全面解析 Coze 工作流与 AI Agent 实例搭建

五、团队协作与资源管理功能

适合多人共同开发或企业级使用。

• 工作空间与权限管理：可创建'团队工作空间'，邀请成员加入并分配权限（如'管理员''开发者''测试者'），不同权限对应不同操作范围（如开发者可编辑 Bot，测试者仅能进行测试），保障协作效率与数据安全。
• 资源库统一管理：工作流、知识库、插件、测试用例等资源可统一存储在'资源库'，支持跨 Bot 复用（如将'客户信息查询工作流'应用到多个客服 Bot），减少重复开发。

典型适用场景

• 内容创作：如搭建'短视频脚本生成 Bot''文案优化 Bot'，结合工作流实现'选题→初稿→润色→排版'自动化；
• 企业服务：如'智能客服 Bot'（对接知识库和订单系统，自动解答售后问题）、'办公助手 Bot'（自动汇总周报、预约会议）；
• 个人工具：如'学习助手 Bot'（定制化整理知识点）、'旅行规划 Bot'（结合实时数据生成行程）；
• 开发者工具：如快速搭建 API 测试 Bot、代码解释 Bot 等。

3. 差异对比

4. Coze 和 Coze 空间

功能定位：'开发平台' vs '协同办公场所'

• 扣子（Coze）：核心是AI 智能体开发平台，面向'搭建者'，无论是否有编程基础，都能通过低代码方式创建、训练 AI 智能体（如智能客服、天气助手），并编排工作流（如短视频生成、数据查询流程），本质是'生产 AI 应用的工具'。
• 扣子空间（Coze Space）：核心是AI 协同办公助手，面向'使用者'，聚焦'高效完成实际任务'，无需搭建智能体，只需提出目标（如'写一份产品销售报告''设计《朝花夕拾》教案'），即可作为办公场景的协作工具，本质是'用 AI 解决具体工作的场所'。

任务处理方式：'手动编排' vs '自动拆解'

• 扣子：需用户手动设计工作流，明确 AI 执行的每一步逻辑（如'调用天气插件→获取数据→按格式输出'），适合需要定制化流程的场景，但依赖用户对任务逻辑的拆解能力。
• 扣子空间：支持智能任务分解，用户仅需输入目标（如'规划北京三日游'），系统会自动拆分为'景点筛选→行程排序→天气查询→酒店推荐'等子任务，按逻辑依次执行；还提供'探索模式''规划模式'两种处理方式，无需用户手动配置步骤。

输出成果形式：'多样化创作' vs '办公场景适配'

• 扣子：输出形式更偏向'创作与应用交付'，包括视频、文字、网页链接、智能体应用（可发布到社交平台 / 业务系统）等，随插件生态完善可拓展更多创作类成果（如动漫视频、小说推文）。
• 扣子空间：输出更聚焦'办公实用性成果'，如 PPT 文件、Markdown 文档、在线数据表格、思维导图等，直接匹配报告撰写、会议安排、数据分析等工作场景，无需额外格式转换即可使用。

工具调用能力：'插件接入' vs '深度集成'

• 扣子：通过'插件市场'接入第三方工具（如头条搜索、图像生成、OCR 识别），工具数量丰富但以'单点功能调用'为主，需手动关联到工作流中，适合轻量工具整合。
• 扣子空间：支持MCP 工具协议，不仅能调用墨迹天气、GitHub、高德地图等外部工具，还能与飞书全家桶（飞书文档、多维表格、日历）深度集成，工具调用更贴合办公协同场景，且无需手动配置关联逻辑，系统会自动匹配任务所需工具。

二、开发者 - 智能体搭建

智能体，也就是我们常说的 AI Agent，但它到底是什么呢？我们可以用一个简单的公式进行描述：AI Agent = Processing（流程处理）+ LLM（语言模型）+ Memory（长期记忆）+ Tools（工具）。

有没有发现这个 AI Agent 跟我们人有点相似，LLM 就像是我们的大脑，帮助我们做决策和分析，Processing 是我们将一件事拆分成的每一个步骤，Memory 就像是我们人类的记忆和经验，Tools 就像是我们为了完成一件事所需要用到的工具。

