1.环境安装

wsl2 Ubuntu 系统安装 ，docker环境安装（个人使用的话可以直接下载 docker desktop 软件）

注意：docker desktop 软件仅供个人学习使用，企业使用需要购买版权
docker desktop链接：Docker Desktop: The #1 Containerization Tool for Developers | Docker

wsl2 Ubuntu安装 docker
参考连接：


2.拉取coze 项目

coze：github链接：coze-dev/coze-studio: An AI agent development platform with all-in-one visual tools, simplifying agent creation, debugging, and deployment like never before. Coze your way to AI Agent creation.

可以使用git拉取，也可以直接下载压缩包解压。

项目目录：

3.docker compose 拉取镜像启动项目

3.1wsl 进入 ubuntu 系统，~ 进入用户目录，创建coze文件夹

wsl
cd ~
mkdir ~/app/coze

3.2 将文件copy到coze目录

# 将coze部署文件copy到ubuntu指定位置
cp -r /mnt/d/notebook/coze/docker/* ~/app/coze
# 因为 cp指令不识别 .env 文件，进行二次copy
cp -r /mnt/d/notebook/coze/docker/.env.example ~/app/coze

# 将 .env.example 修改名称 为 .env 使用 cp 可以复制命名，保留源文件
cp ~/app/coze/.env.example ~/app/coze/.env

# 将 model 相关配置文件移动到 app 文件下 与 coze同级
mkdir ~/app/backend
cp -r /mnt/d/notebook/coze/backend/* ~/app/backend

3.3 拉取镜像
 

cd ~/app/coze

docker compose up -d 

注意：国内网络原因，直接 运行 docker compose up -d 可能会出现 拉取失败，超时等问题。可以单个拉取完镜像，再运行 docker compose up -d 命令

docker pull mysql:8.4.5
docker pull bitnamilegacy/redis:8.0
docker pull bitnamilegacy/elasticsearch:8.18.0
docker pull minio/minio:RELEASE.2025-06-13T11-33-47Z-cpuv1
docker pull bitnamilegacy/etcd:3.5
docker pull milvusdb/milvus:v2.5.10
docker pull nsqio/nsq:v1.2.1
docker pull cozedev/coze-studio-server:latest
docker pull cozedev/coze-studio-web:latest

4. 访问 coze 空间

使用系统ip4地址访问

ip address

windows上浏览器访问  172.20.11.192:8888 即可：

首次登录需要输入 邮箱/密码 （自定义）后 点击注册。

开源版本相较于企业版本，少了很多功能，但基础功能还在。

5. 使用自定义模型（本地运行大小模型）

# 进入模型配置文件夹
cd ~/app/backend/conf/model
ls

注意：初次进入的话 该问价夹里只有  model_meta.json 和 template

解释一下：我们可以在 template 中将 自己部署的模型配置 填写好后，移动到上一级目录 ，系统会自动识别 .yaml 文件加载的。

示例：
见下图，他有各种各样模型(openai，deepseek，qwen，doubao，ollama等)的示例文件 .yaml

# 进入你自己部署 类型的模型示例文件（当前使用 deepseek 作为示例）
cd ~/app/backend/conf/model/template

# 使用管理员权限编辑文件
sudo nano model_template_deepseek.yaml

# 可能会让你 输入 管理员 密码，默认：root

进入文件后 可以修改一下显示名称，随意

ctrl+↓ 跳到文件末尾，填写 自己部署的 base_url,api_key,model（这是你本地部署模型名称）


ctrl + s 保存，ctrl + x 退出编辑

访问页面：新建工作流测试

注意事项：

这里不是控制模型输出类型，而是提取类型。如果选择输出 json 格式，必须要 填写提示词 强调输出 json 例如：请输出json格式，必须输出json格式等，不然会报错的。

注：本教程仅个人自己探索得出，仅作为学习笔记使用