首页 >攻略

手把手教你本地部署 Coze Studio & 深度对比dify

详细介绍字节跳动开源的 Coze Studio 在 macOS 上的安装步骤 ，并对比了其与 Dify 在应用构建、知识库、插件和工作流编排等方面的功能差异

作者: 一深思AI
分类:工作效率
38 次阅读


前言


       Coze Studio 是字节跳动开源的 AI 智能体开发平台，让普通用户也能轻松创建自己的 AI 助手。本文将详细介绍如何在 macOS 上从零开始安装开源版 Coze Studio，让你快速上手 AI 开发。


       Coze当前的能力和体验又如何，大厂下场后，dify等平台可以被平替吗？作为专门开发Agent应用的个人，应该如何选择？


安装前准备

   系统要求

      • 操作系统：macOS 10.15 或更高版本
      • 硬件要求：至少 2 核 CPU、4GB 内存
      • 磁盘空间：至少 10GB 可用空间
      • 网络：稳定的互联网连接


需要安装的软件

       1.  Homebrew（macOS 包管理器）

       2. Docker Desktop（容器化平台）

       3. Ollama（本地 AI 模型服务）

       4. Git（版本控制工具）


详细安装步骤

   步骤 1：检查并安装 Homebrew


   首先检查是否已安装 Homebrew：

1. which brew

   如果没有安装，运行以下命令安装： 

/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"


   步骤 2：安装 Docker Desktop


   方法一：使用 Homebrew 安装· 

1. brew install --cask docker


   方法二：手动下载安装

       如果网络问题导致 Homebrew 安装失败，可以手动下载：


       1. 访问 Docker 官网

       2. 下载适合 Apple Silicon (M1/M2) 或 Intel 芯片的版本

       3. 双击 .dmg 文件安装

       4. 启动 Docker Desktop 应用程序


       验证 Docker 安装：

1. docker --version
2. docker compose version


   步骤 3：安装 Ollama

1. brew install ollama


   启动 Ollama 服务：

brew services start ollama


   下载 AI 模型：

1. # 下载 Llama 3.2 模型（约 2GB）
2. ollama pull llama3.2
3. # 下载嵌入模型（用于知识库功能）
4. ollama pull nomic-embed-text


   验证 Ollama 安装：

 1. ollama list


   步骤 4：下载 Coze Studio 源码

1. # 克隆源码到本地
2. git clone https://github.com/coze-dev/coze-studio.git
3. cd coze-studio


   步骤 5：配置模型


   复制模型配置模板：

1. cp backend/conf/model/template/model_template_ollama.yaml backend/conf/model/ollama_llama3.yaml


   编辑模型配置文件：

1. vim backend/conf/model/ollama_llama3.yaml


   修改以下字段：

      • id: 2003 （保持不变）
      • name: "Llama-3.2"
      • model: "llama3.2"
      • base_url: "http://host.docker.internal:11434"


   步骤 6：配置环境变量

1. cd docker
2. cp .env.example .env


   编辑 .env 文件，修改以下关键配置：

       (这里我想要使用的是步骤3在电脑上本地安装好的模型，不是火山的模型，需要对配置文件进行修改；目前作为coze开源的第一个版本，还不像dify那样，支持用户web页面进行修改。）


1.# 模型配置
2.export MODEL_PROTOCOL_0="ollama"
3.export MODEL_OPENCOZE_ID_0="2003"
4.export MODEL_NAME_0="Llama-3.2"
5.export MODEL_ID_0="llama3.2"
6.export MODEL_BASE_URL_0="http://host.docker.internal:11434"
7.# 嵌入模型配置
8.export EMBEDDING_TYPE="openai"
9.export OPENAI_EMBEDDING_BASE_URL="http://host.docker.internal:11434/v1"
10.export OPENAI_EMBEDDING_MODEL="nomic-embed-text"
11.export OPENAI_EMBEDDING_API_KEY="ollama"
12.export OPENAI_EMBEDDING_BY_AZURE=false
13.export OPENAI_EMBEDDING_DIMS=768
14.# 内置模型配置
15.export BUILTIN_CM_TYPE="ollama"
16.export BUILTIN_CM_OLLAMA_BASE_URL="http://host.docker.internal:11434"
17.export BUILTIN_CM_OLLAMA_MODEL="llama3.2"
18.# 服务地址配置（Docker 容器间通信）
19.export MYSQL_HOST=coze-mysql
20.export REDIS_ADDR="coze-redis:6379"
21.export MILVUS_ADDR="coze-milvus:19530"
22.export ES_ADDR="http://coze-elasticsearch:9200"
23.export MINIO_ENDPOINT="coze-minio:9000"
24.export MQ_NAME_SERVER="coze-nsqd:4150"


