TransformersPHP：PHP 中的 Transformer，无需 Python

# TransformersPHP：在 PHP 后端的本地 Transformer 推理

TransformersPHP 可以让你直接在 PHP 应用中通过 ONNX Runtime 运行像 BERT 和 DistilBERT 这样的预训练 Transformer 模型。该库支持本地推理，无需 Python、网络 API 或外部服务。它处理嵌入生成、文本分类和语义搜索任务，响应时间可预测，且数据完全由你掌控。

后端关键优势：无网络调用延迟，模型加载后支持离线模式，保障数据隐私。它支持标准 NLP 任务——从情感分析到语义相似度计算。

要求与环境搭建

上手需要 PHP 8.1+、Composer、FFI 扩展和 ONNX Runtime。建议启用 JIT 以获得更好性能，并适当增加 memory_limit。

项目结构：

/project/
  ├── app/
  │    ├── demo.php
  │    ├── semantic-search.php
  ├── docker/
  │    ├── Dockerfile
  ├── docker-compose.yml
  ├── composer.json

通过 Docker 安装可简化部署。composer.json 文件内容：

{
    "type": "project",
    "minimum-stability": "stable",
    "prefer-stable": true,
    "require": {
        "codewithkyrian/transformers": "~0.6.2"
    },
    "config": {
        "allow-plugins": {
            "codewithkyrian/platform-package-installer": true
        }
    }
}

运行命令：

• docker compose build --pull
• docker compose up -d
• docker compose exec app composer install

Dockerfile 配置了 FFI、ONNX Runtime 1.17.1，以及 PHP 扩展（zip、pdo_mysql、bcmath、ffi 等）。

首个示例：情感分析

基本演示展示了 pipeline API。创建 app/demo.php：

require_once __DIR__ . '/../vendor/autoload.php';

use function Codewithkyrian\Transformers\Pipelines\pipeline;

// Konveyer for sentiment-analysis
$classifier = pipeline('sentiment-analysis');

$out = $classifier(['I love transformers!']);
echo 'I love transformers!\n';
echo print_r($out, true);

$out = $classifier(['I hate transformers!']);
echo 'I hate transformers!\n';
echo print_r($out, true);

运行：docker compose exec app php app/demo.php

输出：

I love transformers!
Array ( 
  [label] => POSITIVE 
  [score] => 0.99978870153427 
)

I hate transformers!
Array ( 
  [label] => NEGATIVE 
  [score] => 0.99863630533218 
)

Pipeline 封装了模型加载、分词和推理过程。首次调用会缓存模型。

事件语义搜索

实际场景：在事件流中进行语义搜索。事件文本往往不包含查询的确切表述（如同义词、形态变化）。

示例数据：

• 针对科技公司的全新限制措施
• 该地区各国加大卫星计划投资
• 政治原因导致冲突升级

查询：“该地区国家间的太空竞赛”。

通过嵌入解决：文本的向量表示，使用余弦相似度进行排名。

运行示例：docker compose exec app php app/semantic-search.php

代码使用 pipeline('feature-extraction') 生成嵌入，并计算无关键词依赖的语义相似度。

在 PHP 后端中的架构作用

TransformersPHP 可作为单体应用或微服务中的服务集成：

• 搜索用的嵌入生成
• 日志/请求分类
• 重复内容检测
• 无 API 的本地 NER

// Example integration in servis
class SemanticSearchService {
    private $embedder;
    
    public function __construct() {
        $this->embedder = pipeline('feature-extraction');
    }
    
    public function findSimilar(string $query, array $documents): array {
        // Embeddingi + cosine similarity
    }
}

相较 API 的优势：

• 稳定延迟（CPU 上 <100ms）
• 无配额/费用限制
• 初始化后支持离线
• 完全掌控模型

性能优化

• PHP 8.2+ 中的 JIT 可加速推理 20-30%
• Redis 中的模型缓存
• 请求批处理
• ONNX 优化（量化）

在 DistilBERT 上测试：512 token 嵌入耗时约 50ms（i7, 16GB）。

生产环境建议：监控内存（模型 100-500MB），实现优雅降级到 API。

关键要点

• TransformersPHP——用于推理，非模型训练。
• 本地推理无需数据科学团队即可解决 80% 后端 NLP 任务。
• 以 Composer 包形式集成，无需 Python 基础设施。
• 适用于隐私敏感环境（GDPR）。
• 通过批处理和缓存实现扩展。

— Editorial Team