解析 Laravel 的 AI 生态系统：Prism、LarAgent、Neuron AI 与 Boost

在 Packagist 中搜索“laravel ai”，会出现令人眼花缭乱的列表。过去一年里出现了数十个相关包，每个都宣称自己是让 Laravel 实现 AI 智能体的最简单途径。这些包的名称彼此相似，README 文件也都写得很有说服力，但实际安装后才发现它们解决的却是截然不同的问题。

许多开发者因此吃了亏。有人只是想要一个简单的文本摘要功能，结果却不得不引入整个智能体框架，包括内存管理、工具调用以及多步骤协调功能，而这些功能其实根本不需要。最终得到的只是一堆冗余代码，而且设置过程所耗的时间比实现该功能本身还要长。

接下来的内容将介绍 Laravel 智能代理生态系统中的三大主要组件：Prism、LarAgent 和 Neuron AI。同时也会厘清两个经常被混淆的名称——Laravel AI SDK 和 Laravel Boost，并通过一个实际案例进行说明：一个能够解答公司内部文档相关问题的助手。

从原始 API 调用到完整生态系统

几年前，要在 Laravel 应用中加入 AI 功能，只有唯一一种方法：使用 HTTP 客户端手动向 OpenAI 的接口发送请求，然后自行解析返回的 JSON 数据。而一旦换成 Anthropic，就不得不重新编写相关代码。

现状已经有所不同。据报道，Laravel核心团队在2026年初发布了官方AI SDK，该SDK与Boost及MCP支持一同作为更完整的Laravel AI套件的一部分推出。选择越多，决策疲劳就越严重，因此建立清晰的概念十分重要：何时需要代理框架，而何时最简单的工具就足够了？

这个生态系统发展也极为迅速。本月还很流行的某个包，六个月后可能就不再受欢迎，而另一个包则可能成为社区的首选。与其记住各个工具的名称，不如了解它们各自解决的问题的类别。只要分类正确，即便下个月出现新的工具，选择起来也会很轻松。

调用LLM与使用代理

大部分困惑都源于此。许多开发者认为使用AI就等同于使用代理，但实际上两者的复杂程度有着天壤之别。

• 调用大型语言模型非常简单：输入一个提示词，得到一个回复。就好比生成产品描述或用三句话概括一篇文章。这种交互是单向的，过程中不会做出任何决策。
• 智能体则会经过多步推理。它会决定何时调用工具、何时提出进一步询问、何时从数据库中获取数据后再回复，以及何时任务完成。存在决策循环，而非单一的请求-响应周期。

如果需求属于第一种类型，使用智能体框架就如同租用一个货运集装箱来运送一周的食品杂货。虽然可行，但属于浪费精力，而这正是Prism发挥作用的地方。

Prism：与大型语言模型交互的基础层

Prism 是三者中最轻量的。它纯粹是一个抽象层。你只需编写一次代码，便可更换不同的提供方，无论是 OpenAI、Anthropic、Gemini、Mistral、Ollama 还是其他服务，而无需修改代码结构。基本的文本生成流程如下：

use Prism\Prism\Facades\Prism;
use Prism\Prism\Enums\Provider;

$response = Prism::text()
    ->using(Provider::Anthropic, 'claude-3-7-sonnet-latest')
    ->withSystemPrompt('You are an assistant who explains technical terms in plain language.')
    ->withPrompt('Explain what dependency injection is.')
    ->asText();

echo $response->text;

它的优点在于不同服务提供商之间能提供一致的接口。从 Anthropic 切换到 OpenAI 时，只需修改 using() 调用，其余部分无需改动。它还支持结构化输出、基础工具调用以及图像和文档输入功能。

不过也要注意它的局限性。Prism 并不适合管理长时间运行的状态或自动化的多步骤工作流。如果你希望拥有具备记忆能力、能在一系列决策中持续行动的“有生命感”的 AI，仅靠 Prism 是不够的，这时就需要 LarAgent 了。