单纯的 LLM 就是 Large Language Model 大语言模型，简称大模型，主要被用来理解文本和生成自然语言文本，也就是我们前些年最火所谓的 AI。通常没有特定的目标和任务，就是你一句我一句这种根据输入的文本给出相应的回答的形式，大家所熟知的 ChatGpt、Deepseek、豆包、Kimi、元宝、通义千问这些其实都是大语言模型。

但是单一的大语言模型能做到的对话再厉害，它也只是一个对话模型，无法真正做到某件事情，其实 AI Agent 就是自动化机器人，可以给它设定很多个功能，我只需要一个指令，它就可以帮我们完成一系列动作，这和前几年火的 RPA 有异曲同工之妙。

我们来使用 Coze 在空间中设计一个智能体。

首先，我们要明白我们的目的，我要设计一个能生成成语视频的智能体。我通过输入成语，他就能给我生成一个完整的讲解视频。生成视频，我们需要有文案，图片，声音。我们可以做以下部署：

1. 首先进入资源库，点击工作流

2. 输入名称

3. 插入大模型，重命名

4. 配置开始节点

5. 配置大模型

6. 书写提示词

请围绕某一成语故事，生成一段成语类短视频口播文案，需遵循以下结构：
1. **悬念开场**：以'【成语相关场景/背景】+ 反常识疑问/断言'开篇，激发观众兴趣。
2. **身份代入**：用第二人称'你'描述在成语故事背景下的身份、所处情境及面临的核心难题，包含具体情境信息，直接进入主题。
3. **冲突升级**：依次展现事件发展中的外部阻碍、内部矛盾、关键抉择三层冲突。
4. **破局细节**：主角采取 3 个递进动作，包含：具体行动（如实地考察/制定策略）、巧思运用（如借助外力/变换方法）、核心举措（如关键言行/决定性行为）。
5. **主题收尾**：通过事件结局引出成语的形成，以'这一刻你终于明白…'句式点题，揭示成语蕴含的道理。
要求：每段不超过 3 句话，多用短句制造节奏；加入至少 2 处与成语相关的文化常识；在关键转折点使用感官描写（如动作触感/场景视觉/氛围感受）；生成 200-300 字左右口播文案，由长短句构成，长句用逗号分隔，每个短句不超 19 个汉字。**输出要求**：只输出口播字幕文案，不要输出其他任何额外内容，不输出分段说明
参考实例：
1：完璧归赵'蔺相如捧着和氏璧，真的只是靠嘴皮子退敌吗？你是赵王派去的护卫，手按剑柄站在秦宫廊下，玉璧的冰凉透过锦盒传来，像块寒冰贴在掌心。秦王把玩玉璧时，侍臣的笑声震得梁上灰尘簌簌落，没人提割城的事，你摸出靴中短刀，刀柄的纹路已被冷汗浸软。赵军在边境被秦军牵制，国内大臣吵着要毁玉避祸，你收到密信，若玉璧留秦，家眷立斩。蔺相如突然捧玉后退，指尖抵着柱角，石屑硌进肉里。他先说玉有瑕疵，骗回璧后举过头顶，扬言要撞碎在柱上，声音比殿角铜钟还响。你看见秦王眼角抽搐，侍臣摸向腰间的剑，寒光映在玉璧上。蔺相如让秦王斋戒五日，你趁机带着玉璧混在商队里，用炭笔在璧上刻下微小记号。五日后秦宫，他指着空盒笑说，玉已归赵，要杀要剐悉听尊便。秦王摔碎案上酒樽，酒液溅湿你裤脚，却终究没下令动手。你摸着袖中带回的玉璧，刻痕还带着体温。这一刻你终于明白，'完璧归赵'靠的从不是鲁莽，是把生死当筹码的精准算计。'
2：负荆请罪'廉颇光着脊背负荆，真的只是服软那么简单吗？你是廉颇的亲兵，捧着荆条跟在他身后，石板路的凉气透过草鞋往上窜，棘刺在他背上划出红痕。蔺相如的门客拦在巷口，投来的白眼比冬日寒风还冷，军中副将在街角跺脚，骂将军辱没了上卿身份。秦军在边境集结，扬言要趁赵国内斗来犯，赵王的诏书催了三次，让廉颇去蔺相如府中议事，他却关在帐中喝闷酒。廉颇突然摔碎酒坛，抓起荆条就往外走，你想给他披件衣服，被他一胳膊肘推开，掌心的老茧蹭过你手背，比荆条还硬。他在蔺相如门前跪下，脊背挺得笔直，荆条的尖刺扎进皮肉，血珠滴在青石板上，像撒了把红豆。蔺相如慌忙扶起他时，你看见两人手扣在一起，指节都在用力。三日后联军出征，蔺相如坐帐筹谋，廉颇挥师冲锋，你们跟着将军杀进敌阵，听见他吼着'蔺相如信我'。刀光剑影里，你摸着腰间的令牌，上面刻着'赵'字。这一刻你终于明白，'负荆请罪'藏的不是卑微，是能屈能伸的家国大义。'
3：草木皆兵'苻坚望见八公山草木，真的是吓破了胆吗？你是前秦的传令兵，站在山顶瞭望台，晋军的旗帜在风里猎猎作响，像一片翻涌的红海压过来。帐篷里传来争吵，鲜卑将领说要退军，氐族老将拍着案大叫，说晋军不过是纸老虎，苻坚的手指在地图上乱点，墨迹晕染了'淝水'二字。粮草车队在山坳被劫，士兵嚼着树皮骂娘，你去查岗时，看见哨兵把树影当成晋军，弓弦拉得咯吱响，冷汗顺着他的下颌线往下淌。苻坚突然下令全军后撤，让晋军渡过淝水来决战，你传达命令时，马蹄踩在落叶上，沙沙声像背后有人追。晋军趁势渡河，喊杀声震得山摇地动。你看见士兵们掉头就跑，铠甲撞在一起叮当乱响，有人被自己人推倒，惨叫淹没在惊呼声里。苻坚的轿子在乱军里颠簸，他掀帘张望时，脸色比头盔还白。退到淮北时，你捡了面掉在地上的战鼓，鼓皮上还沾着泥和血。风一吹，周围的草叶沙沙动，你突然觉得那都是举着刀的晋兵。这一刻你终于明白，'草木皆兵'怕的从来不是草木，是败亡前夕，自己吓垮自己的人心。'

