Como integrar a IA em seus projetos de Laravel: casos de uso prático e guia de implementação

A inteligência artificial (AI) não é mais uma palavra da moda. É uma parte central dos aplicativos da web modernos. De recomendações personalizadas à automação inteligente, a IA pode melhorar drasticamente a funcionalidade e a experiência do usuário de projetos de Laravel. Neste artigo, passaremos por integrações reais de IA em nível de produção em projetos de Laravel. Vamos pular o hype e entrar em como você pode realmente usar a IA, incluindo serviços como OpenAI, Modelos de Visão Computador e ML, dentro da sua pilha de Laravel. 🧠 Common AI Use Cases in Laravel Projects Before diving into the code, here are some real-world features powered by AI that Laravel apps can implement: Text generation (emails, summaries, product descriptions) using OpenAI or Claude Chatbots and conversational interfaces with context-aware memory Image classification and analysis (eg, product tagging, face detection) Voice-to-text or audio transcription using Whisper or AssemblyAI Recommendation engines for content, Produtos ou ações analíticas preditivas usando dados históricos (modelos ML) Detecção de spam e abuso usando modelos de PNL ⚙️ Laravel AI Fluxo de trabalho de integração Vamos percorrer a estrutura de um aplicativo Laravel que se integra à IA de maneira escalável e testável. 1. Configure seu aplicativo Laravel, certifique -se de que você esteja no Laravel 10+ ou 11+ com o PHP 8.2+ para garantir a compatibilidade com os pacotes modernos. Laravel Novo AI-Demo-App CD AI-Demo-App Digite Modo de tela cheia de tela Full Screen Modo Instale o cliente HTTP (geralmente já instalado via Laravel): o compositor requer guzzlehttp/guinclea, digite o modo de tela cheia) de saída de tela completa ou use o cliente interno http (http:: Post () de Illuminate \). 2. Usando o OpenAI GPT em Laravel, vamos construir um terminal que use a API do OpenAI para gerar um resumo para uma determinada postagem no blog. Etapa 1: Crie um serviço AI PHP Artisan Make: Service OpenAiservice Digite Modo de tela Full Screen Sair use iluminado \ support \ fachades \ http; classe OpenAiserService {função pública SummarizeText (String $ text): String {$ Response = http :: WithToken (config (‘Services.openai.key’)) -> post (‘ [
‘model’ => ‘gpt-4’,
‘messages’ => [
[‘role’ => ‘system’, ‘content’ => ‘You are an assistant that summarizes text.’]Assim,
[‘role’ => ‘user’, ‘content’ => “Summarize this:\n$text”],]’temperatura’ => 0,7,]); Retornar $ resposta[‘choices’][0][‘message’][‘content’] ? ‘Nenhum resumo disponível.’; }} Digite Modo de tela FullScreen Sair Modo de tela cheia Etapa 2: Adicione a chave da API do OpenAI em .env: OpenAI_API_KEY = Your_Api_Key_here Digite Modo de tela cheia Modo de tela cheia em Config/Services.php: ‘OpenAI’ => [
‘key’ => env(‘OPENAI_API_KEY’),
]Digite o modo de tela cheia de saída de tela cheia Etapa 3: Crie um controlador PHP Artisan Make: Controller Aicontroller Digite Modo de tela cheia Modo de tela cheia em Aicontroller.php: Use App \ Services \ OpenAiserService; Função pública resumir (solicitar $ solicitação, OpeniserService $ OpenAI) {$ request-> validate ([
‘text’ => ‘required|string|min:10’,