LarAgent：类似 Eloquent 模型的智能体

LarAgent 采用了一种对 Laravel 开发者来说十分熟悉的设计方式：定义智能体的方式与定义 Eloquent 模型类似，拥有专门的 artisan 命令、类结构以及具有明显 Laravel 风格的配置文件。

namespace App\AiAgents;

use LarAgent\Agent;
use LarAgent\Attributes\Tool;

class SupportAgent extends Agent
{
    protected $model = 'gpt-4o';
    protected $history = 'in_memory';
    protected $provider = 'default';

    public function instructions()
    {
        return 'You are a support agent that helps users track their order status.';
    }

    #[Tool('Get order status by invoice number')]
    public function getOrderStatus($invoiceNumber)
    {
        return Order::where('invoice', $invoiceNumber)->first()?->status ?? 'Order not found';
    }
}

之后，即可为特定用户调用该智能客服，对话历史会自动保存：

use App\AiAgents\SupportAgent;

SupportAgent::forUser(auth()->user())->respond($userMessage);

将其与Prism作比较。在Prism中，工具是通过#[Tool]属性注册的，而代理会根据用户的指令自行决定何时调用该工具。这正是之前所描述的代理行为，即存在一个决策层，而非单次交互即可完成。

当代理需要与某个特定功能绑定明确的身份时，LarAgent是个不错的选择，比如客户支持、数据录入助手，或是需要同一用户反复调用且上下文必须保留的内部辅助工具。历史记录是按用户单独管理的，因此无需设计专门的架构。只需选择内存或缓存等历史记录存储方式，其余工作由LarAgent处理。对于那些需要快速上线代理功能且无需大量配置的小团队而言，这无疑是个巨大的优势。

Neuron AI：适用于多代理场景

当项目发展到需要生产级RAG功能、多个智能体协同工作，或需要详细了解每个智能体的操作步骤时，Neuron AI是一个值得考虑的选择。

它并非专为Laravel设计，而是一个纯粹的PHP智能体框架，能够无缝集成到Laravel项目中。其架构具备标准框架的特征：通过SystemPrompt对象来定义提示词的结构，RAG功能由RAG类处理，向量存储可从简单的内存存储扩展到Pinecone和Elasticsearch等外部服务，同时还配有用于监控的Inspector工具，可实时显示智能体的操作流程。以下是一个基本的智能体定义：

namespace App\Neuron;

use NeuronAI\Agent;
use NeuronAI\SystemPrompt;
use NeuronAI\Providers\AIProviderInterface;
use NeuronAI\Providers\Anthropic\Anthropic;

class DataAnalystAgent extends Agent
{
    protected function provider(): AIProviderInterface
    {
        return new Anthropic(
            key: env('ANTHROPIC_API_KEY'),
            model: 'claude-3-7-sonnet-latest',
        );
    }

    public function instructions(): string
    {
        return (string) new SystemPrompt(
            background: ['You are a data analyst helping the marketing team understand sales trends.'],
            steps: [
                'Fetch sales data using the available tool.',
                'Analyze the trends and patterns that emerge.',
                'Communicate the insight in plain, easy-to-understand language.',
            ],
        );
    }
}

可见这与LarAgent相比要明确得多。系统提示清晰地区分了背景信息、步骤和输出结果，这是有意为之。Neuron AI适用于那些复杂性已经上升、需要明确结构来防止智能体在处理过程中偏离正轨的场景。

Laravel AI SDK与Laravel Boost：常见的混淆

许多开发者将它们视为同一事物的不同名称。实际上它们解决的是完全不同的问题，据称Laravel团队还专门发布过文章来澄清这一误解。

• Laravel AI SDK（laravel/ai）是由核心团队推出的官方 SDK。它的功能是将 AI 功能集成到你的应用中，通过统一的 API 处理文本、结构化输出、图像、音频以及嵌入向量等内容。该 SDK 基于 Prism 构建，因此熟悉 Prism 的用户会发现过渡十分容易。此外，官方版本还提供了用于测试的模拟数据、后台任务队列以及服务提供商之间的自动故障转移功能。
• Laravel Boost则完全是另一回事。它是一个在开发环境中运行的 MCP 服务器，能够帮助 Claude Code 或 Cursor 等 AI 编程助手生成更符合 Laravel 框架规范的代码。Boost 从不涉及生产环境中的应用程序，仅作为开发时的依赖项在编码时启用，不会成为最终用户所使用的任何 AI 功能的一部分。

