PHP中LangChain入门指南：自动化工作流实战案例 (2025年05月)

引言

LangChain是一个强大的框架，可以帮助开发者构建基于语言模型的应用程序。在PHP环境中使用LangChain可以显著提升自动化工作流的效率。本文将带你从零开始，学习如何在PHP项目中集成LangChain，并通过一个完整的实战案例展示如何构建自动化工作流。

准备工作

环境要求

PHP 8.1或更高版本
Composer (PHP依赖管理工具)
OpenAI API密钥（或其他支持的LLM提供商）
基本的PHP开发环境

安装LangChain PHP SDK

首先，我们需要通过Composer安装LangChain的PHP包：

代码片段

composer require langchain/langchain

基础配置

1. 设置API密钥

创建一个.env文件来存储你的API密钥：

代码片段

OPENAI_API_KEY=your-api-key-here

然后在你的PHP文件中加载这个配置：

代码片段

<?php
require 'vendor/autoload.php';

use LangChain\LLM\OpenAI;

// 加载.env文件（可以使用vlucas/phpdotenv包）
$dotenv = Dotenv\Dotenv::createImmutable(__DIR__);
$dotenv->load();

// 初始化OpenAI客户端
$openai = new OpenAI([
    'api_key' => $_ENV['OPENAI_API_KEY'],
    'model' => 'gpt-3.5-turbo', // 可以根据需要更改模型
]);

LangChain核心概念

Chains（链）

Chains是LangChain的核心概念，它允许你将多个LLM调用和其他操作连接起来。

Agents（代理）

Agents可以使用工具来完成任务，根据用户输入决定采取什么行动。

Memory（记忆）

Memory允许链或代理记住之前的交互信息。

实战案例：自动化客服工单分类系统

让我们构建一个能够自动分类和响应客户支持工单的系统。

1. 创建基础链

代码片段

use LangChain\Chains\LLMChain;
use LangChain\Prompts\PromptTemplate;

// 定义提示模板
$template = "将以下客户工单分类为以下类别之一: {categories}. 
工单内容: {ticket_content}";

$prompt = new PromptTemplate(
    $template,
    ['categories', 'ticket_content']
);

// 创建LLM链
$classificationChain = new LLMChain($openai, $prompt);

2. 定义分类处理逻辑

代码片段

// 定义我们的分类处理器函数
function processClassification($category, $ticketContent) {
    $categories = [
        'billing' => '财务问题',
        'technical' => '技术问题',
        'general' => '一般咨询'
    ];

    if (!array_key_exists($category, $categories)) {
        return "无法识别类别";
    }

    // 这里可以添加更复杂的处理逻辑
    return "已分类为: " . $categories[$category];
}

// 使用链进行分类
$categories = "billing, technical, general";
$ticketContent = "我的订阅费用似乎被重复扣款了";

$result = $classificationChain->run([
    'categories' => $categories,
    'ticket_content' => $ticketContent
]);

echo processClassification(strtolower(trim($result)), $ticketContent);

3. 添加自动响应功能

让我们扩展我们的系统，让它能生成自动回复：

代码片段

use LangChain\Chains\SequentialChain;

// 创建响应生成链
$responseTemplate = "作为客服代表，为{classification}类别的工单撰写专业回复。工单内容: {ticket_content}";
$responsePrompt = new PromptTemplate($responseTemplate, ['classification', 'ticket_content']);
$responseChain = new LLMChain($openai, $responsePrompt);

// 创建顺序链将两个步骤连接起来
$sequentialChain = new SequentialChain([
    'chains' => [$classificationChain, $responseChain],
    'input_variables' => ['categories', 'ticket_content'],
    'output_variables' => ['text'] // responseChain的输出字段名
]);

// 执行完整流程
$finalResult = $sequentialChain->run([
    'categories' => $categories,
    'ticket_content' => $ticketContent
]);

echo "自动生成的回复:\n" . $finalResult['text'];

高级功能：添加记忆和上下文

为了让我们的系统能记住之前的交互，我们可以添加记忆功能：

代码片段

use Langchain\Memory\ConversationBufferMemory;

// 初始化记忆系统
$memory = new ConversationBufferMemory();
$memory->saveContext(
    ['input' => '我的订阅费用似乎被重复扣款了'],
    ['output' => '已分类为:财务问题']
);

// 创建带有记忆的链
$conversationTemplate = "以下是之前的对话历史:\n{history}\n\n新消息: {input}";
$conversationPrompt = new PromptTemplate($conversationTemplate, ['history', 'input']);
$conversationChain = new LLMChain($openai, $conversationPrompt);

// 使用记忆进行对话
$newInput = "是的，我在5月15日和5月20日都被扣款了";
$history = $memory->loadMemoryVariables();

$response = $conversationChain->run([
    'history' => $history['history'],
    'input' => $newInput
]);

echo "上下文感知的回复:\n" . $response;

性能优化与最佳实践

缓存结果：对于常见问题，考虑缓存LLM的响应以减少API调用。
限制输入长度：过长的输入会增加成本和延迟。
错误处理：总是准备好处理API调用失败的情况。
速率限制：遵守API提供商的速率限制。

代码片段

// 示例：带有错误处理的链调用
try {
    $result = $classificationChain->run([...]);
} catch (Exception $e) {
    // Fallback逻辑或重试机制
    error_log("LLM调用失败: " . $e->getMessage());
    $result = defaultClassification();
}

FAQ与常见问题解决

Q: API调用返回超时怎么办？
A:
1. 增加超时时间：

代码片段

$openai->setTimeout(30); // seconds <br>

2. 实现重试机制：

代码片段

function retryCall(callable $fn, int $maxAttempts =3) {...}<br>

Q: LangChain在PHP中的性能如何？
A: PHP版本的性能足够应对大多数业务场景。对于高并发需求，建议：
1. 使用队列处理异步任务
2. Consider implementing result caching

Conclusion总结

通过本文，我们学习了：
1. Lang Chain在PHP中的基本设置和配置
2. How to create and combine chains for complex workflows
3. Practical implementation of a ticket classification system
4. Advanced features like memory and context

With these foundations, you can start building more sophisticated AI-powered automation workflows in your PHP applications.

完整示例代码可在GitHub获取：[示例仓库链接]