]); $ resumo = $ openai-> summarizetext ($ request-> text); resposta de retorno ()-> json ([‘summary’ => $summary]); } Digite o modo de saída do modo de tela cheia Defina uma rota: rota :: post (‘/ai/resumize’, [AIController::class, ‘summarize’]); Digite o modo de saída de tela cheia de tela cheia 🖼️ Usando a IA para classificação de imagem Você também pode conectar seu back -end do Laravel a modelos de classificação de imagem como: Yolov5/Yolov8 (via python) replicar.com API Google Vision ou Rekognition AWS Aqui está um exemplo simplificado usando replicação. Etapa 1: Faça o upload da imagem e chamada API REPLICATE Crie um novo controlador ou use o Aicontroller: Public FunctionImage existente (request $ request) {$ request-> validate ([
‘image’ => ‘required|image|max:2048’,
]); $ path = $ request-> arquivo (‘imagem’)-> store (‘temp’, ‘público’); $ imageurl = Asset (‘armazenamento/’. $ path); $ resposta = http :: withtoken (config (‘serviços.replicate.key’)) -> post (‘ [
‘version’ => ‘your-model-version-id’, // from replicate dashboard
‘input’ => [‘image’ => $imageUrl],]); resposta de retorno ()-> json ($ resposta-> json ()); } Digite o modo de saída de tela completa Modo de tela cheia Adicionar manuseio e limpeza de upload de arquivos, conforme necessário. 🧩 Integração do chatbot de IA para aplicativos que precisam de um chatbot de conversação (suporte, educação, saaS integrado), você pode transmitir respostas da API do OpenAI. STRAMEIO RESPOSTAS DE CHATGPT NO LARAVEL Public Function Chat (request $ request) {$ Response = http :: WithToken (config (‘Services.openai.key’)) -> withheaders ([
‘Accept’ => ‘text/event-stream’,
]) -> post (‘ [
‘model’ => ‘gpt-4’,
‘messages’ => $request->messages,
‘stream’ => true,
]); RETORNO DE RETORNO ()-> Stream (function () Use ($ Response) {echo $ resposta-> body (); flush ();}, 200, [‘Content-Type’ => ‘text/event-stream’]); } Digite o modo de saída do modo de tela completa Você pode transmitir a resposta no LiveWire ou no Vue para simular um chatbot de “digitação”. 🔮 Avançado: executando a IA localmente (por exemplo, Python + Laravel) em alguns projetos (como detecção de imagens, segmentação ou processamento de áudio), você precisará descarregar o trabalho da IA para Python. Abordagem: O Laravel desencadeia um script Python (por exemplo, via Symfony/Process ou API). O modelo Python faz o levantamento pesado (por exemplo, Yolov8). O Laravel recebe resultados via saída de JSON ou arquivo. Exemplo: $ process = novo processo ([‘python3’, base_path(‘ai/detect.py’), $imagePath]); $ process-> run (); $ resultado = json_decode ($ process-> getOutput (), true); Digite o modo de saída do modo de tela cheia ou execute os modelos Python AI por meio de uma API local de frasco e faça chamadas HTTP do Laravel. 🧪 Teste as integrações da IA sempre zombam das respostas da API de terceiros em seus testes: HTTP :: Fake ([
‘api.openai.com/*’ => Http::response([
‘choices’ => [
[‘message’ => [‘content’ => ‘Test summary’]]]]200),]); Digite o modo de saída do modo de tela cheia e use os métodos de teste de Laravel como de costume: $ this-> postjson (‘/api/ai/resumize’, [‘text’ => ‘Test content’]) -> Assertjson ([‘summary’ => ‘Test summary’]); Digite o modo de saída do modo de tela cheia de tela cheia 🛠️ Pacotes que valem a pena explorar 🔚 Conclusão IA pode dar às superpotências do seu aplicativo Laravel. Mas a chave não é apenas integração, é orquestração. Comece pequeno. Crie um recurso útil, como amosmarização automática, chatbot AI ou rotulagem de imagem inteligente. Em seguida, expanda-se a uma automação, tomada de decisão ou modelos preditivos mais profundos. Com a arquitetura limpa de Laravel e o crescente ecossistema de IA, este é o momento perfeito para mesclá -los. Deixe-me saber se você deseja que este artigo tenha se transformado em uma versão HTML de remarkdown, DOCX ou Blog.

Fonte