Разработка ИИ-агентов для PHP: из пяти моделей задачу решила только одна

Большинство сравнений ИИ-моделей для кодинга на YouTube сводятся к «слепи лендинг» или «напиши игру». Но разработка ИИ-агентов для ежедневных задач на живом проекте с десятками файлов, конфигами Symfony, Docker-контейнерами и Redis-кэшированием устроена иначе. Автор эксперимента взял свой сервис мониторинга сайтов overseer.observer и поставил вопрос прямо: может ли локальная модель агентно решить реальную задачу от начала до конца, без участия человека.

Кто участвовал и как оценивали?

В роли ИИ-агента (автономной программы, которая сама читает код, ищет нужные места, вносит правки, запускает тесты и анализ) для локальных моделей использовался Hermes. Модели работали через vLLM на NVIDIA DGX Spark со 128 ГБ унифицированной памяти.

Участники локального забега:

• Qwen 27B (27 миллиардов параметров)
• Qwen 35B (35 миллиардов параметров)
• Ornith
• Laguna

Облачные участники:

• GigaCode от Сбера, облачный агент внутри GigaIDE, на момент теста бесплатный
• Claude Opus 5, вне зачёта, как контрольный ориентир топовой облачной модели и независимый ревьюер

Каждый коммит прогонялся через три проверки: функциональные тесты PHPUnit, статический анализ PHPStan и CS Fixer. Затем Claude Opus 5 писал вердикт. Максимум за раунд составлял 13 баллов по пяти критериям.

Первый раунд показал разрыв сразу

Задача выглядела тривиально: добавить эндпоинт /bot-ip-list.txt, который отдаёт список IP опубликованных локаций с кэшированием в Redis на 5 минут. Правильное решение укладывалось в два-три файла без единой правки конфигов, потому что в проекте уже был настроен пул redis_cache с готовым автовайрингом (автоматическим подключением зависимостей).

Результаты:

• Qwen 27B сошёл с дистанции. Полтора часа на одну задачу, зависание, нерабочий результат. Модель зачем-то вручную зарегистрировала контроллер в services.yaml, перекрыла автоматическую конфигурацию и убила нужный тег. Контроллер стал недоступен. Дальше в раундах Qwen 27B не участвовал.
• Qwen 35B не работает. Импортировал несуществующий класс Symfony\Component\Cache\CacheInterface вместо правильного Symfony\Contracts\Cache\CacheInterface. Приложение падало на старте.
• Ornith не работает, хотя решение было почти правильным. Подвела одна деталь: DQL (язык запросов Doctrine, ORM для PHP) не понимает двойные кавычки в условиях, нужны одинарные.
• Laguna работает. Единственная модель, которая реализовала инвалидацию кэша (сброс устаревших данных) при изменении локации через отдельный слушатель. Минус: слушатель ловил изменение и удаление, но не создание новой локации.
• GigaCode формально работает.

Инфраструктура добавила сложности

Проект поднимался локально через docker compose внутри WSL (подсистемы Linux для Windows). Hermes и Claude Code установлены прямо в WSL и работают с Docker без проблем.

GigaCode жил на хосте Windows и не мог напрямую обращаться к контейнерам. Пришлось писать и вручную скармливать отдельный навык exec-in-docker, чтобы агент вообще мог проверить свой код. Без этого навыка GigaCode в первых раундах просто угадывал формат команд, падал на попытке экранировать кавычки и сдавался без самопроверки.

Это важный практический момент для тех, кто планирует разработку ИИ-агентов под свой стек: агент хорош настолько, насколько ему доступна среда исполнения. Нет доступа к Docker, нет самопроверки, нет рабочего результата.

Вторые шансы и усиленные промпты

Некоторым моделям в поздних раундах давался повторный заход на ту же задачу с усиленным промптом (промпт, это текстовая инструкция для модели): явное требование написать тесты, прогнать phpunit, PHPStan и CS Fixer и поправить замечания. Это показывает, насколько результат зависит от точности формулировки задания, а не только от «ума» модели.

Добавь эндпоинт /bot-ip-list.txt, который отдаёт список IP
опубликованных локаций, по одному на строку,
Content-Type: text/plain, с кэшированием в Redis на 5 минут
через LocationRepository.

Что делать с этим прямо сейчас?

PHP-разработчику: Laguna на 128 ГБ памяти справляется с типовыми задачами на Symfony-проекте. Но ожидать уровня Claude Opus 5 пока рано. Локальная разработка ИИ-агентов имеет смысл как запасной вариант, когда лимиты облака закончились или нужна автономность.

Автору Дзена, который пишет про код: формат «модель против задачи с метриками» собирает вовлечение лучше, чем абстрактные обзоры. Возьмите реальный проект, покажите баллы, ошибки, время.

Предпринимателю в РФ: GigaCode от Сбера на момент теста бесплатен и работает без VPN. Но требует ручной настройки навыков для Docker-окружения. Для команды, которая не готова ковырять инфраструктуру, это барьер.

Разработка ИИ-агентов для PHP перестала быть экспериментом для энтузиастов с топовыми GPU. Но «перестала быть экспериментом» не значит «готова к продакшену». Попробуйте Hermes с Laguna на своём проекте, прогоните через тесты, и через час у вас будет собственный ответ, а не чужой бенчмарк.