夜雨聆风自恋一下
2026 年了，用 PHP 写 AI Agent，可能比 Python 更香。
Neuron AI
什么是 Neuron？
Neuron 是面向 PHP 的「Agentic 框架」，用来创建与编排 AI Agent，并提供 LLM 接口、数据加载、多 Agent 编排、RAG、监控与调试等完整生命周期支持。 说白了，它就是 PHP 的「LangChain/LlamaIndex 级存在」，但专为 PHP 工程师设计。
支持多 LLM：Anthropic、OpenAI、Gemini、XAI、Bedrock、Azure 等，一行代码切换提供商 内置工具包：计算器、SQL 查询、API 集成等，也支持自定义工具 兼容主流 PHP 框架：Laravel、Symfony、WordPress，或你自己的 MVC
为什么选 Neuron？
| Neuron（PHP） | 低 | 与 PHP 代码同仓库同部署 | 中低 |
我们选 Neuron 的理由很简单：
不用在 Python/PHP 间切换技术栈； Agent 和业务逻辑共用数据库、缓存、鉴权、中间件； 团队都是 PHP 工程师，上手成本几乎为 0。
webman + Neuron
webman 是什么？
webman 是基于 Workerman 的高性能 PHP Web 框架，支持 HTTP / WebSocket / TCP / UDP，并采用常驻内存、协程、连接池等技术，把 PHP 的性能天花板抬高了不止一个档次。 关键特性：
常驻内存：避免 PHP-FPM 请求—重启的重复开销； 高性能：官方与第三方压测显示，带 DB 查询时，webman 的单机吞吐可达数十万 QPS，远超传统 PHP-FPM 框架； 自定义进程：可以在同一进程组里跑监听、队列、定时任务、Agent 调度等长期进程； 二进制打包：支持打包成 phar，甚至在部分场景可以“不依赖 PHP 源码运行”。 把这些能力用在 AI Agent 上，意味着： Agent 和 HTTP API、WebSocket、业务系统可以“同居一个进程/服务器”； 工具调用、RAG、多 Agent 编排可以直接访问本地 ORM/Redis，无跨服务延迟； 扩容方式与普通 Web 服务一致，运维几乎无新增心智负担。
项目结构示例
下面这个结构是你可以直接照抄的“最小可用项目骨架”。
php-neuron-agent/├── app/│ ├── controller/│ │ └── AgentController.php # HTTP 入口│ ├── agent/│ │ ├── Orchestrator.php # 多 Agent 编排/调度│ │ └── agents/│ │ ├── CustomerServiceAgent.php│ │ ├── DataAnalysisAgent.php│ │ └── ToolsAgent.php│ └── middleware/├── config/│ ├── neuron.php│ ├── database.php│ └── redis.php├── public/│ └── index.php├── process/│ └── AgentMonitor.php # webman 自定义进程（可选：Agent 监控/队列）├── composer.json├── Dockerfile└── docker-compose.yml第一步：引入 Neuron
composer require neuron-core/neuron-aiNeuron 提供了一个 Agent 基类，你只需要继承并实现：
provider()：指定 LLM 提供商和模型instructions()：设置系统提示（角色、背景、规则）tools()：注册可用工具/工具包
第二步：写一个“客服 Agent”的示例
// app/agent/agents/CustomerServiceAgent.phpnamespace app\agent\agents;use NeuronAI\Agent;use NeuronAI\Chat\Messages\UserMessage;use NeuronAI\SystemPrompt;use NeuronAI\Providers\Anthropic\Anthropic;use NeuronAI\Providers\AIProviderInterface;use NeuronAI\Tools\Toolkits\CalculatorToolkit;classCustomerServiceAgentextendsAgent{protectedfunctionprovider(): AIProviderInterface{// 一行切换 Anthropic/OpenAI/Gemini 等returnnew Anthropic( env('ANTHROPIC_API_KEY'),'claude-4-5-sonnet' ); }publicfunctioninstructions(): string{return (string) new SystemPrompt( background: ['你是一个友好的客服助手。'.'基于公司知识库与订单数据回答问题，语气专业且简洁。' ] ); }publicfunctiontools(): array{return [ CalculatorToolkit::make(), // 计算类工具// OrderToolkit::make(), // 自定义订单查询工具// KnowledgeBaseToolkit::make(), // 自定义 RAG 工具 ]; }}第三步：在 webman 控制器里调用 Agent
