Das KI-Modul

Nibiru bietet ein KIM-Modul (application/module/ai/), das jeder Nibiru-Anwendung eine erstklassige KI-Oberfläche gibt. PHP-Code kann mit einem lokalen LLM chatten, Text einbetten, RAG über eigene Daten ausführen oder einen Agenten mit Tools starten – alles ohne einen Byte an eine bezahlte API zu senden.

Das Modul ist standardmäßig mit Ihrem eigenen Ollama auf Ihrer Ollama-Instanz verbunden, sodass die Inferenz auf Ihrer Hardware, in Ihrem Netzwerk und Ihren Bedingungen erfolgt.

Was Sie erhalten

Plugin	Was es macht	Einzeiler
Chat	Chat-Vervollständigungen, ein- oder mehrfach	$ai->chat()->ask('…')
Embed	Text → Vektoren + Kosinus-Hilfsprogramme	$ai->embed()->one('…')
Rag	Aufnehmen + Abrufen + angebundener Chat	$ai->rag('docs')->ask('…')
Agent	Werkzeugnutzender ReAct-Schleife	$ai->agent()->withTools([…])->run('…')
Tool	Grundlage für Ihre eigenen benutzerdefinierten Tools	class MyTool extends Tool { … }
Ollama	Roher HTTP-Transport zu jedem Ollama-kompatiblen Endpunkt	(new Ollama($cfg))->chat(…)

Hallo, KI

use Nibiru\Module\Ai\Ai;

$ai = new Ai();

echo $ai->chat()->ask('How do I scaffold a new module?');
// → "Run `./nibiru -m <name>`. This creates application/module/<name>/ with…"

Dies ist die gesamte API-Oberfläche für den einfachen Fall. Kein Dependency Injection-Container, keine API-Schlüssel, kein SDK-Installieren.

Über Konfiguration verbunden

Jedes Plugin liest seine Einstellungen aus application/module/ai/settings/ai.ini:

[AI]
ollama.base_url     = "https://your-ollama-host.example"
chat.model          = "nibiru-coder:1.0"
chat.fallback_model = "qwen2.5-coder:14b"
chat.temperature    = 0.4
chat.max_tokens     = 1024
embed.model         = "nomic-embed-text"
rag.top_k           = 6
agent.max_iterations = 6

Umgebungsspezifische Überschreibungen: ai.production.ini, ai.staging.ini. Der Nibiru-Registrierungsmechanismus erkennt diese automatisch.

Die vier Hauptanwendungsfälle

1. Chat — sprechen Sie mit Ihrem Modell

$ai = new \Nibiru\Module\Ai\Ai();

// One-shot
echo $ai->chat()->ask('Explain MMVC in two sentences.');

// Multi-turn
$chat = $ai->chat();
$chat->user('How do I scaffold a module?');
$chat->user('And add Graylog hooks?');   / referrs to previous turn
echo $chat->complete();

// Override per call
echo $ai->chat()
    ->system('Answer in German.')
    ->model('qwen2.5-coder:14b')
    ->temperature(0.1)
    ->ask('Was ist ein Modul?');

Der Chat-Plugin wechselt automatisch zu chat.fallback_model, wenn das primäre Modell nicht verfügbar ist – nützlich, während Sie noch an nibiru-coder arbeiten.

2. Einbetten — Text in Vektoren

$embed = $ai->embed();

$va = $embed->one('controller');
$vb = $embed->one('module');
$score = \Nibiru\Module\Ai\Plugin\Embed::cosine($va, $vb);
// → 0.78 (close concepts)

Kompakte Speicherung:

$packed = \Nibiru\Module\Ai\Plugin\Embed::pack($vec);   / base64 string, 4 bytes/dim
$vec    = \Nibiru\Module\Ai\Plugin\Embed::unpack($packed);

3. RAG — Ingestieren, Abrufen, Verankern

$rag = $ai->rag('product-help');

