Coze（扣子），一个国内领先的智能体搭建平台，现已正式开源。本文将详细指导用户如何在本地完成Coze的部署。文章首先阐述了当前AI发展下，工作流构建对于实现智能体能力的重要性，并指出Coze开源的时代意义。随后，教程分步骤介绍了本地部署的准备工作，包括Docker环境的搭建、项目代码的克隆，以及核心的模型配置过程，重点以火山方舟模型为例，详细解释了API Key和Endpoint ID的获取与填写。最后，指导用户完成Docker Compose的部署启动，并提供了Windows环境下常见的报错解决方案，鼓励用户基于开源版本进行二次开发，并指出本地部署对于新手学习的优势。

🚀 Coze（扣子）开源为智能体开发提供新机遇：作为国内领先的智能体搭建平台，Coze的开源标志着AI发展的一个重要里程碑。作者认为，即使当前智能体能力实现依赖于人工构建工作流，Coze的开源也为开发者提供了极大的灵活性和创造空间，特别是对于那些希望深入理解和定制AI工作流的用户而言。

🐳 本地部署Coze的详细步骤与环境要求：教程以Windows系统为例，清晰地列出了本地部署Coze所需的步骤。首先需要安装Docker，这是运行Coze容器化应用的基础。然后，通过Git克隆或下载ZIP包获取项目代码，为后续配置和部署做准备。

⚙️ 核心模型配置是关键：在部署Coze Studio开源版之前，必须配置好大语言模型服务。文章以火山方舟模型为例，详细展示了如何复制模板配置文件，并根据火山方舟的API Key和Endpoint ID进行填写。这部分内容对于确保Coze能够正常调用模型进行智能体交互至关重要。

💡 解决Windows部署常见报错与开源版本的价值：教程预见了Windows用户在部署过程中可能遇到的“elasticsearch-setup”报错，并提供了具体的解决方案，即修改Shell脚本的换行符（CRLF为LF）。同时，作者也指出了开源版本虽然有所“阉割”，但为有能力的用户提供了二次开发的广阔空间，并强调了本地部署对于新手练手的价值，尤其是在官方积分有限的情况下。

前言

大家好，我是李想。

相信玩AI的都知道智能体这玩意吧，Coze（扣子）基本是国内最大的智能体搭建平台了，但我最近刷自媒体总会听到有博主说Coze和智能体就不搭边，纯粹就是人为搭建起来的工作流。

但在我看来，目前AI的发展想要实现智能体的能力，只有通过人为去构建工作流，只要能把目的达到，管他是智能体还是工作流对吧？

有可能以后AI agent可以自己去搭建工作流，但至少目前为止还需要人为去搭建。

所以这才有了扣子、N8N、Dify等工作流平台大力发展的机会。

而现在，Coze智能体开源了！

项目遵循Apache2.0开源协议，要是不了解我们协议什么意思可以问问DeepSeek

今天，李想就手把手带你们本地部署Coze！

1.环境要求

项目要求运行在Docker里,简单来说：Docker 是一个开源平台，用于 自动化部署、运行和管理应用程序 ，它将应用程序及其所有依赖项打包在一个独立的、可移植的容器中。

网址：docs.docker.com/desktop/set…

博主的操作系统是Windows，全文就以Windows为例，

来到网址后点击红框下载doker,然后安装到电脑上就ok了。

2.克隆项目

网址：github.com/coze-dev/co…

来到项目地址。

如果你有git,可以通过git命令把项目复制到本地，如果没有

你可以通过下载 ZIP压缩包，然后解压到本地，不管是通过git还是下载压缩包，都可以得到如图的文件。

3.配置模型

Coze Studio 是基于大语言模型的 AI 应用开发平台，首次部署并启动 Coze Studio 开源版之前，我我们需要先在 Coze Studio 项目里配置模型服务，否则创建智能体或者工作流时，无法正常选择模型。 本文档以火山方舟模型为例，演示如何为 Coze Studio 配置模型服务。如果你准备使用 OpenAI 等其他在线模型服务，应参考模型配置文档正确填写配置文件。

说得简单一点我们就是需要先配置一下大模型，不然没法工作。

3.1复制大模型配置文件

\coze-studio\backend\conf\model\template，

我们来到这个目录，可以看到coze帮我们内置了很多大模型的模板配置，像豆包、deepseek、chatgpt等等都可以，为了演示，我们这里选择doubao1.6模型。

复制红框文件，然后粘贴到上级目录

利用编辑器打开这个文件，如果你没有代码编辑器，你可以用记事本打开这个文件。

设置 id、meta.conn_config.api_key、meta.conn_config.model 字段，并保存文件

id：Coze Studio 中的模型 ID，由开发者自行定义，必须是非 0 的整数，且全局唯一。

api_key：在线模型服务的 API Key，在本示例中为火山方舟的 API Key。

model：在线模型服务的 model ID，在本示例中为火山方舟 doubao-seed-1.6 模型接入点的 Endpoint ID。

3.2api_key获取方法：

地址：console.volcengine.com/auth/login

首先我们需要登录火山平台

登录后点击右上角控制台

然后点击左边方框进入火山方舟

进入后点击API key 管理

然后创建 APIkey

得到API key后复制粘贴到刚才文件api的位置。

3.3Endpoint ID获取方法：

也是在火山方舟这，点击在线推理、自定义推理接入点、创建推理接入点

然后填上相关信息，

在选模型的时候需要实名认证，按照指引认证就行了，模型就选择第一个就好。

最后点击开通模型并接入。

再回到我们这个页面，

红框里就是我们的Endpoint ID了，复制后粘贴到model ID这里就行了！

4.部署启动

4.1创建环境文件

我们来到如图这个目录，\coze-studio\docker，先右键复制.env.example

然后粘贴

把文件重命名为.env

要注意是.env

点击是,文件就创建好了

4.2部署启动

在当前文件输入cmd启动命令台

在命令台输入：docker compose --profile "*" up -d

这里记得一定要把我们刚下载的docker打开

实测你把魔法打开，部署下载要顺利一点。

第一次部署需要等待一段时间下载完毕后启动服务后，通过浏览器访问 http://localhost:8888/ 即可打开 Coze Studio。

4.3报错解决

博主的系统是Windows，在启动过程中发现了错误，出现service "elasticsearch-setup" didn't complete successfully: exit 127

通过Deepseek排查，发现是windows特有的问题

解决办法：来到这个目录，coze-studio\docker\volumes\elasticsearch,用vscode(我用的Curosr)打开红框中setup_es.sh文档。

打开后看到右下角，显示的是CRLF，换成LF就解决了！

在实际的使用中发现目前的开源版本阉割了许多东西，但是不管怎么样，如果你有能力，就可以在这个版本上开发你想要东西，才开源，我相信有很多的技术大神能把coze玩出花来！

并且目前Coze一天才500积分，根本就不够玩，本地的Coez很适合新手去用来练手了！

看到这里就给博主点个赞吧，你的点赞支持我是创作的动力