为什么 Coze 把他们最核心的框架都开源出来了？

今天看到很多人都在说 Coze 开源了，我原本以为开源的只是 Coze 的开发工具、组件之类，看了说明发现不是这么简单，而是差不多把完整的 Coze 和背后 Prompt 的开发工具都开源出来了。所以今天花了不少时间在本地运行，看源代码，认真学习了 Coze 的两个新开源项目：Coze Studio（扣子开发平台） 和 Coze Loop（扣子罗盘）

Agent" class="rich_pages wxw-img" data-imgfileid="100006577" data-ratio="0.8027777777777778" src="https://api.ibos.cn/v4/weapparticle/accesswximg?aid=119460&url=aHR0cHM6Ly9tbWJpei5xcGljLmNuL3N6X21tYml6X3BuZy9TaWI3SWV6T2xCY3R2M2NSczh0bG1leE9ac2NmZDhnT3FpYUtpY3U4MUQ2WU5BbDZ0RzJnYWFtQXQxaWNBMlp3N3l3dlYxYXVwd0dkaWMyV2hnaWNobjYyeUZXdy82NDA/d3hfZm10PXBuZyZhbXA=;from=appmsg" data-type="png" data-w="1080" style='box-sizing: border-box;border-width: 0px;border-style: solid;border-color: rgb(229, 229, 229);display: block;vertical-align: middle;max-width: 100%;height: auto;text-align: left;line-height: 1.75;font-family: -apple-system-font, BlinkMacSystemFont, "Helvetica Neue", "PingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 16px;margin: 0.1em auto 0.5em;border-radius: 4px;' title="null">

Coze Studio 差不多是完整的 Coze，工作流、Agent 这些功能都相当完整，接上 API Key 就能跑起来了。 它的核心模块包括：

• • 工作流（Workflow）引擎： 拖拽加上少量设置就可以完成工作流的建设，用起来很丝滑
• • 插件（Plugin）的框架：Coze 开源了插件的定义、调用和管理机制，有官方开源插件作为示例，可以比较容易的创建和集成第三方API

Coze Loop 则是一个面向开发者的工具，你可以方便的调试、优化 Prompt、监控线上 Prompt 的运行，借助工具，让 Prompt 的效果不再是玄学，而是可以通过数据来量化。

这两个项目的开源协议都是 Apache 2.0 许可证，说明你是可以商用不需要授权的，可以根据需要进行二次开发，很适合个人或者企业使用，你可以方便的在自己的环境中搭建一套使用。

如果你只是 AI 爱好者，又有一定动手能力，我建议可以重点看看 Coze Studio，看看一个商业项目是怎么运行起来的，还可以借助 AI 帮你理解项目结构。还可以在本地搭建一套，跑跑聊天机器人，如果想部署到服务器，主流的云服务商应该都可以支持，推荐可以看看这篇教程《保姆级 | Coze开源版本地部署教程，一步一图，小白可用》https://mp.weixin.qq.com/s/-manJwsvH-IuQ9W2EjtdiA

如果你是 AI 从业者，日常又有 Prompt 优化的要求，则可以试试 Coze Loop ，把你常用的测试数据集导入，看看效果怎么样。

通过源代码可以看得出，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，结构相当清晰。如果你想二次开发的话，稍微花点时间就能上手。

可能有的朋友觉得这么复杂的项目，看不懂怎么办？

我的经验是：

1. 1. 先跑起来，能看得见摸得着很重要，这样才有正反馈
2. 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，比如怎么处理登录注册的，怎么和 LLM 交互的，通过在相应位置设置断点、打印日志就可以跟踪它的运行，甚至可以让 AI 帮你分析代码
3. 3. 去贡献 PR（Pull Request），开源项目一大好处就是人人都可以贡献其中，你自己在运行过程中发现 Bug 了，或者 GitHub 的 Issue 列表中有别人提交的 Bug，都可以去尝试修改下看看，何况现在还有 AI 帮你，通过解决一个真实的 Bug，能很好的帮助你深入的了解项目。

如果你是开发者的话，贡献插件是比较容易参与的方式，不仅可以帮你熟悉项目架构，你写的代码还有专业人员帮你审查，最终结果还能被整个社区看到和用起来。

1. 4. 最后可以尝试模仿其中某个模块或者整个架构的实现，当你对项目已经足够熟悉后，可以尝试去模仿做一个简化版本的。要想成为一个架构师，提升系统架构水平，去模仿优秀的开源项目的架构设计是一种相当有效的方式，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，只需要把代码克隆到本地，按照说明一步步安装就可以，即使你对它使用的前端 TypeScript 语言或者后端 Go 语言不熟悉，都不影响，只要你的系统能安装 Docker、Docker Compose，能启动 Docker 服务，磁盘空间够就可以跑起来，我测试的时候都是一遍就可以本地运行了，看得出他们还是做了很多测试和文档工作。

至于有人问为什么他们要把这么重要的商业项目都开源出来？

原因我也不是很清楚，也许是竞品的压力，也许是为了共建生态，也许是为了招揽人才（不乏案例，很多积极在开源项目中贡献的被官方招募了），或者有自己答案的朋友也可以评论区留言。

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 产品都从工作流模式转向了自主式的 Agent 模式，或者两者混搭，Agent 还是一种全新的模式，未来也不能是一家封闭的公司或平台所能左右的，之前 OpenAI 封闭的 Function Calling 和 Anthropic 开放的 MCP 之争就已经是个很好的例子，最终还是开放的 MCP 胜利，MCP 已经成了最流行的标准。所以 Coze 把自家的 Coze Studio 和 Coze Loop 开源出来，降低了 Agent 开发的门槛，能让更多开发者和组织受益，降低 AI 应用开发的门槛，一起推动整个行业的发展。

Coze 开源不管怎么说对我们爱好者或者从业者来说都是好事，一方面我们可以学习到优秀的商业项目的系统架构、源代码，另一方面宽松的开源协议让社区可以衍生出更多有价值的 AI 应用场景，如果你有好的产品创意而缺乏技术能力，借助这样的完善的开源项目，基于它自带的工作流、Agent 可以极快的搭建出自己的产品。