7. 再添加个大模型，配置，书写提示词

# 角色 根据故事信息生成故事主角开场绘画提示词 desc_prompt。
## 技能
### 技能 1: 生成绘画提示
1. 根据故事信息，生成主角任务绘画提示词 desc_promopt，详细描述人物动作、表情、服装，色彩风格等细节。
- 风格要求：古代动漫宫崎骏插画风格，卡通风格，明亮色彩，柔和线条，适合儿童观看的古代成语故事插画，主角正面视角面对屏幕，位于画面正中间，表情亲切可爱，穿着鲜艳的古代服饰，背景简洁留白，画面清晰，人物特写，高清，低对比度，色彩高饱和，浅景深，氛围轻松愉快，充满童趣
# 限制
1. 只输出绘画提示词，不要输出其他额外内容。将这段提示词改一下，我要生成的图片应该是适合小孩观看的成语故事。提示词用汉语回答。

8. 插入图像生成模型

9. 单链验证

10. 添加大模型并配置

# 角色 你是一位专业的故事创意转化师，你能够深入理解故事文案的情节、人物、场景等元素，用生动且具体的语言为绘画创作提供清晰的指引。
## 技能
### 技能 1：生成分镜字幕
1. 当用户提供故事文案时，仔细分析文案中的关键情节、人物形象、场景特点等要素。
2. 文案分镜，生成字幕 cap：
- 字幕文案分段：第一句单独生成一个分镜，后续每个段落均由 2 句话构成，语句简洁明了，表达清晰流畅，同时具备节奏感。
- 分割文案后特别注意前后文的关联性与一致性，必须与用户提供的原文完全一致，不得进行任何修改、删减。字幕文案必须严格按照用户给的文案拆分，不能修改提供的内容更不能删除内容
===回复示例===
[{ "cap":"字幕文案" }]
===示例结束===
## 限制:
- 只围绕用户提供的故事文案进行分镜绘画提示词生成和主题提炼，拒绝回答与该任务无关的话题。
- 所输出的内容必须条理清晰，分镜绘画提示词要尽可能详细描述画面，主题必须为 2 个字。
- 视频文案及分镜描述必须保持一致。
- 输出内容必须严格按照给定的 JSON 格式进行组织，不得偏离框架要求。
- 只对用户提示的内容进行分镜，不能更改原文
- 严格检查输出的 json 格式正确性并进行修正，特别注意 json 格式不要少括号，逗号等 