// One-time ingestion
$rag->ingestDir(__DIR__ . '/help/');             / walks .md/.txt/.php
$rag->ingestText('FAQ entry…', ['source' => 'faq-12']);
$rag->ingestFile('/var/data/manual.pdf.txt');

// Then ask grounded questions
echo $rag->ask('How do I cancel my subscription?');
// → "Per the help docs, you can cancel in account → settings… [1]"

Speicherung: Eine einzelne JSON-Datei pro Sammlung unter application/module/ai/cache/rag/<name>.json. Wiederholbar, ohne Datenbank, passt bequem ~10.000 Chunks im Speicher.

4. Agent — Werkzeuge, die handeln

use Nibiru\Module\Ai\Plugin\Tools;

$ai = new \Nibiru\Module\Ai\Ai();

$agent = $ai->agent()->withTools([
    new Tools\PdoQuery(),    / read-only SQL
    new Tools\HttpGet(),     / fetch URLs
    new Tools\FileRead(),    / read project files
]);

echo $agent->run('How many active users registered last week?');
// → agent decides to call pdo_query with SELECT count(*) FROM users…
//   reads observation, writes a final answer.

Der Agent verwendet eine ReAct-stilige Schleife: Lesen der Aufgabe → Auswahl des Tools → Ausführen → Beobachten → Wiederholen → Endantwort. Das Protokoll verwendet einen einfachen JSON-Sentinel \“tool {…}```` , der bei jedem Ollama-Modell funktioniert – keine modellspezifischen Tool-Aufruf-APIs erforderlich.

Wo es lebt

application/module/ai/
├── ai.php                    # main class implementing IModule
├── interfaces/ai.php         # contract
├── traits/ai.php             # cfg() helper
├── plugins/
│   ├── ollama.php            # raw transport
│   ├── chat.php              # chat completions
│   ├── embed.php             # embeddings + cosine + pack
│   ├── rag.php               # ingest + retrieve + grounded chat
│   ├── agent.php             # ReAct tool loop
│   ├── tool.php              # abstract base for custom tools
│   └── tools/
│       ├── pdoQuery.php      # read-only SQL
│       ├── httpGet.php       # HTTP GET
│       └── fileRead.php      # project-local file read
├── settings/ai.ini           # config
├── cache/rag/                # RAG vector index files (gitignored)
└── training/
    ├── Modelfile             # the nibiru-coder system prompt
    ├── build.sh              # one-command Modelfile → registered model
    ├── smoke-test.php        # verify the whole stack
    └── README.md             # training pipeline guide

Warum dies existiert

PHP hat keine etablierte “Künstliche-Intelligenz-Frameworks” wie Python mit LangChain oder JS mit Vercel AI SDK. Das Nibiru-AI-Modul füllt diesen Lücke mit der kleinsten und schärfsten API, die wir schreiben konnten – drei Ebenen (Transport → Plugin → Modul), kein DI-Grafik, keine SDK-Installation, keine pro-Token-Rechnung.

Die Gestaltungsentfernung:

• Bring your own brain. Ollama ist standardmäßig aktiviert, Anthropic und OpenAI können als Ersatzmodule verwendet werden. Providerwechsel erfolgt über INI-Dateien, nicht über den Code.
• Eine JSON-Datei pro RAG-Sammlung. Keine Vektordatenbank erforderlich. Wiederherstellungsicher nach einem Neustart. Grep-fähig bei der Fehlerbehebung.
• Tools sind PHP-Klassen. Erweitern Sie Tool, erhalten Sie einen Namen + Schema + eine Ausführungsmethode. Der Agent kümmert sich um den Rest.
• Keine modellspezifischen Tool-Aufruf-APIs. Eine einzige eingerahmte JSON-Konvention funktioniert überall.

Nächste

• Chat-Plugin-Referenz
• RAG-Plugin-Referenz
• Agent-Plugin-Referenz
• Training nibiru-coder