2025终极实测！字节开源Coze保姆级教程，零代码搭建Agent应用，收藏这篇就够了！

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。

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

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。

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”

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

1. 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”

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-0e8cd”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

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

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

修改输入、输出变量

• input——String——链接 HTTP 的body
• tasks——Array

4. 获取当前时间

复制下面代码到 Coze 代码节点的 IDE 中

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

好的，做完之后链接闭环

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。

我国在AI大模型领域面临人才短缺，数量与质量均落后于发达国家。2023年，人才缺口已超百万，凸显培养不足。随着Al技术飞速发展，预计到2025年，这一缺口将急剧扩大至400万，严重制约我国Al产业的创新步伐。加强人才培养，优化教育体系，国际合作并进，是激活成功教程困局、推动AI发展的关键。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

明确的学习路线至关重要。它能指引新人起点、规划学习顺序、明确核心知识点。大模型领域涉及的知识点非常广泛，没有明确的学习路线可能会导致新人感到迷茫，不知道应该专注于哪些内容。

对于从来没有接触过AI大模型的同学，我帮大家准备了从零基础到精通学习成长路线图以及学习规划。可以说是最科学最系统的学习路线。

针对以上大模型的学习路线我们也整理了对应的学习视频教程，和配套的学习资料。

新手必备的大模型学习PDF书单来了！全是硬核知识，帮你少走弯路！

所有视频教程所涉及的实战项目和项目源码等
扣子 Coze 教程

MoPaaS专注于Al技术能力建设与应用场景开发，与智学优课联合孵化，培养适合未来发展需求的技术性人才和应用型领袖。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【】

2025人工智能大模型的技术岗位与能力培养随着人工智能技术的迅速发展和应用 ， 大模型作为其中的重要组成部分 ， 正逐渐成为推动人工智能发展的重要引擎 。大模型以其强大的数据处理和模式识别能力， 广泛应用于自然语言处理 、计算机视觉 、 智能推荐等领域 ，为各行各业带来了革命性的改变和机遇 。

• 在校学生：包括专科、本科、硕士和博士研究生。学生应具备扎实的编程基础和一定的数学基础，有志于深入AGI大模型行业，希望开展相关的研究和开发工作。
• IT行业从业人员：包括在职或失业者，涵盖开发、测试、运维、产品经理等职务。拥有一定的IT从业经验，至少1年以上的编程工作经验，对大模型技术感兴趣或有业务需求，希望通过课程提升自身在IT领域的竞争力。
• IT管理及技术研究领域人员：包括技术经理、技术负责人、CTO、架构师、研究员等角色。这些人员需要跟随技术发展趋势，主导技术创新，推动大模型技术在企业业务中的应用与改造。
• 传统AI从业人员：包括算法工程师、机器视觉工程师、深度学习工程师等。这些AI技术人才原先从事机器视觉、自然语言处理、推荐系统等领域工作，现需要快速补充大模型技术能力，获得大模型训练微调的实操技能，以适应新的技术发展趋势。
  

大模型核心原理与Prompt：掌握大语言模型的核心知识，了解行业应用与趋势；熟练Python编程，提升提示工程技能，为Al应用开发打下坚实基础。

RAG应用开发工程：掌握RAG应用开发全流程，理解前沿技术，提升商业化分析与优化能力，通过实战项目加深理解与应用。

Agent应用架构进阶实践：掌握大模型Agent技术的核心原理与实践应用，能够独立完成Agent系统的设计与开发，提升多智能体协同与复杂任务处理的能力，为AI产品的创新与优化提供有力支持。

模型微调与私有化大模型：掌握大模型微调与私有化部署技能，提升模型优化与部署能力，为大模型项目落地打下坚实基础。

实战专家亲授，让你少走弯路

• 真实商业项目实训
• 大厂绿色直通车

人才库优秀学员参与真实商业项目实训

以商业交付标准作为学习标准，具备真实大模型项目实践操作经验可写入简历，支持项目背调

大厂绿色直通车，冲击行业高薪岗位

文中涉及到的完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【】