基础篇
进阶篇
高频篇
精选篇
手写篇
面经篇
AI 篇
原理篇
每日一题
小程序题库
  • 知识卡片碎片时间过考点
  • 场景篇按分类整理的大前端场景考点
  • 历年面经按年份追踪真实考点
  • 算法题库NEW在线编码即时判题
  • 专项自测100 题快速查漏
  • 前端基础
    • HTTP从报文一路讲到 HTTPS
    • 浏览器渲染、事件循环、进程
    • 计算机基础Linux、网络、操作系统
  • 进阶专项
    • 设计模式23 种模式怎么用
    • 前端系统进阶学习大型项目工程化
    • 前端综合文章长期沉淀的实践文
  • 工程与工具
    • Node学习指南从环境搭建到服务端
    • NPM工作流script、依赖与发布
    • Docker容器化部署上手
    • Canvas图形与动画实战
  • 路线与导图
    • 思维导图知识点全景图
    • 学习路线按图索骥不跑偏
  • 动态
    • 公众号动态公众号历史文章
    • 博客动态站长的技术博客
    • 开发者导航常用工具与文档站
    • AI 热点每日 AI 资讯与动向
AI 工作台
旧版
AIHT
内容
精选全部 AI 动态热点榜AI 日报收藏
分类
模型行业编程产品技术观点开源
更多
Agent 接入
返回首页开发者导航
AIHT
精选 / 资讯详情
8.0
热点
AI SCORE
技术实践2026-11-18 03:04

用 PHP 校验模型输出的五个业务流程

dev.to · AI#Laravel#结构化输出#业务校验
Editor brief · 编辑速览

作者用 Laravel 13、Livewire 4 和 PHP 8.4 搭建了五个可交互示例,展示如何把邮件、发票等输入转成结构化操作。模型负责提取符合模式的 JSON,金额、费率和库存由确定性代码处理。

文章思维导图
Knowledge map
拖拽缩放
AI deep read

AI 深度解读

把客户邮件变成报价、把发票变成待审核记录,这些任务都适合接入 AI,但有个前提:模型读懂输入之后,金额、库存和告警级别得由业务代码核验。作者用 Laravel 13、Livewire 4 和 PHP 8.4 做了一个免登录沙盒,把这条分工放进了五个可交互的场景。

这套设计对前端和全栈开发者最有用的地方,是把 AI 功能拆成了熟悉的接口问题。模型交什么字段,服务端按什么规则验,页面怎么展示校验失败或服务降级,都能在接入模型之前定下来。

JSON 合法了,为什么还要再验一遍

Gemini 负责把邮件、发票或搜索语句转换成符合约定的 JSON。结构校验能确认字段和类型是否符合预期,例如 line_items 是数组,total_amount 能解析成数值。金额之间是否对得上,则由 PHP 8.4 复算。两层校验回答的是两个问题:程序能不能读这份结果,以及业务能不能用这份结果。

发票演示里,validateExtractionMath() 会把 subtotal 和 tax_amount 相加,保留两位小数,与 total_amount 比较。差值大于 0.02 就返回 mismatch。它还会调用 detectLineItemsSubtotalMismatch(),检查明细合计和小计是否一致。缺少总额,或小计和税额都缺失时,函数返回 not_applicable。页面如果把它和 verified 都显示成「金额已验证」,就会把一次未执行的算术检查呈现为检查通过。

作者给了一个可复现的例子。把发票第一项从 £890.00 改成 £990.00,再点击 Run Extraction Pipeline,Gemini 会按修改后的文本提取金额。PHP 算出明细合计是 GBP 1,358.80,票面小计仍为 GBP 1,258.80,于是报出 Line-Item Drift Caught by PHP。这个例子展示的是明细和小计不一致时如何拦截;如果模型把相关金额一并读错,结果恰好仍能对上,算术检查就发现不了。

报价、商品和告警,哪些决定还能交给模型

报价场景要替代一张 15 字段的联系表单。客户发来一封邮件,说下周四在 Manchester 办 85 人活动,需要自助餐、咖啡服务、纯素和无麸质选项,早上 8 点前布置完成,并希望当天优先确认。模型从中提取 service_category、attendee_count: 85、urgency: priority、extracted_requirements 和 missing_details_to_clarify。服务端再按费率表计算,同时把缺失信息列成后续追问。

原文给出的费率是 £180 + (85 × £28) × 1.20,报价区间写的是 £2,760–£3,540。按列出的公式只能算出 £3,036,区间上下限怎么来的,作者没交代。这个缺口正好说明,报价校验需要一份能解释价格来源的费率表和规则,单有计算代码还不够。

商品搜索里,买家要找低于 £130、有库存、可在英国次日送达的防水宽楦徒步靴。Gemini 输出 max_price: 130、in_stock_only: true、所需标签和候选商品 ID,PHP 再对照内存或 MySQL 中的商品目录。演示结果是 2 件商品通过核验,2 件因条件不符被排除。这个结果说明了候选怎么被筛掉,至于模型有没有漏掉符合条件的商品,原文没有给数据。