11. 配置画面分镜大模型

# 角色 根据分镜字幕 cap 生成绘画提示词 desc_prompt。
## 技能
### 技能 1: 生成绘画提示
1. 根据分镜字幕 cap，生成分镜绘画提示词 desc_promopt，每个提示词要详细描述画面内容，包括人物动作、表情、服装，场景布置、色彩风格等细节。
- 风格要求：古代动漫宫崎骏插画风格，卡通风格，明亮色彩，柔和线条，适合儿童观看的古代成语故事插画，主角正面视角面对屏幕，位于画面正中间，表情亲切可爱，穿着鲜艳的古代服饰，背景简洁留白，画面清晰，人物特写，高清，低对比度，色彩高饱和，浅景深，氛围轻松愉快，充满童趣，高清，高对比度，色彩高饱和，浅景深。
- 第一个分镜画面中不要出现人物，只需要一个画面背景
===回复示例===
[ { "cap": "字幕文案", "desc_promopt": "分镜图像提示词" } ]
===示例结束===
## 限制:
- 只对用户提供的 json 内容补充 desc_prompt 字段，不能更改原文
- 严格检查输出的 json 格式正确性并进行修正，特别注意 json 格式不要少括号，逗号等 

批处理

插入视频内容生成大模型

插入选择器

优化提示词

配置选择的另一条单线。尝试生成图像

插入代码，修改格式

// 在这里，您可以通过'params'获取节点中的输入变量，并通过'ret'输出结果
// 'params'和'ret'已经被正确地注入到环境中
// 下面是一个示例，获取节点输入中参数名为'input'的值：
// const input = params.input;
// 下面是一个示例，输出一个包含多种数据类型的'ret'对象：
// const ret = { "name": '小明', "hobbies": ["看书", "旅游"] };
async function main({ params }: Args): Promise<Output> {
    var image1 = params.image1;
    var image2 = params.image2;
    if (!image1) { image1 = image2; }
    // 构建输出对象
    const ret = { "image_url": image1 };
    return ret;
}

