🤖 Coze Studio(扣子)全面介绍
字节跳动开源的一站式 AI Agent 开发平台

📅 2026-06-27 | 🏷️ 学习专区,AI工具,Coze,智能体,开源

📖 一、Coze 是什么

Coze(扣子) 是字节跳动推出的 AI 智能体(Agent)开发平台。2025 年 7 月,字节跳动将 Coze 的核心产品以 Apache 2.0 协议 完全开源,允许免费商用。

一句话概括

Coze = 不用写代码,像搭积木一样搭建 AI 智能体的平台。
你只需要拖拽节点、配置参数,就能做出一个能聊天、能查资料、能调用 API 的 AI 助手。

开源包含两个核心组件

组件定位GitHub
Coze StudioAI Agent 可视化开发工具coze-dev/coze-studio
Coze LoopAgent 运维管理平台(调试/评测/监控)coze-dev/cozeloop

🎯 二、核心功能详解

1. 可视化工作流编排

Coze 最核心的能力。你可以通过拖拽节点,定义 AI 的处理流程:

用户提问
    │
    ▼
┌─────────────────────┐
│  意图识别节点        │  ← 判断用户想干什么
│  "查天气" / "写文章"  │
└────────┬────────────┘
         │
    ┌────┴────┐
    ▼         ▼
┌────────┐ ┌────────┐
│查天气   │ │写文章   │  ← 条件分支
│HTTP请求 │ │大模型   │
│天气API  │ │生成内容  │
└───┬────┘ └───┬────┘
    │         │
    └────┬────┘
         ▼
┌─────────────────────┐
│  格式化输出          │  ← 代码节点
│  返回给用户          │
└─────────────────────┘

支持的节点类型

节点功能示例
大模型节点调用 LLM 处理文本总结、翻译、生成
知识库节点检索知识库内容RAG 问答
代码节点运行 Python/JS数据处理
条件分支根据条件分流if/else
循环节点重复执行批量处理
HTTP 请求调用外部 API查天气/调数据库
意图识别自然语言理解对话分流
数据库节点读写数据库查询/存储
消息/问答节点预设回复标准话术

2. 知识库(RAG)

让 AI 基于你的私有数据回答问题,避免幻觉:

  • 支持上传:TXT、PDF、Excel、CSV、图片
  • 自动分段、向量化、建立索引
  • 用户提问时,自动检索最相关的内容作为上下文
  • 支持多知识库管理

💡 场景示例

把公司产品手册上传到知识库 → 创建客服 Bot → 用户问"怎么退款",AI 自动从手册中找到退款流程来回答。

3. 插件系统

Coze 内置了 19 个官方插件,让 AI 能调用外部工具:

插件功能需要 API Key?
🔍 必应搜索联网搜索✅ 是
🌤️ 天气查询查天气❌ 免费
📰 头条新闻热门新闻❌ 免费
🧮 Wolfram Alpha数学/知识查询✅ 是
🗺️ 高德地图地理位置✅ 是
📅 飞书日历日程管理✅ 飞书账号
📝 飞书文档文档读写✅ 飞书账号

4. 多 Agent 协同

Coze 支持创建多个智能体,让它们分工合作:

用户提问
    │
    ▼
┌──────────────────┐
│  主管 Agent       │  ← 分析问题,分派任务
│  (任务分配者)      │
└──┬───┬───┬───┬───┘
   │   │   │   │
   ▼   ▼   ▼   ▼
 ┌──┐ ┌──┐ ┌──┐ ┌──┐
 │搜索│ │分析│ │写作│ │审核│ ← 各司其职
 └──┘ └──┘ └──┘ └──┘
   │   │   │   │
   └───┴───┴───┘
         │
         ▼
    ┌──────────┐
    │ 汇总输出   │
    └──────────┘

5. 发布与部署

创建好的智能体可以发布到多个渠道:

  • 🌐 Web API:通过 HTTP 接口调用
  • 💬 飞书:发布为飞书机器人
  • 📱 豆包:发布到豆包平台
  • 🔗 嵌入网页:通过 iframe 嵌入到自己的网站

⚙️ 三、技术架构

Coze Studio 开源版的技术栈:

层级技术
前端React + TypeScript
后端Golang(微服务架构,DDD 领域驱动设计)
服务通信Thrift IDL
数据库MySQL + Redis + Elasticsearch + Milvus
存储MinIO(对象存储)
消息队列NSQ
部署方式Docker Compose / Kubernetes

🆚 四、Coze vs LangCrew 深度对比

LangCrew 是 01.AI(零一万物,李开复创办) 推出的多 Agent 开发框架,基于 LangGraph 构建。两者定位完全不同:

