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。

为什么选 Neuron？

我们选 Neuron 的理由很简单：

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：

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”。

复制

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

复制

composer require neuron-core/neuron-ai

Neuron 提供了一个 Agent 基类，你只需要继承并实现：

第二步：写一个“客服 Agent”的示例

复制

// app/agent/agents/CustomerServiceAgent.phpnamespace appagentagents;use NeuronAIAgent;use NeuronAIChatMessagesUserMessage;use NeuronAISystemPrompt;use NeuronAIProvidersAnthropicAnthropic;use NeuronAIProvidersAIProviderInterface;use NeuronAIToolsToolkitsCalculatorToolkit;class CustomerServiceAgent extends Agent{protectedfunction provider(): AIProviderInterface{// 一行切换 Anthropic/OpenAI/Gemini 等returnnew Anthropic(env('ANTHROPIC_API_KEY'),'claude-4-5-sonnet');}publicfunction instructions(): 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。']);}publicfunction tools(): 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

复制

// app/controller/AgentController.phpnamespace appcontroller;use supportRequest;use appagentagentsCustomerServiceAgent;use NeuronAIChatMessagesUserMessage;class AgentController{publicfunction chat(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

复制

┌───────────────────────────────────────────────────┐│ 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）

复制

// app/agent/Orchestrator.phpnamespace appagent;use appagentagentsDataAnalysisAgent;use appagentagentsCustomerServiceAgent;use NeuronAIChatMessagesUserMessage;class Orchestrator{publicfunction run(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：

复制

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：

场景 2：客服 工单流转

用户输入：

复制

我的订单 #12345 发货了吗？如果没发，帮我催一下。

执行流程：

性能对比

为什么说“PHP 也能很能打”？

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。