同样的分工还用在查客户和处理告警上。查客户时,Gemini 按「活跃账户、MRR > $800、周用量下降 >= 30%」挑账户 ID,再起草 CEO 留存邮件。Laravel 从业务记录回读 MRR、席位利用率和用量。回读保证了展示数字有来源,文章没有说明 Laravel 是否重新检查了筛选条件,或核对邮件草稿里引用的数字。告警演示选了 02:14 UTC 到达的 Stripe authentication_required webhook 或 MySQL 1213 Deadlock,让模型归类并起草处置手册,由 PHP 的 P1/P2/P3 规则决定静默处理还是呼叫值班人员。

模型超时和页面变慢是两件事

作者把模型调用放到服务端,按 flash-lite、备用模型的顺序尝试。下面的 run() 处理了单次调用超时、模型切换和离线降级,并返回结果来源供界面识别。

public function run(SandboxAgent $agent, string $scenario, string $rawInput): array
{
   $prompt = $agent->buildPrompt($rawInput);
   $candidateModels = $this->resolveCandidateModels();
   $startedAt = hrtime(true);
   $lastError = null;

   foreach ($candidateModels as $model) {
      $timeout = str_contains(strtolower($model), 'flash-lite') ? 12 : 15;

      try {
         $data = $agent->executeSandboxPrompt($prompt, model: $model, timeout: $timeout);

         if ($data !== []) {
            return [
               'data' => $data,
               'meta' => [
                  'model' => $model,
                  'source' => 'live',
                  'duration_ms' => $this->elapsedMs($startedAt),
                  'fallback_reason' => null,
               ],
            ];
         }
      } catch (Throwable $exception) {
         $lastError = $exception->getMessage();

         Log::warning('Live SaaS AI sandbox model execution failed; trying next fallback', [
            'scenario' => $scenario,
            'model' => $model,
            'error' => $exception->getMessage(),
         ]);
      }
   }

   return [
      'data' => SandboxDataset::fallbackResult($scenario, $rawInput),
      'meta' => [
         'model' => 'deterministic-fallback',
         'source' => 'fallback',
         'duration_ms' => $this->elapsedMs($startedAt),
         'fallback_reason' => 'Live provider unavailable; displaying verified offline pipeline response.',
      ],
   ];
}

看 $timeout 那一行。12 秒和 15 秒是每次尝试的上限,两次串行尝试的等待时间可能接近 27 秒。原文提到单端点等 60 秒的风险,但这段代码也没有设置整个请求的截止时间。另一个细节是 if ($data !== []),这一层只检查数据是否为空,结构校验要看 executeSandboxPrompt() 内部或后续业务代码。

页面加载走另一条路径。公开的 GET /ai-demo 在 mount() 里初始化预设,不触碰 session()。中间件移除 Set-Cookie,并返回 Cache-Control: public, s-maxage=86400, stale-while-revalidate=600,给 Cloudflare 缓存共享 HTML;模型交互仍通过 POST /livewire/update。作者用 <div data-nosnippet> 包住交互区,把 5 项功能说明放进下方的语义化 HTML,让搜索摘要少受模拟发票内容干扰。作者声称页面全球加载低于 30ms,原文没给测量口径或节点分布,这个数字也没有覆盖模型交互。

我的判断

分工最明确的是发票和商品搜索。算式和库存条件都能直接检查,拒绝结果时也能告诉用户具体哪项对不上。相比任由聊天模型生成答案,或让检索增强生成(RAG)直接给商品结论,这种架构的优势是核验路径清楚。条件已经能通过表单或筛选器准确表达时,普通表单和查询更简单;自然语言入口适合输入形式确实杂乱、字段需要从上下文里提取的环节。

原文给的是可操作的演示,其中发票例子具体到了输入改动和预期输出。长表单影响转化、关键词搜索效果差、串行切换模型能改善生产体验,这些都没有对照数据,属于经验之谈。沙盒还能用预设数据返回离线结果,真实报价和实时库存则依赖当前业务记录。前端只有识别 source: fallback,才有机会把离线结果按实际状态呈现给用户。

能拿来做什么

  • 给发票导入接口分开处理 verified、mismatch 和 not_applicable。遇到差异就展示明细合计和票面小计,让审核人知道该回查哪个字段。
  • 在 Node 服务端把自然语言询价拆成提取和计价两步。用结构校验接收人数、服务类别和紧急程度,再用现有费率表计算,把缺失字段交给前端追问。
  • 给商品搜索加一道服务端过滤,用商品库核对候选 ID、价格和库存。评估提取效果时,同时看错误商品有没有混进来,以及符合条件的商品有没有被漏掉。
  • 把模型调用放到服务端,为整次交互设定等待预算,并把 source 和 fallback_reason 纳入前端状态。离线数据可以标为演示结果,正式业务数据按实际可用状态展示。
Original source

本文由 AI 通读原文后重新编写,观点部分为站内判断,细节以原文为准,来源 dev.to · AI,原文版权归原作者所有。

阅读原文
上一篇
先定位代码入口,再让 AI 读代码和补测试
下一篇
Gemini 4 Hydrogen 上线 Copilot

资讯速览

dev.to · AI · 2026-11-18 03:04

AI 评分 8.0 / 10

相关标签

#Laravel#结构化输出#业务校验

继续阅读

  • 用 Git 管理团队编程智能体的触发器和权限
  • 先定位代码入口,再让 AI 读代码和补测试
  • Gemini 4 Hydrogen 上线 Copilot
  • 开源 SMART 为 Bedrock 智能体接入 WhatsApp
  • 用价值流图找出 AI 写码后的交付瓶颈