仅为每100万输入token 0.4元，折合约$0.056/百万token。

整套流程体验下来，最令人感到便捷的是：火山官网基本只需一个API、一次注册，即可全部搞定。

让用户自己“造车”，厂商专注“造轮子”

过去，开发一个AI Agent通常需要经历多个环节：申请模型API、搭建后端服务、配置前端界面、调试Prompt提示词、上线部署。这一整套流程下来，非技术背景的用户基本望而却步。

而如今，用户的角色正在从“纯粹的消费者”转变为开发者。

此前曾有一个概念——“超级个体”，其含义是：被AI能力加持数倍的普通人。

由于AI技术发展过于迅猛，专注于底层基础模型和Agent技术的厂商，在Agent应用场景的“敏锐度”上，可能并不一定比有创意的“超级个体”们更强。因为个体往往从“这个能解决我的什么问题”出发，因此更容易发现真正有价值的应用场景。

然而，有创意的个人距离制作出实用的Agent，实际上还隔着一层薄薄的“技术玻璃幕墙”。而扣子与火山引擎这种“开源+平台”的组合，正是在拆除这堵墙。

让跨越“技术藩篱”的普通用户，自己去发现实际的应用场景——效率更高，效果更佳。

当制作Agent变得像搭建网站一样简单时，大量涌入“尝鲜”的用户将催生出海量长尾应用。正如当年WordPress孕育了无数小型网站一样，扣子也很有可能催生无数“小而美”的AI Agent。

这无疑令人充满期待，不是吗？

当前来看，用户真正需要的是两样东西：

【1】“大而全”的AI基础设施（例如涵盖多种模态的模型矩阵、完整的云服务平台等）

【2】“小而美”的创作工具（例如拥有简洁易用可视化界面的扣子开发平台等）

唯有如此，才能为每个应用场景提供有力支撑，让用户在发现可能性后，能够将其付诸实现。

AI Agent的开发，从此不再仅是技术专家的专属领域。

希望这篇实测部署文章能成为更多人入场的参考指南。如果你曾脑海中闪现过一个Agent场景、一个自动化创意——现在正是付诸行动的绝佳时机。

用你自己的方式，去“造车”吧。