“同样是 PHP 开发者,有人还在 curl OpenAI API,有人已经搭建了多 Agent 协作系统。
差距在哪?这篇文章给你一张清晰的进阶地图。
过去两年,PHP 生态里发生了一件被很多人忽略的事——AI 开发工具链的全面爆发。
2026 年 2 月,Laravel AI SDK 正式发布,Taylor Otwell 亲自操刀,在 Laravel 中塞进了一套完整的 AI 交互接口,覆盖文本、图像、语音、嵌入、Agent,还有 RAG。
同月,Neuron AI 成为 PHP 生态中最成熟的 Agent 框架——继承一个类、实现三个方法,你就能拥有一个带工具调用和记忆的 AI 智能体。
3 月,PML(PHP Machine Learning)发布 v1.0。
一个纯 C + PHP FFI 的张量引擎,冷启动 4 毫秒,能在 PHP 进程内直接跑 LLaMA 模型。
5 月,Kode AI Agent 推出 MOE 混合专家架构,单 Key 路由多模型,自动熔断降级。
7 月,Neuron 发布纯 PHP 的 LLM 难度分类器,微秒级判断提示词难度,自动帮你的 Agent 选最省钱的模型。
你会发现,这些变化有一个清晰的脉络:PHP 做 AI,已经不再是「调个 API」那么简单了。
这篇文章想给你一张路线图,四个层次,从入门到高阶,你看看自己在哪一层,下一步往哪走。


绝大多数 PHP 开发者接触 AI 是从这一层开始的。
一段 curl、一个 API Key、几行代码调通 ChatGPT,这就是最原始的「AI 能力接入」。
$client = OpenAI::client($apiKey);$response = $client->chat()->create(['model' => 'gpt-4o','messages' => [ ['role' => 'system', 'content' => '你是一名翻译专家。'], ['role' => 'user', 'content' => '把这句话翻译成英文:PHP 正在进化。'], ],]);echo $response->choices[0]->message->content;这没什么不好。每个人都是从这里开始的。
但如果你只停在这里,你的 AI 能力就是一条硬编码的 prompt、一个固定的模型、一个单薄的 API 调用。
换个模型换家服务商,代码全部重写。
所以第一层的「通关标志」是:能优雅地切换模型提供商。
Prism 和 Laravel AI SDK 就是为这个场景设计的:
// Prism — 统一接口,多提供商$response = Prism::text() ->using('gpt-4o', 'openai') // 或者换成 claude / gemini ->withPrompt('PHP 8.4 的新特性有哪些?') ->asText();// Laravel AI SDK — 配置驱动$response = agent() ->using('claude-sonnet-4', 'anthropic') ->prompt('用 PHP 写一个快速排序');学习目标:会用 2-3 个模型提供商,掌握结构化输出(JSON mode)和流式响应(SSE)。
实战建议:写一个 AI 翻译工具——输入中文输出英文,支持切换 OpenAI / Claude / DeepSeek。这能帮你彻底理解「模型无关」的设计模式。

模型调用解决的是「回答问题」,Agent 解决的是「完成任务」。
区别在哪?看两个场景:
用户问:帮我查一下订单 OD20260715001 的物流状态普通 API 调用 → 「抱歉,我无法查询实时信息。」Agent 调用 → LLM 识别意图 ↓ 调用 getOrderStatus('OD20260715001') ↓ 收到物流信息 ↓ 生成回复 → 「您的订单已到达中转站,预计明天送达。」Agent 的本质就四个东西:LLM(大脑)+ 工具(双手)+ 指令(灵魂)+ 记忆(经验)。
在 PHP 生态里,用 Neuron AI 构建一个 Agent 极度简单:
useNeuronAI\Agent\Agent;useNeuronAI\Providers\AIProviderInterface;useNeuronAI\Providers\OpenAI;classCustomerAgentextendsAgent{protectedfunctionprovider(): AIProviderInterface{returnnew OpenAI( key: getenv('OPENAI_KEY'), model: 'gpt-4o' ); }publicfunctioninstructions(): string{return'你是电商客服助手。使用工具查询订单信息。'; }protectedfunctiontools(): array{return [new OrderQueryTool(), // 查订单new LogisticsTool(), // 查物流new RefundTool(), // 处理退款 ]; }}// 使用$reply = CustomerAgent::make() ->chat(new UserMessage('帮我查一下 OD20260715001')) ->getMessage();如果你用 Laravel,更简单:
php artisan make:agent SupportAgent生成的骨架类里注册工具和指令,一行代码都不用多写。
Laravel AI SDK 甚至内置了 WebSearch、WebFetch、SimilaritySearch 等开箱即用的工具。
学习目标:能构建一个带工具调用的单 Agent 系统,理解工具注册、指令组织和多轮对话。
实战建议:做一个能查数据库、发邮件的客服 Agent。用户问「退单 #12345 处理到哪了」,Agent 自动查库、查物流、生成回复——全程不用人管。

