PHP不直接集成AI模型，而是通过调用外部AI服务，结合用户口味偏好与地理位置数据构建轻量级美食推荐系统，核心在于数据协调、API调度与结果渲染。
PHP本身不直接集成AI模型，但可以通过调用外部AI服务（如OpenAI、Qwen、本地部署的LLM）结合用户口味偏好与地理位置数据，构建一个轻量级美食推荐系统。关键不在“PHP集成AI插件”，而在于如何用PHP做数据协调、API调度与结果渲染。
口味偏好与地理位置的数据准备
用户口味偏好建议结构化存储，例如：辣度（0–5）、甜度（0–5）、忌口（素食/海鲜过敏/无麸质等）、常用食材（豆腐、鸡肉、番茄等）。地理位置可简化为城市或行政区划编码（如高德/百度地图API返回的adcode），用于匹配本地时令食材或区域菜系特色。
- 数据库中为用户表添加taste_profile JSON字段，存偏好标签
- 请求推荐时传入city参数，后端查本地热门菜系或应季蔬菜数据库
- 避免实时调用地图API做地理围栏，优先用静态映射表（如“成都→川菜”“广州→粤菜”“昆明→菌菇季”）提升响应速度
AI生成逻辑：提示词工程比模型选择更重要
真正影响推荐质量的是给大模型的指令是否清晰。PHP负责拼装结构化提示词，而非训练模型。例如：
示例提示词（供PHP动态生成）：
“你是一位资深中餐营养师。用户来自杭州，偏好清淡、微甜，不吃内脏，最近想尝试家常快手菜。请推荐3道菜，每道包含：菜名、核心食材（限本地易购）、简要做法（≤4步）、预估耗时。拒绝预制调料包，强调时令性。”
- PHP将用户偏好+城市+当前月份（判断时令）组装为JSON，再转成自然语言提示
- 调用API时设置temperature=0.3保证输出稳定，避免天马行空
- 对AI返回结果做基础校验：过滤含违禁食材、超时长（>45分钟）、非中餐类目
PHP后端实现要点（无需框架）
用原生PHP即可快速搭建，重点在接口封装与错误降级：
立即学习“PHP免费学习笔记（深入）”；
- 写一个AiRecipeGenerator.php类，封装curl调用OpenAI/Qwen等API
- 增加缓存层：相同偏好+城市组合的结果存Redis 2小时，降低AI调用频次与成本
- 必设fallback机制——当AI接口超时或报错，自动启用规则引擎兜底：从预置菜谱库按标签（清淡、杭帮菜、30分钟内）随机筛选3条返回
前端交互与体验优化
用户不需要知道背后是AI还是规则库。PHP返回统一格式的JSON，前端只管渲染：
- 首次访问弹出轻量问卷（3题以内）：您吃辣吗？常做饭吗？最近想吃什么口味？
- 地理位置默认用浏览器navigator.geolocation获取，失败则手动选城市
- 每次推荐附带“为什么推荐这道？”小字说明（由AI生成，PHP透传），增强可信度
