2025年7月29日星期二

开源不到 3 天,暴涨 14000+ GitHub Star!

自 AI Agent 技术被广泛使用以来,各种 AI 应用的灵活性与可扩展性得到了极大增强,成为当下 AI 应用最不可或缺的一项技术。

早期的 Agent,功能单一,对接复杂,在开发过程中,要编写不少代码进行适配。

自从字节的 Coze 出现后,这一困境被成功打破。

现在,开发者只需在页面上简单拖拽,即可快速搭建一整套 AI Agent 工作流,可视化操作,效果直观。发布至今,深受开发者喜爱。

为了能帮助大家更好、更快地实现 Agent 开发,Coze 直接将其产品核心引擎与解决方案,统统在 GitHub 开源!

本次 Coze 重磅开源了两个项目:扣子开发平台(Coze Studio)和扣子罗盘(Coze Loop)。

仅过了短短几十小时,两个项目便累积暴涨 14000+ GitHub Star,一跃成为 AI 圈近期最广受关注的开源项目。

图片

Coze Studio,作为一站式 AI Agent 开发工具,内置了 Prompt、RAG 文档检索、插件、工作流等各种必备工具。

GitHub:https://github.com/coze-dev/coze-studio

Coze Loop,一个专注于 AI Agent 开发与运维的平台级解决方案,提供从开发、调试、评估、到监控的全生命周期管理能力。

GitHub:https://github.com/coze-dev/coze-loop

两个项目,再加上此前开源的 Eino,可以说全方位解决了开发者在 Agent 使用过程中,会遇到的种种问题。

另外,从官方发布的开源代码也可以看出,这些都不是空壳项目,而是实打实的,有核心技术代码,拥有百万用户基础的 AI 项目。

开源协议采用的是 Apache 2.0,这表明,除商标外,代码均可进行二次修改与商用,真的良心!

这两天看到有不少人在部署尝试项目,周末我也玩了一下。

刚好现在是暑期,很多朋友都出门旅行,便考虑搭建一个「AI 旅行规划师」,初探下 Agent 的基础能力。

用户只需简单输入出发地、目的地、游玩天数。即可获取交通出行、天气预报、景点推荐和行程安排的全方位旅游攻略:

图片

下面进入 Coze Studio 的演示环节。

当项目在本地部署后,在首页可看到里面内置了诸多可用的 Agent 插件:

图片

本次实际开发,我们主要用到「高德地图」和「博查搜索」这两款插件。

前者用于规划旅行路线和查询天气,安排最妥当的交通出行方式;后者用于搜索热门游玩景点,确定打卡点。

高德地图:获取路线以及目的地天气

图片

博查搜索:搜索目的地宝藏打卡点

图片

整合所有获取到的信息

图片

运行效果:

图片

创建智能体

接着,把我们设计好的工作流添加到智能体上:

图片

然后,只需配置开场白,添加工作流以及人设与回复逻辑即可:

图片

最后,一份精美的旅游攻略就呈现在我们眼前。

里面包括了交通安排、天气预报、景点推荐以及行程安排等全方位信息:

图片

以上,便是 Coze Studio 开源项目的完整演示。

在本次应用开发过程中,能感受到 Coze Studio 所提供的功能颇为完善,技术团队没有藏着掖着,核心功能基本都开源了。

不过在实际使用时,也发现了一点不足之处:

现有的插件有点少,如果要集成的功能多,需自行接入第三方 API 接口来定制插件。部分插件在返回数据时,一些字段需要自己做兼容处理。

在智能体中调用工作流,有时候会因工作流执行时间过长,导致对话终止,工作流输出的内容不会出现在对话中。这点可以重新向 AI 发起询问来解决。

总的来说,目前 Coze Studio 开源的功能已然十分全面,但后续接入各类不同的大模型,仍有不少兼容工作要处理。相信随着更多开发者的参与,这些问题能很快得到解决。

在应用正式上线后,针对生产环境的持续调优、监控,多项工作缺一不可。

Coze Loop 的出现,补全了这一短板,通过全生命周期的可视化管理能力,大幅提升了 AI 应用的运行效果与稳定性,充分保障用户体验。

图片

其中最值得一提的,便是 Prompt 的编写调试,你能在平台上直观看到不同 LLM 的输出结果,完整记录每个环节信息,进而一步步得出更为准确,标准化的 Prompt。

Ensure everything is under control,这应该是 Coze Loop 对 Prompt 工程实践的一次最佳解答。

写在最后

看完本次的开源项目,有人可能会好奇,Coze 把核心引擎都开源了,人人可商用,不怕出现更多竞争对手吗?将产品开源,有什么好处呢?

关于这点,我认真思考了一下:AI Agent 工具的核心竞争力,究竟是什么?

在我看来,是插件生态和用户生态。

在项目开源后,吸引更多开发者加入,一起完善插件生态,借此优化整体产品体验。

更好的产品体验,使得用户生态繁荣发展,让平台上的使用案例,呈现爆发性增长。

两者相辅相成,产品市场规模自然会出现良性增长。同时在技术与产品层面,双向突破,稳步快跑,无形中巩固了自身护城河。

开发者通过学习这个项目,提升了技术能力。对于有需求的企业来说,也能大幅减少了自研成本。

将技术代码贡献给开源社区,社区用户参与维护,探索更多应用场景,并反哺给开源作者。

Double Win.

这,便是开源带来的好处。

---

加上此前已开源的 LLM 应用开发框架 Eino,扣子目前已有 3 款产品在 GitHub 亮相,相信后面还有更多优质项目产出,大家可以期待一下:

  • Coze Studio:https://github.com/coze-dev/coze-studio

  • Coze Loop:https://github.com/coze-dev/coze-loop

  • Eino:https://github.com/cloudwego/eino

好了,今天的分享到此结束,感谢大家抽空阅读,我们下期再见,Respect!

没有评论:

发表评论

自回归模型杀回图像生成!实现像素级精准控制,比Diffusion更高效可控

点击下方 卡片 ,关注" AI生成未来 " 如您有工作需要分享,欢迎联系: aigc_to_future 转载自:量子位 如有侵权,联系删稿 当下的AI图像生成领域,Diffusion模型无疑是绝对的王者,但在 精准控制 上却常常"心有余而力不足...