Agent 能调用工具了,但它还是不懂你的业务。
你的产品文档、技术手册、客服话术……这些知识模型训练时没见过。你总不能每次都把整本手册塞进 prompt(也塞不下)。
这就是 RAG(检索增强生成)要解决的问题:
用户提问 ↓检索最相关的 3-5 段资料 ← 向量数据库 ↓资料 + 问题 拼成 prompt ↓发给 LLM 生成回答 ↓回答有据可查,不是「编」的Laravel AI SDK 对这一层的支持非常完整,配合 pgvector(PostgreSQL 的向量扩展),只需要几行迁移:
// 迁移文件Schema::create('document_chunks', function(Blueprint $table){ $table->id(); $table->text('content'); $table->vector('embedding', 1536); // 1536 维向量 $table->timestamps();});生成嵌入并存储:
$embedding = str('什么是 PHP 协程?')->toEmbeddings();DocumentChunk::create(['content' => 'PHP 协程允许在同一个线程中实现并发……','embedding' => $embedding,]);然后注册 SimilaritySearch 工具,Agent 就能自动检索:
protectedfunctiontools(): array{return [ SimilaritySearch::usingModel( DocumentChunk::class,'embedding',3// 返回 top-3 相关片段 ), ];}之后用户问「PHP 协程和线程有什么区别」,Agent 会自动在你的文档库里搜索最相关的 3 段内容,结合它们生成回答——不再是编的,而是你的知识库里真正写过的。
生产环境中还要考虑几个问题:
学习目标:能搭建生产可用的 RAG 知识库系统,掌握从分块到检索再到增强的完整链路。
实战建议:把你公司的产品文档或技术手册做成一个 RAG 知识库,效果立竿见影——同事问问题不用翻文档了,直接在群里@机器人就行。

单个 Agent 能做的事终究有限。
现实场景往往是这样的:
用户说:「我要退货,顺便看看最近有没有优惠券。」这个请求涉及三个领域: 售后 → 查订单、核实购买时间、判断是否能退 营销 → 查用户可用优惠券、推荐活动 客服 → 综合回复、记录工单让一个 Agent 干所有事不是不行,但 prompt 会变得臃肿、工具列表会膨胀、LLM 选工具容易出错。
更优雅的做法是专业分工:每个 Agent 只干一件事,一个协调器 Agent 负责分发任务。
这就是多 Agent 编排的基本模式。
在 Kode AI Agent 中,MOE(混合专家)架构把这个思路推到了极致:
用户请求 ↓路由器(智能判断该交给谁) ├── 专家 A:售后处理(DeepSeek, 便宜) ├── 专家 B:营销推荐(GPT-4o, 质量高) └── 专家 C:情感分析(Claude, 安全) ↓汇总结果 → 回复用户配合 Neuron 的纯 PHP LLM 难度分类器,你甚至不需要硬编码路由规则——分类器会在微秒级判断请求难度,简单问题走便宜模型,复杂问题走强模型,自动平衡成本和质量:
$router = RouterProvider::make() ->addProvider('mini', new OpenAI(model: 'gpt-4o-mini')) ->addProvider('pro', new OpenAI(model: 'gpt-4o')) ->setRule( (new DifficultyRule($scorer)) ->easy('mini', maxScore: 0.33) // 简单问题 → 便宜模型 ->medium('pro', maxScore: 0.70) // 中等难度 ->hard('o1') // 高难度 → 最强模型 );你看,这已经不是「调 API」了。这是设计一个 AI 团队——有人负责接单,有人负责干活,有人负责分配任务。
学习目标:能设计和实现多 Agent 协作系统,理解路由、编排、成本控制的核心模式。
实战建议:搭建一个「自动客服 + 订单查询 + 售后处理」三 Agent 系统。每个 Agent 只负责自己的领域,协调器根据用户意图自动分配。体验一下「团队协作」和「单打独斗」的区别。

四个层次回顾一下:
它们不是割裂的,而是渐进成长的路径 ,先打通第一层,再一步步往上走。
关键在于你是否理解了 AI 应用的核心模式:模型是大脑,工具是双手,知识是经验,编排是管理。
PHP 在 AI 时代从来不缺工具,缺的是看清路径的人。