// app/controller/AgentController.phpnamespace app\controller;use support\Request;use app\agent\agents\CustomerServiceAgent;use NeuronAI\Chat\Messages\UserMessage;classAgentController{publicfunctionchat(Request $request){ $q = $request->input('question', ''); $agent = CustomerServiceAgent::make(); $response = $agent->chat(new UserMessage($q));return json(['answer' => $response->getMessage()->getContent(), ]); }}如果你愿意，也可以通过 webman 的自定义进程，把 Agent 调度做成后台长期服务（监听队列、定时触发等），与 HTTP 服务共享同一套基础设施。
多 Agent 协作架构（Orchestrator）
当业务变复杂时，通常需要多个“专职 Agent + 编排层”。
架构图
┌───────────────────────────────────────────────────┐│ Claude Code（主 Agent） ││ - 任务拆解 ││ - 最终审核 & 输出 │└──────┬───────────────────────────────┬─────────────┘ │ │┌──────▼──────────┐ ┌─────────▼──────────┐│ DataAnalysis │ │ CustomerService ││ Agent │ │ Agent ││ - SQL 查询 │ │ - 订单查询 ││ - 报表生成 │ │ - 知识库问答 │└─────────────────┘ └────────────────────┘ │ │ └───────────────┬───────────────┘ │ ┌────────▼─────────┐ │ Tools Agent │ │ - 通用计算 │ │ - 外部 API │ └──────────────────┘Orchestrator 示意（伪代码）
// app/agent/Orchestrator.phpnamespace app\agent;use app\agent\agents\DataAnalysisAgent;use app\agent\agents\CustomerServiceAgent;use NeuronAI\Chat\Messages\UserMessage;classOrchestrator{publicfunctionrun(string $userRequest): array{// 1）用主 Agent 拆解任务（可用 Claude/GPT 等）// 2）根据任务类型，分发给不同子 Agent// 3）并行/串行执行// 4）汇总结果，交给主 Agent 再做最终审核 & 输出// 示例：简单串行 $serviceAgent = CustomerServiceAgent::make(); $analysisAgent = DataAnalysisAgent::make(); $serviceRes = $serviceAgent->chat(new UserMessage($userRequest)); $analysisRes = $analysisAgent->chat(new UserMessage($userRequest));return ['customer_service' => $serviceRes->getMessage()->getContent(),'data_analysis' => $analysisRes->getMessage()->getContent(), ]; }}真实项目里，你可以用 webman 的异步/队列能力把子任务做成并行，以提升整体吞吐。
实战场景
场景 1：数据问答 + 自动出报表
用户输入：
帮我统计最近 30 天的每日销售额，并找出销量 Top 3 的商品。执行流程：
Claude Code（主 Agent）：把用户需求拆成“查询 + 计算 + 排序 + 总结”几个子任务； DataAnalysis Agent：用 SQL 工具访问订单库，拿到原始数据； Tools Agent：完成聚合、Top3 计算与格式化； Claude Code：把结果整理成自然语言报表返回。 关键点：所有 Agent 都可以直接通过 ORM/Redis 访问同一个业务库，避免了“Python 调 PHP 接口”的网络往返和鉴权问题。
场景 2：客服 + 工单流转
用户输入：
我的订单 #12345 发货了吗？如果没发，帮我催一下。执行流程：
CustomerService Agent：调用订单/物流工具，查询状态； Tools Agent：根据规则触发内部 API 创建“催单工单”； Claude Code：根据返回结果，生成“人话”回复给用户。 因为所有逻辑都在同一个 PHP 项目里，你可以直接复用原有的事件/消息队列体系，不需要为 Agent 单独造一套。
性能对比
为什么说“PHP 也能很能打”？
webman 官方与第三方压测：带 DB 查询时，webman 的单机吞吐可达 39 万 QPS，比传统 PHP-FPM 架构高出近 80 倍； webman 还宣称在部分场景下，性能高于 Go 的 gin/echo 等框架约 1 倍； PHP 8.x 的 JIT 在 CPU 密集型计算上也有明显提升。 结合 Neuron 的多 Agent 编排与工具管理，这套栈完全可以撑住中小规模的生产流量。
一个“风格对标”的对比表
坦白讲，Python 在“原型验证 & 生态丰富度”上依旧有优势。但在生产环境，尤其是已有大量 PHP 业务资产的团队，PHP + webman + Neuron 明显更舒服。