插入字幕合成模型

获取视频时长

连接

配置批处理

插入数据整合代码

// 在这里，您可以通过'params'获取节点中的输入变量，并通过'ret'输出结果
// 'params'和'ret'已经被正确地注入到环境中
async function main({ params }: Args): Promise<Output> {
    // 关键：为所有依赖的参数添加默认值，避免 undefined
    const { image_list = [], audio_list = [], duration_list = [], scenes = [], role_img_url = "", title = "" } = params;
    // 处理音频数据
    const audioData = [];
    let audioStartTime = 0;
    const audioTimelines = [];
    let maxDuration = 0;
    const imageData = [];
    // 关键：添加数组长度校验，避免因空数组导致循环异常
    const loopLength = Math.min(audio_list.length, duration_list.length, image_list.length);
    for (let i = 0; i < loopLength; i++) {
        // 用最小长度限制循环，避免越界
        const duration = duration_list[i] || 0; // 避免 duration 为 undefined
        audioData.push({
            audio_url: audio_list[i],
            duration,
            start: audioStartTime,
            end: audioStartTime + duration
        });
        audioTimelines.push({
            start: audioStartTime,
            end: audioStartTime + duration
        });
        if ((i - 1) % 2 === 0) {
            // 修复原代码的'=='为'==='，避免隐式类型转换
            imageData.push({
                image_url: image_list[i],
                start: audioStartTime,
                end: audioStartTime + duration,
                width: 1440,
                height: 1080,
                in_animation: "轻微放大",
                in_animation_duration: 100000 // 注意：单位若为微秒，100000=0.1 秒，可能需确认
            });
        } else {
            imageData.push({
                image_url: image_list[i],
                start: audioStartTime,
                end: audioStartTime + duration,
                width: 1440,
                height: 1080
            });
        }
        audioStartTime += duration;
        maxDuration = audioStartTime;
    }
    const roleImgData = [];
    // 关键：校验 duration_list[0] 是否存在，避免访问 undefined 的属性
    if (role_img_url && duration_list.length > 0) {
        roleImgData.push({
            image_url: role_img_url,
            start: 0,
            end: duration_list[0],
            width: 1440,
            height: 1080
        });
    }
    // 提取字幕时先校验 scenes 结构
    const captions = scenes.map(item => item?.cap || "").filter(Boolean); // 避免 item.cap 为 undefined
    const subtitleDurations = duration_list;
    // 关键：调用 processSubtitles 前校验参数，避免空数组导致后续错误
    const { textTimelines, processedSubtitles } = processSubtitles(captions, subtitleDurations);
    // 处理标题
    const title_list = [title || ""]; // 标题默认空字符串
    const title_timelines = duration_list.length > 0 ? [{ start: 0, end: duration_list[0] }] : [];
    // 若 duration_list 为空，避免 end 为 undefined
    // 开场音效与背景音乐
    const kc_audio_url = "https://p9-bot-workflow-sign.byteimg.com/tos-cn-i-mdko3gqilj/c04e7b48586a48f1863e421be4b10cf1.MP3~tplv-mdko3gqilj-image.image?rk3s=81d4c505&x-expires=1777550323&x-signature=T%2BNjvPHPyHnGICvWRFDeFaj17UM%3D&x-wf-file_name=%E6%95%85%E4%BA%8B%E5%BC%80%E5%9C%BA%E9%9F%B3%E6%95%88.MP3";
    const bg_audio_url = "https://p3-bot-workflow-sign.byteimg.com/tos-cn-i-mdko3gqilj/5603dc783a6c4b75a4bf4e1b44086ad5.MP3~tplv-mdko3gqilj-image.image?rk3s=81d4c505&x-expires=1777550332&x-signature=E1123RzPTMD%2BipseRN4itYxhZyc%3D&x-wf-file_name=%E6%95%85%E4%BA%8B%E8%83%8C%E6%99%AF%E9%9F%B3%E4%B9%90.MP3";
    const bg_audio_data = [];
    if (maxDuration > 0) {
        // 校验 maxDuration 是否有效
        bg_audio_data.push({
            audio_url: bg_audio_url,
            duration: maxDuration,
            start: 0,
            end: maxDuration
        });
    }
    const kc_audio_data = [];
    kc_audio_data.push({
        audio_url: kc_audio_url,
        duration: 4884897, // 注意：确认单位是否为微秒（若为毫秒则需转换）
        start: 0,
        end: 4884897
    });
    // 构建输出对象
    const ret = {
        "audioData": JSON.stringify(audioData),
        "bgAudioData": JSON.stringify(bg_audio_data),
        "kcAudioData": JSON.stringify(kc_audio_data),
        "imageData": JSON.stringify(imageData),
        "text_timelines": textTimelines,
        "text_captions": processedSubtitles,
        "title_list": title_list,
        "title_timelines": title_timelines,
        "roleImgData": JSON.stringify(roleImgData)
    };
    return ret;
}
const SUB_CONFIG = {
    MAX_LINE_LENGTH: 25,
    SPLIT_PRIORITY: ['。', '！', '？', '，', ',', '：', ':', '、', '；', ';', ' '],
    TIME_PRECISION: 3
};
function splitLongPhrase(text, maxLen) {
    // 关键：校验 text 是否为字符串，避免非字符串类型访问 length
    if (typeof text !== 'string') text = String(text || "");
    if (text.length <= maxLen) return [text];
    for (const delimiter of SUB_CONFIG.SPLIT_PRIORITY) {
        const pos = text.lastIndexOf(delimiter, maxLen - 1);
        if (pos > 0) {
            const splitPos = pos + 1;
            return [
                text.substring(0, splitPos).trim(),
                ...splitLongPhrase(text.substring(splitPos).trim(), maxLen)
            ];
        }
    }
    const startPos = Math.min(maxLen, text.length) - 1;
    for (let i = startPos; i > 0; i--) {
        if (/[\p{Unified_Ideograph}]/u.test(text[i])) {
            return [
                text.substring(0, i + 1).trim(),
                ...splitLongPhrase(text.substring(i + 1).trim(), maxLen)
            ];
        }
    }
    const splitPos = Math.min(maxLen, text.length);
    return [
        text.substring(0, splitPos).trim(),
        ...splitLongPhrase(text.substring(splitPos).trim(), maxLen)
    ];
}
const processSubtitles = (captions = [], subtitleDurations = [], startTimeUs = 0) => {
    const cleanRegex = /[\u3000\u3002-\u303F\uff00-\uffef\u2000-\u206F!"#$%&'()*+\-./<=>?@\\^_`{|}~]/g;
    let processedSubtitles = [];
    let processedSubtitleDurations = [];
    // 关键：遍历前校验数组长度，避免 captions 与 subtitleDurations 长度不匹配
    const safeLength = Math.min(captions.length, subtitleDurations.length);
    for (let index = 0; index < safeLength; index++) {
        const text = captions[index];
        const totalDuration = subtitleDurations[index] || 0; // 避免 duration 为 undefined
        let phrases = splitLongPhrase(text, SUB_CONFIG.MAX_LINE_LENGTH);
        phrases = phrases.map(p => p.replace(cleanRegex, '').trim()).filter(p => p.length > 0);
        if (phrases.length === 0) {
            processedSubtitles.push('[无内容]');
            processedSubtitleDurations.push(totalDuration);
            continue;
        }
        const totalChars = phrases.reduce((sum, p) => sum + p.length, 0);
        let accumulatedUs = 0;
        phrases.forEach((phrase, i) => {
            const ratio = totalChars > 0 ? phrase.length / totalChars : 0; // 避免除以 0
            let durationUs = i === phrases.length - 1 ? totalDuration - accumulatedUs : Math.round(totalDuration * ratio);
            processedSubtitles.push(phrase);
            processedSubtitleDurations.push(durationUs);
            accumulatedUs += durationUs;
        });
    }
    // 生成时间轴时校验 duration 数组
    const textTimelines = [];
    let currentTime = startTimeUs;
    processedSubtitleDurations.forEach(durationUs => {
        const start = currentTime;
        const end = start + (durationUs || 0); // 避免 durationUs 为 undefined
        textTimelines.push({ start, end });
        currentTime = end;
    });
    return { textTimelines, processedSubtitles };
};

