7 月 26 日，Coze开源核心产品 Coze Studio & Coze Loop 的消息火了，在GitHub已经斩获19k+ Star。

Coze Studio：低代码可视化 Agent 工厂，支持工作流编排与知识库管理Coze Loop：生产级观测平台，实时追踪 Agent 调用链与性能指标

这次Coze 开源对开发者利好的是采用了 Apache 2.0 许可：

无限制商用：Apache 2.0 允许用户将 Coze Studio 和 Coze Loop 用于商业项目，无需向字节跳动支付费用或分成。

用开源版 Coze，复刻一个更聪明的滴答清单

这几天在研究 Coze Studio 和 Coze Loop，本想只是动手试试火山引擎的部署流程，没想到顺手就搭出了一个挺实用的 Agent 应用：

一个「AI 任务播报员」，替我从滴答清单中自动提取当天最重要的任务，用自然语言生成摘要，9 点准时发到飞书群里提醒我开工。

对我来说，它已经不是一个被动记录任务的工具，而是一个主动推我去做事的助理。

重点是，整个流程我只用了开源版 Coze，没写几行代码。下面我拆解一下它是怎么做的，以及为什么选了 Coze 开源版。

为什么不是直接用滴答清单，而是“复刻”它？

滴答清单本身很好用，但它主要还是一个记录工具。如果任务多了，它的提醒方式很难形成“主动干预”：

今天应该做哪几件最重要的事？它不会自动筛选。

如何提醒我去做？靠的是我自己去点开列表看。

能不能把任务摘要直接发到飞书？目前官方没有。

这些能力其实 AI 很擅长，但要打通任务系统、定时触发、生成文本，还得考虑数据私有化。如果用外部服务，很容易牵涉到权限暴露或隐私风险。

所以我决定：干脆自己搭一个。

01 Demo 效果预览：一个主动执行的AI任务助手

每天早上 9 点，我的飞书群会收到这样一条自动播报：

背后的流程全自动执行，数据只从我自己的滴答清单拉取，模型分析后自动生成总结。

这个 Demo 本质上实现了三件事：

1. 智能筛选：从任务中提取“今天&高优先级”的事项

2. 自然语言总结：用 LLM 输出几十字中文摘要

3. 主动推送：通过飞书机器人提醒我，完全无感操作

02 Coze 开源版 + 火山引擎一键部署

整个系统我用了两个核心组件：

Coze Studio火山引擎一键部署

过去开源项目的本地部署通常涉及 Docker 环境配置、依赖安装和网络调试，过程耗时且易出错。火山引擎针对 Coze Studio 和 Coze Loop 提供了官方的一键自动化部署方案，大幅简化了部署流程。

一键部署地址：

https://www.volcengine.com/activity/dev-coze-studio

访问入口： 打开上述链接

页面下滑点击 「立即部署」。

再跳转页面，输入登录邮箱

完成支付： 确认订单并支付（平台自动完成后续所有操作，授权、开通ECS（云服务器）服务、配置环境、拉取镜像、启动服务……）。

获取访问地址： 部署成功后，页面将直接提供 Coze Studio 的公网访问地址。

登录 Coze Studio：

打开获取到的公网地址。使用前面填写邮箱和密码（邮箱一致）进行注册/登录（首次登录选择“注册”）。

进入工作台： 登录成功，即可进入您专属的 Coze Studio 后台工作空间。

这是目前国内最适合部署和体验Coze开源版的云。可以支持以下的功能：

零配置： 自动化完成 ECS 实例开通、环境配置、镜像拉取和服务启动，开发者无需手动干预。快速启动： 分钟级完成部署，立即可用。弹性伸缩： 资源支持按需弹性扩容。测试完成后可快速销毁实例，避免资源闲置浪费（按小时计费）。官方优化： 作为字节跳动旗下云服务，火山引擎对 Coze 开源组件提供深度优化支持。生产部署： 据官方信息，未来将支持更灵活的生产级部署架构（如独立数据库、中间件），便于支撑企业级应用。

