就在上周,国内AI agent的第一平台coze选择开源了,开源了AI模型管理工具,并且选择了开源协议是Apache-2.0 ,允许商业使用。
前段时间我就写到,现在从底层的模型厂商PK,到现在的agentPK,其实大家都在卷的不是用户,还有就是AI上下游生态。
一个好的agent,就可以得到非常多的开发者支持,通过插件的形式让agent有更多的能力。
比如字节跳动的coze在没有开源之前,自己生态里有上千个插件,不仅是智能表格还是公众号文章数据获取,可以极大的方便提取知识库。在而开源后,因为本地授权限制,就导致了coze只有18个插件可以使用,从GitHub上看现在目前开源的版本是0.2,就得到以后势必还会继续更新。
有用户本地化部署了之后,得到了 coze的插件页面,可以看到几乎都需要授权,否则不能使用。
如下图是用户在选择知识库创建的时候,用户现在只能选择本地文档上传,而不支持其他在线文档、公众号等数据上传。
现在知识库文档上传文件后还存在本地解析的问题,也是开发者们所面临的困境,在 coze可以看到有相关的issue就是在关注这个问题的解决情况,并且有用户自发发帖在解决。
在GitHub上,有较多针对知识库向量化失败的求助
相比阿里、腾讯,字节的开发者生态可能是做的最差的,因为大部分的系统都是闭源,同时又没有流量入口,自己的产品都是依靠推荐算法,几乎不像腾讯、阿里的产品会有社交场景与天然渠道入口,所以也就无法有吸引开发者的天然优势。
在开发者生态上,开源 coze也是字节在agent搭建的一个战略,相比前几天开源的京东joyagent,如何让开发者搭建agent的上下游,并且从而建设标准agent生态,这才能让 coze这个产品有更多商业化的机会。
有网友做了现在几个AI agent平台的竞品对比,可以看到相比DIFY以及N8N, coze在开源协议上最开放,但是现在的功能却较少。
本次开源了COZE的任务流与agent的底座,因为本身是微服务架构,所以 coze的开源也变成了类似的社交裂变的方式,通过逐步开放新的微服务单元功能模块,从而吸引更多开发者加入,并且随时缩放。
现在来看N8N的搜索指数超过了DIFY,成为agent工具三者最高的,而 coze要想获得更多开发者,就要支持解绑火山引擎,从而允许开发部署其他云服务,比如腾讯云、阿里云服务。
这也极大满足了市场的需求,毕竟火山引擎不是开发者唯一的归属,虽然现在价格比阿里云便宜不少。但是配套设施与服务阿里云仍然是国内云服务厂商第一梯队。
从现在开源的版本来看,COZE要想得到AI产品经理研发团队青睐还有一定距离,如下图是COZE的产品架构图,因为字节跳动的大厂技术架构,COZE选择了分布式架构服务,并且基于DDD架构设计,由2个平台组成,分别是AI BOT开放平台,一个是提供运营策略的平台。
比如之前MANUS的创始人就提到,他们核心的工作不是做模型训练而是做提示词上下文工程,而上下提示工程就是COZEloop做的事情,不断去调试 、检测、追踪,从而得到最佳AIagent的用户体验。
微服务的好处就是可以介入部分功能模块使用,而不是要一整套使用对方系统,比如 例如,一个团队可以使用 Coze Studio 来构建应用,但将其对接到自有的观测系统中,而不是使用 Cozeloop。
所以,Coze适合有高并发、以及有测试资源的团队接入。
如下是DIFY的产品架构图,基于单体应用架构设计,接入后就必须要整个系统数据流都介入,要进行二次改造和开发就会更加费时间。
在开发语言上,COZE采取的是GO语言作为后端,而DIFY采取的是后段,从团队研发人员配置来说,现在招聘人员的成本与难度,Java<Python<Go语言,选择GO语言,就注定了几乎很少有团队可以维护他。
同时科技企业为了考虑到自己应用的跨平台与兼容适配性,招聘Java就是最为主流的,最多再招聘几个Python人员来完成AI功能需求来建设。
所以现在COZE的开源,还只能是部分个人开发者使用,如果要有一定规模的开发者团队使用,那么现在的开放能力以及技术栈对团队都是挑战,反而DIFY更加合适中小企业。
较为大型的企业可能就会选择COZE,但是这对团队的人员研发资源要求提出了新的技术规范,毕竟我作为产品经理很少有见过那个团队会招聘GO语言开发工程师的。
最后做一个调研,你有和GO语言开发工程师协助过吗?