用 PHP 写 AI Agent,可能比 Python 更香

2026年了，AI Agent 早就不是什么新鲜概念，可只要一提用 PHP 做 AI，总有人会跳出来说：“AI 是 Python 的地盘，PHP 凑什么热闹？”

作为一个写了十几年 PHP 的老开发者，我太懂这种无奈了。团队的核心业务全是 PHP 写的，Laravel、webman 搭的系统稳如老狗，用户、订单、支付体系跑了好几年，成熟又可靠。现在想给系统加个 AI Agent 能力，就要被逼着转 Python，用 LangChain 从头搞一套，光是想想就头大。

直到我用 Neuron AI + webman 这套组合，真正落地了生产级的 AI Agent 之后，我可以很笃定地说：对于绝大多数 PHP 技术栈的系统来说，用 PHP 写 AI Agent，比 Python 香太多了。

先说说 PHP 做 AI Agent，之前到底难在哪

不是 PHP 不能做 AI，而是之前没有趁手的工具，导致我们想落地 AI Agent，总要面对几个绕不开的坑：

• 自己从零封装 LLM 调用、工具链？学习成本和维护成本高到离谱，各种异常处理、多厂商兼容、工具调用的边界情况，光靠小团队根本啃不下来；
• 用 Python 的 LangChain？看似门槛低，实则和 PHP 业务完全割裂。Agent 要查订单库、调用业务接口，就要跨服务做 HTTP 调用，鉴权、数据格式、异常处理要重新做一套，出了问题要在 PHP 和 Python 两边来回排查，维护起来就是噩梦；
• 系统全是 PHP 写的，为了一个 AI 功能，要重新搞Python、asyncio 异步模型、依赖管理、部署运维，上手成本极高，项目周期直接被拉长。

而 Neuron AI 的出现，直接把这些坑全填上了。

Neuron 是什么？

简单说，Neuron 就是专为 PHP 打造的「Agentic 框架」，是 PHP 生态里对标 LangChain、LlamaIndex 的存在，从诞生之初就是为 PHP 工程师设计的，完全贴合 PHP 的开发习惯。

它把 AI Agent 开发里的脏活累活全帮你搞定了：

• 多 LLM 厂商无缝切换：支持 Anthropic、OpenAI、Gemini、XAI、Bedrock、Azure 等几乎所有主流大模型，只需要改一行代码，就能切换模型提供商，不用修改任何业务逻辑，彻底告别厂商绑定；
• 开箱即用的工具体系：内置了计算器、SQL 查询、API 集成等高频工具包，也支持完全自定义工具，你写的 PHP 业务方法，几行代码就能注册成 Agent 可用的工具；
• 全生态兼容：完美适配 Laravel、Symfony、WordPress 等主流 PHP 框架，不管你用的是什么 MVC 架构，都能无缝集成，写 AI Agent 就像写普通的 PHP 业务代码一样自然。

为什么选 Neuron，而不是 Python LangChain？

我们最终敲定用 Neuron，理由特别简单：它完美解决了我们最痛的几个问题。

它的优势根本不是技术参数上的碾压，而是让 PHP 团队用最低的成本，把 AI Agent 真正落地到生产环境。

1. 上手成本几乎为0

对于写了多年 PHP 的工程师，可能对 Python 只能说略懂皮毛。用 Neuron 开发，完全不用换开发思维，只需要继承它的 Agent 基类，实现3个核心方法，就能搞定一个完整的业务 Agent，看一遍文档就能上手。

比如我们做的客服 Agent，核心代码就这么几行：

// 只需要继承 Agent 基类，定义3个核心方法classCustomerServiceAgentextendsAgent{// 指定大模型厂商，一行切换OpenAI/Anthropic/Geminiprotectedfunctionprovider(): AIProviderInterface{returnnew Anthropic(env('ANTHROPIC_API_KEY'), 'claude-4-5-sonnet');    }// 定义Agent的角色、规则、系统提示词publicfunctioninstructions(): string{return (string) new SystemPrompt(            background: ['你是公司的客服助手，基于订单数据和知识库回答用户问题，语气专业简洁']        );    }// 注册Agent可用的工具，内置工具+自定义业务工具都可以publicfunctiontools(): array{return [            CalculatorToolkit::make(),            OrderToolkit::make(), // 我们自己写的订单查询业务工具            KnowledgeBaseToolkit::make(),        ];    }}

写完之后，在控制器里几行代码就能调用，直接做成 HTTP 接口给前端用，和我们平时写业务接口的流程完全一样。

2. 与业务系统无缝集成，这是 Python 比不了的

这是 Neuron 最香的一点，也是我们放弃 Python 方案的核心原因。

用 Python LangChain，你的 Agent 服务和 PHP 业务系统是两套独立的服务，Agent 要查订单数据、调用物流接口，就要跨服务做 HTTP 调用，不仅有网络延迟，还要额外做鉴权、数据格式转换，出了问题要两边排查。

而用 Neuron，你的 Agent 和业务代码在同一个仓库、同一个部署环境里，共用同一套数据库、Redis 缓存、鉴权体系、业务中间件。

Agent 要查订单数据？直接用你现有的 ORM 模型就行，不用写额外的接口；要触发工单流程？直接调用你已经写好的业务方法，不用跨服务通信；要做 RAG 检索？直接连你现有的向量库，和业务代码共享连接池，没有任何额外开销。

