PHP实现智能客服本质是调用外部AI API，核心在于HTTP请求封装、会话管理与流式响应处理，需绕过认证头缺失、JSON格式错误、缓冲干扰三大卡点，并通过SSE+Redis等方案解决上下文与状态问题。
PHP 本身不直接处理 AI 推理，所谓“PHP 结合 AI 做智能客服”，本质是 PHP 作为后端胶水层，调用外部 AI 服务（如 OpenAI、Ollama、千问、讯飞星火等）的 API，再对接前端对话界面。别被“智能”二字带偏——核心是 HTTP 请求封装、会话状态管理、流式响应处理，不是在 PHP 里训模型。
如何用 PHP 调通 OpenAI 的 chat/completions 接口
这是最常见起点。关键不是写得多炫，而是绕过三个实际卡点：
-
curl_setopt($ch, CURLOPT_HTTPHEADER, [...])必须带Content-Type: application/json和Authorization: Bearer sk-xxx，漏任意一个都返回401 Unauthorized或400 Bad Request - 请求体必须是严格 JSON 格式：
json_encode(['model' => 'gpt-3.5-turbo', 'messages' => [['role' => 'user', 'content' => '你好']]])，messages是数组，不是字符串，PHP 数组键名大小写敏感（role不是Role） - 别用
file_get_contents()直接 POST JSON——它不支持设置 header，容易 silently 失败；坚持用curl或stream_context_create()配置完整选项
为什么不能直接在 PHP-FPM 里用 sleep() 实现流式响应
用户看到“打字机效果”，背后是服务端逐 chunk 返回数据。但 PHP-FPM 默认缓冲整个响应体，flush() 和 ob_flush() 在多数 Nginx + PHP-FPM 组合下根本不起作用——Nginx 自己还有一层 buffer。
- 必须关掉 Nginx 的
proxy_buffering off;（在 location 块里） - PHP 脚本开头加
if (function_exists('fastcgi_finish_request')) { fastcgi_finish_request(); }不行，那是为“后台任务”设计的，不是为流式输出 - 真正可行路径：用
SSE（Server-Sent Events）+text/event-stream响应头，PHP 每次echo "data: ...\n\n"; ob_flush(); flush();，前端用EventSource接收 - 注意：SSE 不支持 POST，所以得把 prompt 放 query string 或提前用普通 POST 存到 session，再用 GET SSE 拉取
怎么让多次对话“记住上下文”，又不炸内存
AI 模型本身无状态，所有记忆靠你传 messages 数组。但全量传历史记录，很快超 token 限制（比如 gpt-3.5-turbo 最多 16k）。硬拼数组不是办法。
- 别存原始 HTML 或富文本进
messages，先用strip_tags()清洗，再用mb_substr()截断单条内容（比如只留最近 5 轮，每轮 content ≤ 200 字） - 用 PHP
$_SESSION存精简后的对话摘要，但 session 文件大了会拖慢请求；更稳的是存 Redis，用hSet("conv:{$uid}", $timestamp, json_encode($msg))，再用hGetAll()+array_slice()拿最新几条 - 警惕“角色注入”：用户输入里如果含
"role": "system"这种字符串，直接塞进 messages 可能被模型误读——得做基础转义或白名单过滤role值（只允许user/assistant）
真正的难点不在调哪个 API，而在于错误怎么透出给前端（比如 API key 过期时，OpenAI 返回 401 但 body 是 JSON，PHP 后端得解析并转成前端能识别的错误码）、对话中断后怎么续（token 超限没报错，只是截断，得检查响应里 finish_reason === "length"）、还有审核——别让客服接口变成越狱入口。这些细节不压到每个请求里测，上线就翻车。
php免费学习视频：立即使用
踏上前端学习之旅，开启通往精通之路！从前端基础到项目实战，循序渐进，一步一个脚印，迈向巅峰！