简单来说，AI SDK 帮助你构建 AI 功能，而 Boost 则帮助 AI 帮助你编写更优质的 Laravel 代码。二者可以并行使用，互不替代。

案例研究：回答内部文档中的问题

这是一个常见的职场需求。人力资源团队厌倦了反复回答相同的休假政策相关问题，希望有一个能够根据现有政策文档进行回复的聊天机器人。这属于典型的 RAG 应用场景，即答案来源于公司自身的文档，而非模型在训练过程中获取的信息。

该应用需要向量存储、嵌入向量以及自动检索功能，因此 Neuron AI 是非常合适的选择：

namespace App\Neuron;

use NeuronAI\Providers\AIProviderInterface;
use NeuronAI\Providers\Anthropic\Anthropic;
use NeuronAI\RAG\RAG;
use NeuronAI\RAG\Embeddings\EmbeddingsProviderInterface;
use NeuronAI\RAG\VectorStore\VectorStoreInterface;
use NeuronAI\RAG\VectorStore\MemoryVectorStore;

class HrPolicyAgent extends RAG
{
    protected function provider(): AIProviderInterface
    {
        return new Anthropic(
            key: env('ANTHROPIC_API_KEY'),
            model: 'claude-3-7-sonnet-latest',
        );
    }

    protected function vectorStore(): VectorStoreInterface
    {
        return new MemoryVectorStore();
    }

    protected function embeddings(): EmbeddingsProviderInterface
    {
        // your preferred embeddings provider, e.g. OpenAI or Voyage
    }
}

大致流程如下：

1. HR政策文件，无论是PDF格式还是纯文本，都会被分割成更小的片段，转换成嵌入向量后存储在向量数据库中。
2. 当员工询问还有多少未使用的年假可以结转到下一年时，该问题也会被转换成嵌入向量。
3. Neuron AI会寻找在语义上最相近的片段，而不仅仅是基于关键词匹配，然后将这些片段作为额外上下文提供给大语言模型。
4. 大语言模型会依据这些真实的片段来回答，而非凭一般知识猜测。

这样得到的聊天机器人所给出的回复会参考公司的实际政策，而非可能错误的通用答案。虽然也可以使用手动工具强制搭建类似LarAgent的系统，但那样就需要自行实现检索逻辑、片段分割及相似度搜索功能。而Neuron AI则已将这些功能作为现成的组件提供出来。

示例中的 MemoryVectorStore 仅需少量配置文件即可，因为它能在会话期间将嵌入向量存储在内存中。一旦文档集规模扩大且需要持续运行，只需将 vectorStore() 的实现替换为 Pinecone 或 Elasticsearch 等真正的向量数据库，而无需修改智能体的逻辑。清晰的抽象层能让您从小规模开始逐步扩展，避免从一开始就确定最终架构。

在这类 RAG 工作中常见的错误是直接将整份文档完整导入而不进行分块处理。将冗长的人力资源政策作为连续的整体块输入会干扰相似度搜索，因为系统无法判断哪部分内容能回答问题。按主题或几段文字为单位进行分割，才能让检索结果定位到正确的部分。

该如何选择

• Prism：真正的单次请求与响应模式，适用于生成文本、摘要或描述等场景，能让您无缝切换服务提供商。
• Laravel AI SDK：由核心团队支持的官方选项，具备测试假数据、后台任务处理及服务提供商故障切换功能，尤其适合需要团队长期维护的项目。
• LarAgent：具有明确身份的智能体，同一用户可反复调用，其开发者体验类似Eloquent，且可通过简单属性定义相关工具。
• Neuron AI：此类项目已超出简单智能体的处理能力，需要强大的RAG功能、多个协同工作的智能体、精细的追踪机制或由相互依赖的步骤构成的工作流。

Laravel Boost：并非用于应用中的人工智能功能，而是用来获得专属的编码助手，帮助写出更符合规范的简洁 Laravel 代码。

这里没有绝对最好的包，只有最适合你当前面临复杂度的那个。从最简单的选项开始，只有在问题确实需要时再升级。最好的代码并非最聪明的代码，而是最能解决当前问题的代码。