这种无缝集成的体验，是 Python 方案给不了的。

3. 维护成本低

不用维护两套技术栈，你的 PHP 项目怎么部署，Agent 就怎么部署；你的 PHP 服务怎么扩容，Agent 就怎么扩容；运维同学不用学任何新东西，就能搞定 Agent 的线上运维，几乎没有新增的负担。

webman + Neuron，把 PHP 的性能天花板拉满

如果说 Neuron 解决了 AI Agent 的开发问题，那 webman 就解决了 PHP 做 AI 服务的性能问题。

很多人对 PHP 的性能还停留在 PHP-FPM 的时代，觉得 PHP 高并发不行，那是你没试过 webman。它是基于 Workerman 开发的高性能 PHP Web 框架，采用常驻内存、协程、连接池等技术，彻底避免了 PHP-FPM 每次请求重启的重复开销，性能直接拉满。

官方和第三方压测数据显示，带数据库查询的场景下，webman 的单机吞吐可达39万 QPS，比传统 PHP-FPM 架构高出近80倍，甚至在部分场景下，性能比 Go 的 gin/echo 框架还要高出1倍。

更重要的是，它还有自定义进程、二进制打包、全协程支持等特性，把这些能力用在 AI Agent 上，直接解锁了无限可能：

• Agent 和 HTTP API、WebSocket 服务、业务系统，可以放在同一个进程、同一台服务器里运行，不用拆分服务；
• 工具调用、RAG 检索、多 Agent 编排，直接访问本地的 ORM、Redis，没有跨服务的网络延迟，响应速度快到极致；
• 可以用 webman 的自定义进程，把 Agent 调度做成后台常驻服务，监听队列、定时触发任务，和 HTTP 服务共享同一套基础设施；
• 扩容方式和普通的 PHP Web 服务完全一致，集群部署、负载均衡，和你平时的运维流程没有任何区别。

复杂业务？多 Agent 编排一样轻松搞定

简单的单 Agent 只是基础，遇到复杂的业务场景，Neuron 也能轻松支撑多 Agent 协作架构。

比如我们的业务里，就用了“主 Agent + 子 Agent”的编排模式：

• 主 Agent（Claude Code）：负责拆解用户需求，分配任务，最终审核和输出结果；
• 数据分析 Agent：专职处理 SQL 查询、数据统计、报表生成；
• 客服 Agent：专职处理订单查询、物流跟踪、工单创建；
• 工具 Agent：处理通用计算、外部 API 调用、通用工具能力。

主 Agent 拿到用户的请求后，会把复杂任务拆分成多个子任务，分发给对应的子 Agent 去执行，最后汇总所有结果，整理成自然语言回复给用户。结合 webman 的异步和队列能力，还能把子任务做成并行执行，大幅提升整体吞吐。

给大家看两个我们已经落地的真实场景，你就知道这套方案有多实用：

场景1：数据问答 + 自动报表生成

用户输入：“帮我统计最近30天的每日销售额，找出销量 Top3 的商品，给我出个简单的分析报告”。 执行流程：

1. 主 Agent 把需求拆成“数据查询→聚合计算→排序分析→报告生成”4个子任务；
2. 数据分析 Agent 直接调用 ORM 模型，从订单库拿到原始数据；
3. 工具 Agent 完成聚合计算、Top3 排序和数据格式化；
4. 主 Agent 把结果整理成结构化的分析报告，返回给用户。

全程没有任何跨服务调用，直接复用现有的数据模型和业务逻辑，从开发到上线，只用了不到半天时间。

场景2：智能客服 + 工单自动流转

用户输入：“我的订单#12345发货了吗？如果没发，帮我催一下商家”。 执行流程：

1. 客服 Agent 调用订单、物流查询工具，直接复用业务里已有的查询方法，拿到订单状态；
2. 如果未发货，工具 Agent 直接调用现有的工单创建 API，自动生成催单工单，同步触发内部通知；
3. 主 Agent 根据查询结果，生成友好的自然语言回复给用户。

完全复用了现有的业务体系，不用为了 AI Agent 重新写任何业务接口，真正做到了 AI 能力和业务系统的无缝融合。

客观聊聊：PHP 和 Python 到底怎么选？

我不是要否定 Python，必须承认，Python 在 AI 原型验证、生态丰富度上，是有不可替代的优势。

如果你是从零开始的 AI 创业公司，团队里全是算法工程师，那 Python + LangChain 依然是最优解；但如果你是一家业务已经跑在 PHP 技术栈上的公司，团队主力都是 PHP 工程师，想把 AI Agent 能力快速落地到生产环境里，那 PHP + webman + Neuron 这套方案，绝对比 Python 香太多。

很多人说 PHP 是过时的语言，只能写写传统网站。但2026年了，PHP 生态早就不是当年的样子了。有了 Neuron 这样的框架，PHP 开发者不用再羡慕 Python 的 AI 生态，不用硬转自己不熟悉的技术栈，用自己最顺手的语言，最熟悉的开发模式，就能写出生产级的 AI Agent。

对于我们 PHPer 来说，最好的工具，永远是能帮我们快速解决问题、落地业务的工具。不用追风口硬转 Python，用 PHP，一样能把 AI Agent 玩明白，而且玩得更舒服、更高效。