DepthNet 1.0: как PHP/Laravel-агент обрёл память, зрение и голос за год

Год назад на Habr появилась публикация о том, как разработчик собрал на PHP/Laravel AI-агента, который умеет рассуждать в циклах. Тогда автор остановился со словами «работает, но нужны идеи помощнее». Спустя год прототип превратился в DepthNet 1.0 — платформу для «живых» автономных AI-агентов с продвинутой памятью. За это время система обросла несколькими видами памяти, RAG, оркестрацией, зрением, голосом и слоем, который даёт агенту что-то похожее на внутреннее состояние. Рассказываем, что выросло и почему это значимо.

DepthNet 1.0: от прототипа до платформы

DepthNet 1.0 — это платформа для создания автономных AI-агентов, которая изначально была написана на PHP/Laravel. Ключевое отличие от многих других решений — способность агента рассуждать в циклах, то есть возвращаться к предыдущим шагам, анализировать результаты и корректировать свои действия. Год назад это был лишь прототип, но теперь система включает в себя несколько видов памяти: краткосрочную, долгосрочную и эпизодическую. Это позволяет агенту не только хранить информацию, но и использовать её в нужный момент, извлекая из контекста.

Помимо памяти, DepthNet получил поддержку RAG (Retrieval-Augmented Generation) — механизма, который дополняет ответы агента информацией из внешних источников. Это критически важно для задач, где нужны актуальные данные, например, при работе с документацией или новостными лентами. Также в систему добавлена оркестрация — возможность управлять несколькими агентами одновременно, распределяя задачи между ними.

Отдельного внимания заслуживают зрение и голос. DepthNet теперь может анализировать изображения и взаимодействовать с пользователем через речь. Это делает агентов более «живыми» и приближает их к полноценным ассистентам, способным работать в мультимодальной среде. Наконец, в DepthNet появился слой, который даёт агенту нечто вроде внутреннего состояния — это набор параметров, отражающих текущее «настроение» или «уверенность» агента, что позволяет ему адаптировать своё поведение в зависимости от ситуации.

Предыстория и контекст

Изначально проект начинался как эксперимент: можно ли создать агента на PHP, который не просто отвечает на запросы, а действительно «думает», используя циклы рассуждения. PHP — не самый очевидный язык для AI-разработки, где доминируют Python и JavaScript. Однако автор проекта доказал, что даже на PHP можно построить работающую систему, если правильно спроектировать архитектуру.

За год индустрия AI-агентов сделала огромный шаг вперёд. Появились такие платформы, как AutoGPT, BabyAGI и другие, которые позволяют создавать автономных агентов с памятью и планированием. DepthNet выделяется на этом фоне тем, что использует PHP/Laravel — стек, хорошо знакомый веб-разработчикам, но редко используемый в AI. Это открывает двери для множества разработчиков, которые не хотят переучиваться на Python, но хотят создавать интеллектуальных агентов.

Кроме того, в 2024 году наблюдается тренд на «живых» агентов — таких, которые не просто выполняют команды, но и обладают подобием личности и внутреннего состояния. DepthNet с его слоем внутреннего состояния попадает в этот тренд, предлагая разработчикам инструмент для создания более естественных AI-интерфейсов.

Что такое «внутреннее состояние» агента?

Внутреннее состояние агента — это набор переменных, которые отражают его текущее «самочувствие»: уровень уверенности, загруженность, приоритеты. Например, агент может быть «уверен» в ответе на 80% и действовать соответственно, или «сомневаться» и запрашивать уточнения. Это не полноценное сознание, но эвристика, которая делает поведение агента более гибким и адаптивным.

В DepthNet внутреннее состояние реализовано как слой, который влияет на выбор действий. Если агент получает много ошибок подряд, его «уверенность» падает, и он может переключиться на более простые задачи или запросить помощь. Это позволяет избежать бесконечных циклов и повышает надёжность системы в реальных сценариях.

Технические подробности DepthNet

DepthNet построен на PHP 8.x и Laravel, что обеспечивает привычную для веб-разработчиков структуру кода. Память реализована через несколько хранилищ: Redis для краткосрочной памяти, PostgreSQL для долгосрочной и файловое хранилище для эпизодической. RAG использует векторную базу данных, например, Qdrant или Milvus, что позволяет эффективно искать релевантные документы.

Оркестрация в DepthNet реализована через очередь задач и менеджер агентов. Каждый агент может выполнять подзадачи, а оркестратор распределяет нагрузку и собирает результаты. Это позволяет масштабировать систему горизонтально, добавляя новых агентов по мере необходимости.

Зрение и голос — отдельные модули, которые подключаются через API. Для зрения используется OpenCV и предобученные модели распознавания изображений, для голоса — синтез речи (TTS) и распознавание (STT). Всё это работает в связке с основным ядром агента, который принимает решения на основе мультимодальных входных данных.

Кого затронет и как

DepthNet представляет интерес в первую очередь для PHP-разработчиков, которые хотят создавать AI-агентов без перехода на другие языки. Они могут использовать уже знакомый стек Laravel и интегрировать агентов в свои веб-приложения. Также это интересно компаниям, которые строят чат-ботов или ассистентов на PHP и хотят повысить их автономность.

Для бизнеса DepthNet может стать инструментом автоматизации рутинных задач: обработка заявок, анализ документов, поддержка клиентов. Благодаря памяти и RAG агенты могут накапливать знания о компании и использовать их в работе. Например, агент может запомнить предпочтения каждого клиента и предлагать персонализированные решения.

В России и СНГ PHP остаётся одним из самых популярных языков для веб-разработки, поэтому DepthNet может найти широкую аудиторию. Многие компании используют Laravel, и интеграция AI-агентов в существующие проекты может стать конкурентным преимуществом.

Что будет дальше

Автор DepthNet планирует продолжать развитие платформы: улучшать память, добавлять новые виды взаимодействия и расширять возможности оркестрации. Возможно, в будущем появится облачная версия, которая позволит запускать агентов без необходимости разворачивать собственную инфраструктуру.

Ожидается, что в ближайшие месяцы будет выпущен релиз 1.1, который включит улучшения производительности и исправления ошибок. Также автор рассматривает возможность создания плагинов для популярных PHP-фреймворков, чтобы упростить интеграцию.

Судя по тенденциям, спрос на автономных агентов будет только расти. DepthNet может занять свою нишу, предлагая PHP-сообществу инструмент для создания «живых» агентов. Если проект получит поддержку сообщества, он может стать значимым игроком на рынке AI-инструментов.

Итог

DepthNet 1.0 — это пример того, как за год можно превратить прототип в полноценную платформу. Несмотря на нестандартный для AI стек, проект доказывает, что PHP/Laravel подходят для создания сложных агентов с памятью, зрением и голосом. Если вы PHP-разработчик и интересуетесь AI, стоит следить за развитием DepthNet — возможно, это именно тот инструмент, который вам нужен.