创建草稿

字幕音频生成

视频画面生成

关键帧代码

import json
async def main(args: Args) -> Output:
    params = args.params
    segment_ids = params['segment_ids']
    times = params['duration_list']
    seg = params['segment_infos']
    # 验证参数长度一致性
    if len(segment_ids) != len(times):
        raise ValueError("segment_ids 与 times 数组长度不一致")
    keyframes = []
    for idx, seg_id in enumerate(segment_ids):
        if idx == 0: # 跳过第一张图片
            continue
        # 获取对应音频时长并转换微秒
        audio_duration = int(float(times[idx]))
        # 根据循环索引决定缩放方向
        cycle_idx = idx - 1
        # 计算排除第一个元素后的循环索引
        if cycle_idx % 2 == 0: # 偶数索引：1.0->1.5
            start_scale = 1.0
            end_scale = 1.5
        else: # 奇数索引：1.5->1.0
            start_scale = 1.5
            end_scale = 1.0
        # 起始关键帧（0 秒位置）
        keyframes.append({"offset": 0, "property": "UNIFORM_SCALE", "segment_id": seg_id, "value": start_scale, "easing": "linear"})
        # 结束关键帧（同步音频时长）
        keyframes.append({"offset": audio_duration, # 使用实际音频时长
            "property": "UNIFORM_SCALE", "segment_id": seg_id, "value": end_scale, "easing": "linear"})
    # 起始关键帧（0 秒位置）
    keyframes.append({"offset": 0, "property": "UNIFORM_SCALE", "segment_id": seg[0]['id'], "value": 2, "easing": "linear"})
    keyframes.append({"offset": 533333, "property": "UNIFORM_SCALE", "segment_id": seg[0]['id'], "value": 1.2, "easing": "linear"})
    # 结束关键帧（同步音频时长）
    keyframes.append({"offset": seg[0]['end'] - seg[0]['start'], # 使用实际音频时长
        "property": "UNIFORM_SCALE", "segment_id": seg[0]['id'], "value": 1.0, "easing": "linear"})
    return {"keyFrames": json.dumps(keyframes)}

添加关键帧

制作字幕数据

添加字幕

批量添加字幕

输出

结束

这样我们的工作流就做好了，后续会更新制作后的视频

三、关于开源

2025 年 7 月 26 日，Coze 宣布开源，发布了 Coze Studio 和 Coze Loop 两大项目，采用 Apache 2.0 协议，允许免费使用、修改甚至商业化部署。开发者可通过 Coze Studio GitHub 和 Coze Loop GitHub 获取开源代码。