一句话区分

Coze

🖱️ 可视化平台
拖拽式,不用写代码

LangCrew

⌨️ 代码框架
Python 编程,高度灵活

详细对比

维度CozeLangCrew
出品方字节跳动01.AI(零一万物)
本质AI 应用开发平台多 Agent 开发框架
使用方式🖱️ 浏览器拖拽,零代码⌨️ 写 Python 代码
底层引擎自研 Go 微服务LangGraph(LangChain 生态)
UI 界面⭐⭐⭐⭐⭐ 完整可视化⭐⭐ 提供 React 组件库
多 Agent 编排✅ 支持,可视化配置✅ 原生支持,Crew 模式
人机协同(HITL)❌ 不支持✅ 内置,高级审批系统
知识库✅ 内置(RAG 引擎)❌ 需自建
插件生态✅ 19 个官方插件✅ LangCrew-Tools
记忆管理✅ 短期+长期记忆✅ LangGraph + langmem
运维监控✅ Coze Loop✅ LangSmith + LangTrace
部署复杂度🔴 重(11 个容器)🟢 轻量(pip install)
内存占用🔴 ~2GB+🟢 极低(纯代码)
后端语言GoPython
许可证Apache 2.0Apache 2.0
GitHub Stars~19k+较新项目

代码对比:同样做一个多 Agent 任务

Coze(拖拽配置)

打开浏览器 → 拖拽节点:
┌──────────┐
│ 开始节点  │
├──────────┤
│ 意图识别  │ ← 自然语言判断
├──────────┤
│ 搜索节点  │ ← HTTP 调百度
├──────────┤
│ 大模型节点│ ← 分析总结
├──────────┤
│ 结束节点  │
└──────────┘
零代码,全可视化

LangCrew(Python 代码)

from langcrew import Crew, Agent, Task

analyst = Agent(role="分析师")
writer = Agent(role="写手")

research = Task(
    description="搜索并分析...",
    agent=analyst
)
report = Task(
    description="撰写报告",
    agent=writer
)

crew = Crew(
    agents=[analyst, writer],
    tasks=[research, report]
)
crew.kickoff()

LangCrew 的独特优势

LangCrew 相比 Coze 有几个独特的能力:

🔄 人机协同(HITL)

Agent 执行到关键步骤时,可以暂停等待人工审批。Coze 没有这个能力。

🧩 深度定制

基于 LangGraph,可以控制 Agent 的每一步逻辑。Coze 只能使用平台提供的节点。

🎯 应用模板

内置招聘筛选、营销策略、游戏开发等开箱即用的模板。

⚡ 轻量部署

pip install 即可,不依赖 Docker,2GB 服务器轻松跑。

怎么选

场景推荐理由
快速搭个聊天机器人,不想写代码Coze ✅拖拽即可,零门槛
开发复杂的多 Agent 协作系统LangCrew ✅代码控制力强,HITL 支持
集成到 Ascent CreatorLangCrew ✅Python 项目,直接 pip 集成
服务器资源有限(2GB)LangCrew ✅轻量,不跑 Docker
需要内置知识库/插件Coze ✅开箱即用
需要人机审批流程LangCrew ✅内置 HITL

💡 最佳组合策略

两者不是互斥的,可以组合使用:
Coze 做前端交互(快速搭建用户界面,验证对话体验)
LangCrew 做后端 Agent 编排(复杂的多 Agent 逻辑)
各取所长,效果最好。

💼 五、典型应用场景

💬 智能客服

知识库 + 大模型,自动回答常见问题。解决 80% 的重复咨询,人工只处理复杂问题。

📊 自动化日报

HTTP 查询数据 → 大模型总结 → 定时发送到飞书/微信。告别手动写日报。

🔍 文档问答

上传产品手册/合同/论文,AI 基于内容回答问题。适合企业内部知识库。

🤖 内容生成

工作流编排:搜索资料 → 分析 → 写作 → 审核。一键生成文章/报告。

🖥️ 六、部署要求

项目Coze 最低要求LangCrew 要求
CPU2 核任意
内存4 GB(推荐 8GB+)256 MB 起步
磁盘20 GB100 MB
环境Docker + Docker ComposePython 3.10+
容器数量11 个0 个

💎 七、总结

Coze 的核心价值

让不会写代码的人也能搭建 AI 智能体。
让会写代码的人快速验证 AI 应用想法。
开源 + Apache 2.0 = 数据完全私有,可免费商用。

适合谁用

  • 👤 产品经理/运营:快速搭建 AI 客服、内容助手
  • 👨‍💻 开发者:快速原型验证,再迁移到生产框架
  • 🏢 企业:私有化部署,数据不出门
  • 🎓 学习者:零门槛体验 AI Agent 开发

Coze vs LangCrew 一句话总结

Coze = 🖱️ 可视化
适合快速搭建、非技术用户

LangCrew = ⌨️ 代码框架
适合深度定制、开发者


📎 Coze Studio:github.com/coze-dev/coze-studio
📎 LangCrew:github.com/01-ai/langcrew