完整的保姆级搭建教程

Coze Studio 的工作流长这样：

1. HTTP 请求节点：拉取滴答清单的任务数据

2. 代码节点：过滤今日未完成任务，按优先级排序

3. 大模型节点：调用豆包模型生成任务摘要

4. 飞书推送节点：把摘要消息推送到指定群组

1. 创建工作流

这里和我们日常使用的Coze 一样，先打开工作空间的“资源库”，在右边新建工作流

创建完成后，自动跳转到如下

2. 获取 滴答清单 Access Token和项目 ID

参考：https://developer.dida365.com/docs#/openapi

2.1 授权 URL，获取code

首先让我们打开“https://developer.dida365.com/manage”创建一个“Manage Apps”

URL 不填写，其他自定义

重定向 URL 填写“https://example.com”，保存

保存好了，让我们打开找到“Client ID”

“Client ID”的值替换下面代码块中“YOUR_CLIENT_ID”“state=123”的 123替换为“Name”，比如“state=Coze-cs”

https://dida365.com/oauth/authorize?client_id=YOUR_CLIENT_ID&scope=tasks:read&response_type=code&redirect_uri=https://example.com&state=123

替换后，如下跳转认证

点击允许

到这里我们就获取了“code”，在下面这个例子中code=lt481B

2.2 用 code 换取 Access Token

拼接字符串

将 client_id 和 client_secret 拼接，中间用冒号（:）分隔，比如：

bv90T3y3Z9siJH9vBG:nC1*T#ouw)v5T3Y@3D#J2ytG)#omRYY)

将上述字符串进行 Base64 编码。你可以使用在线工具（如 Base64 Encoder）或编程语言来完成这一步，输入后点击编码即可：

在我们工作流页面新建HTTP 节点，点击“导入 cURL”

复制下面代码块到“导入 cURL”的编辑页面

把刚才获得的编码“YnY5MFQzeTNaOXNpSkg5dkJHOm5DMSpUI291dyl2NVQzWUAzRCNKMnl0Rykjb21SWVkp”替换下面“编码”，上面获取的“code”替换下面的“代码”

curl -X POST https://dida365.com/oauth/token \
  -H "Content-Type: application/x-www-form-urlencoded" \
  -H "Authorization: Basic 编码" \
  -d "grant_type=authorization_code&code=代码&redirect_uri=https://example.com"

导入之后试运行，返回 200 代表正常

这里我的code超时了，重新获取了一遍

在这次返回的输出中，找到“access_token”的值“7eae2693-7299-4590-89aa-0e8c1690992d”后，让我们继续下一步

2.3 获取项目列表

在我们 HTTP 节点，点击“导入 cURL”，记得把上文的“access_token”替换一下

curl -X GET "https://api.dida365.com/open/v1/project" \
  -H "Authorization: Bearer 7eae2693-7299-4590-89aa-0e8c1690992d"

然后点击试运行，在输出的结果中找到我们清单的项目，保存 ID“6891ac31e4b02778a09964ee”

2.4 获取某个项目中的任务

把下面的代码块中的 ID 替换为刚才获取的 ID，，点击试运行

https://api.dida365.com/open/v1/project/6891ac31e4b02778a09964ee/data

3. 格式化滴答清单内容

复制下面代码到 Coze 代码节点的 IDE 中

import json
from typing import Any, Dict, List
async def main(args) -> Dict[str, Any]:
    """从输入参数提取任务关键字段"""
    # 获取输入参数
    params = args.params
    input_data = params.get('input', '')


    # 准备空任务列表作为默认结果
    extracted_tasks: List[Dict[str, Any]] = []


    try:
        # 解析输入的JSON字符串
        input_obj = json.loads(input_data)