   步骤 7：启动 Coze Studio

1. # 启动所有服务（首次启动可能需要 5-10 分钟）
2. docker compose --profile "*" up -d


   查看启动状态：

1. docker compose ps


   验证安装


   1.检查服务状态

· · 

1. # 所有服务应该显示为 "healthy" 或 "running"
2. docker compose ps


   2. 测试 Web 界面

       打开浏览器访问：http://localhost:8888


   3. 测试 API 接口 

1. curl -s -o /dev/null -w "%{http_code}" http://localhost:8888/
2. # 应该返回：200


总结

       通过以上步骤，你已经成功在 macOS 上搭建了开源版 Coze Studio 开发环境。现在我们一起来体验下，感受它和dify之间的异同：


   1. 注册+登陆

       和dify一样，需要先填写邮箱，并且录入密码，点击注册后，再进行登录。

       有所区别的是，在coze的这个版本还不支持分享链接，通过 邀请来创建新账号。


wps_doc_0.png


   2. 构建智能应用

       工作空间双方都是只支持默认的个人空间，不支持创建多个空间来存放应用


      • 但明显dify创建应用的方式和类型更多元，尤其支持从DSL导入创建，更是方便已有应用在用户间的分享和传播。
      • Coze也支持复制功能，但现在藏得很深，需要到“探索”-“模板”中选择对应的模板（当前只有2个），点击复制。


wps_doc_1.png


       比如我点击复制，快速生成“导购陪练”。


wps_doc_2.png

   3. 建立专属知识库


      • coze和dify都支持创建知识库，但dify是将知识库作为一个单独的模块；coze则是把知识库作为“资源”的一个类别。
      • dify知识库支持导入各种类型的文件，而coze当前只有三种，且必须在新建知识库的时候选定好类型（这个逻辑说实话从产品层面，无疑dify更为合理）


wps_doc_3.png

wps_doc_4.png


   4. 插件和工具的使用


      • dify可以在插件市场中，快速选中第三方的插件，并且点击安装即可；
      • coze目前官方的插件可以直接使用，无需安装，这点相比来说更为方便；也支持在“资源”处手动创建自己的插件。


wps_doc_5.png

wps_doc_6.png


   5. 应用的发布和使用


      • dify发布选项更多，发布后“运行”进行体验，也可以在“探索”中进行使用，同时也支持把工作流发布为工具，供其他Agent和工作流调用。
      • coze目前发布后的运行和使用，没有那么直观，有API调用和Chat SDK两种方式


wps_doc_7.png


      • dify目前还支持通过mcp-server插件把一个工作流转换为一个MCP工具，供内外部进行调用。

   6. 工作流的编排能力

      • 在支持的节点类型上，coze的能力也是不错的，支持大模型/插件和工作流直接作为节点添加进来。其中添加工作流的方式感觉很有前景，有助于复杂工作流的解耦合和结构化，在dify中应该进行借鉴。
      • 目前dify有支持Agent节点，能基于不同的agent工作模型调用大模型/工具/知识库等完成特定的任务；而coze还没有支持。


wps_doc_8.png

wps_doc_9.png


      • coze可以将工作流中的内容写入知识库，完成知识库数据的更新，这也是一个差异点。


wps_doc_10.png


       综上，当前coze的这个开源版本，还处于比较早期的阶段，取代dify来说还为时过早；但coze的核心功能，流程的编排和体验上，是具备一定的实力的，且也存在dify等其他平台借鉴的亮点。


本文由公众号“一深思AI”授权转载｜ https://mp.weixin.qq.com/s/soQcSXaN5ypsPyNrf5c1bQ（编辑：潇飞）