四、本地配置与在线使用对比

1. 在线版 Coze

优点

1. 功能全面且丰富
   • 插件生态完善：拥有成百上千个官方及第三方插件，覆盖智能硬件、新闻阅读、图像生成（如 ByteArtist、豆包图像大模型）、天气查询（墨迹天气）、代码执行等多领域，能满足内容创作、办公协作、生活服务等多样化需求。
   • 工作流节点充足：除基础搜索、代码、循环节点外，还支持图像处理（抠图、画质提升）、音视频处理（视频生成、抽帧）、会话管理（创建 / 删除会话、查询历史）等进阶节点，可搭建复杂自动化流程。
   • 智能体编排能力强：支持触发器、火山知识库（文本 / 表格 / 照片多格式导入）、长期记忆、文件盒子等功能，可配置开场白、用户问题建议等对话体验，且提供单 Agent（自主规划 / 对话流）、多 Agents 三种模式，适配简单与复杂业务逻辑。
   • 资源管理与兼容性优：支持多工作空间（个人 / 团队 / 项目空间）切换，可创建文件夹分组管理智能体；资源导入类型丰富（含对话流、卡片、提示词、音色），在线版工作流可自由复制粘贴，跨场景复用性强。
   • 发布渠道多元：可一键部署至扣子商店、豆包、飞书、抖音小程序、微信生态（客服 / 服务号 / 订阅号）、掘金等多平台，无需额外开发即可触达广泛用户。
   • 辅助功能实用：支持 AI 自动生成智能体图标、AI 优化提示词，降低设计与文案编写门槛，提升开发效率。
2. 稳定性高，无技术门槛
   • 无需自行部署与维护服务器，不存在插件授权失败、知识库上传解析异常等 bug，官方会持续迭代优化功能，保障使用流畅性；
   • 操作零门槛，可视化拖拽式搭建，中文文档完善，零基础小白可快速上手，适合用于学习 AI Agent 开发或轻量级任务处理。

缺点

1. 数据安全自主性低：数据存储在 Coze 官方云端，无法完全掌控数据归属，对于对数据隐私要求极高的企业（如金融、医疗行业），可能存在合规风险。
2. 定制化自由度有限：无法深度修改底层代码与架构，若需开发专属插件或适配特殊业务场景，扩展能力弱于开源版。
3. 可能存在功能限制：免费版可能对插件使用数量、工作流运行次数、存储容量等有额度限制，企业级功能需付费解锁。

2. 开源版（本地部署）Coze 优缺点

优点

1. 数据安全与合规性强：可将数据完全存储在企业内部服务器或本地数据库，无需依赖第三方云端，能满足金融、医疗等行业的数据隐私要求；支持代码审计，可自主排查系统安全漏洞，保障业务合规。
2. 定制化与扩展性高：基于 Apache 2.0 协议，可获取完整源码（前端 Typescript+React、后端 Golang），技术团队可进行二次开发，如定制专属插件、扩展工作流节点、修改产品 logo 与交互逻辑，适配细分业务场景（如企业内部定制化智能助手）。
3. 无云端功能限制：不存在在线版的插件使用、工作流运行次数等额度限制，可根据业务需求无限扩展，适合高并发、高频次的自动化任务场景。

缺点

1. 功能缺失严重
   • 插件数量极少：仅 18 个基础插件，无在线版的图像生成、头条搜索、飞书生态等高频插件，且官方需到 Q3 才升级插件生态，当前无法满足多样化需求；
   • 核心功能缺失：无触发器、长期记忆、文件盒子、多工作空间等关键功能，智能体仅支持单 Agent 模式，无法处理复杂逻辑；
   • 辅助功能缺失：无 AI 生成图标、AI 优化提示词功能，资源管理无文件夹分组，工作流无法粘贴在线版内容，开发效率低。
2. 稳定性差，bug 较多：存在知识库文本上传后解析 6 次失败且无提示、插件'未授权'却找不到授权入口、点击插件无跳转等问题，需自行排查（如服务器配置是否达标）与修复，增加运维成本。
3. 技术门槛高，部署维护复杂：需具备服务器部署（Linux/Windows）、前后端开发（Golang/React）、数据库维护等技术能力，零基础小白无法独立操作；后续需自行跟进官方源码更新，修复漏洞与迭代功能，运维成本高。
4. 发布渠道单一：仅支持发布至 ChatSDK与 API，无法部署到扣子商店、豆包、抖音小程序等流量平台，难以触达 C 端用户或外部客户。

3. 适用场景与人群建议