        # 提取任务数组
        tasks = input_obj.get('tasks', [])


        # 提取每个任务的指定字段
        for task in tasks:
            extracted = {
                "title": task.get("title", ""),
                "content": task.get("content", ""),
                "startDate": task.get("startDate", ""),
                "dueDate": task.get("dueDate", ""),
                "priority": task.get("priority", -1)
            }
            extracted_tasks.append(extracted)


    except json.JSONDecodeError as e:
        print(f"JSON解析错误: {e}")
    except Exception as e:
        print(f"处理任务时出错: {e}")


    # 构建返回对象
    return {"tasks": extracted_tasks}

修改输入、输出变量

input——String——链接 HTTP 的bodytasks——Array<Object>

4. 获取当前时间

复制下面代码到 Coze 代码节点的 IDE 中

import asyncio
from datetime import datetime, timezone, timedelta
async def main(args) -> dict:
    # 获取当前UTC时间并转换为北京时间 (UTC+8)
    utc_now = datetime.now(timezone.utc)
    beijing_tz = timezone(timedelta(hours=8))
    beijing_now = utc_now.astimezone(beijing_tz)


    # 格式化日期组件
    year = beijing_now.year
    month = str(beijing_now.month).zfill(2)
    day = str(beijing_now.day).zfill(2)


    # 构建 ISO 8601 格式的日期字符串
    date_string = f"{year}-{month}-{day}"


    # 返回北京时间结果
    return {"time": date_string}

修改输出变量

不需要输入time——String

5. 大模型节点

新建大模型节点

修改提示词、输入

今天是 {{time}}，以下是滴答清单中今天的任务：
{{tasks}}
请用简洁的中文总结今天需要完成的事情，按优先级排序。

好的，做完之后链接闭环

6. 运行效果截图

不需要输入内容，试运行输出：

作为一个开发者，我在这次尝试中体验到了 Coze 开源带来的几个优势：

流程可视化：像搭积木一样拖节点，数据流、模型调用、HTTP 请求都能串起来。自定义扩展：所有逻辑都在我控制下，要接哪个平台、加什么字段都很灵活。私有部署：配合火山引擎一键部署，环境预配置好，隐私数据自己托管。模型灵活接入：我用了豆包模型，响应速度快，多模态理解也强，生成效果很满意。

写在最后：开源带来的不仅是自由，更是起点

以前想搭一个自动播报任务的助手，意味着要从零写完后端逻辑、调度系统、模型集成，甚至部署上线都要一整套手动配置。但现在，只用开源 Coze 搭配火山引擎云服务，整个链路几乎可以拖拉拽完成，代码量也压缩到极小。这不仅降低了 Agent 应用的门槛，也让更多非 AI 背景的开发者能加入其中，做出真正实用的小应用。

Coze 开源版本身足够灵活，能轻松集成外部模型服务，而火山引擎围绕 Coze 开源版所提供的云资源、部署工具和开发支持，也进一步降低了实践门槛。此外，像 Responses API 和模型托管等服务，也为后续扩展更复杂的智能体能力打下了基础。

对开发者来说，这次开源带来的不只是“自由改造”的空间，更是一次“轻量试错”的机会。用很低的成本，就可以跑通一个实际落地的 AI Agent。不再局限于实验室，也不再只是大厂内部工具，而是让每一个开发者都能用得起、跑得起、做得出。

这是技术普惠真正的样子：让更多人参与到智能体时代的建设里来。

仓库地址和一键部署入口都放在文末👇

Coze Studio（Agent 开发平台）：https://github.com/coze-dev/coze-studio

火山引擎一键部署：https://www.volcengine.com/activity/dev-coze-studio

阅读原文

跳转微信打开

Fish AI Reader

Fish AI Reader

AI辅助创作，多种专业模板，深度分析，高质量内容生成。从观点提取到深度思考，FishAI为您提供全方位的创作支持。新版本引入自定义参数，让您的创作更加个性化和精准。

FishAI

鱼阅，AI 时代的下一个智能信息助手，助你摆脱信息焦虑

联系邮箱 441953276@qq.com