neuron-ai
Le cadre Agentic de l'écosystème PHP pour construire des applications AI prêtes pour la production. Connectez des composants (LLMs, Outils, bases de données vectorielles, mémoire) à des agents qui interagissent avec vos données et votre interface utilisateur.
Construire des applications IA en PHP en connectant différents composants et en gérant leurs interactions.
Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.
Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.
Gratuit · sans carte · désinscription à tout momentLe cadre Agentic de l'écosystème PHP pour construire des applications AI prêtes pour la production. Connectez des composants (LLMs, Outils, bases de données vectorielles, mémoire) à des agents qui interagissent avec vos données et votre interface utilisateur.
neuron-ai compte 2.1k étoiles sur GitHub. Il a été forké 241 fois. neuron-ai est écrit principalement en PHP. Il est développé activement depuis 2025. neuron-ai est disponible sous licence MIT. Ses principaux thèmes sont : agent, agentic-ai, agentic-framework, agents.
Qu'est-ce que neuron-ai ?
Le cadre Agentic de l'écosystème PHP pour construire des applications AI prêtes pour la production. Connectez des composants (LLMs, Outils, bases de données vectorielles, mémoire) à des agents qui interagissent avec vos données et votre interface utilisateur.
neuron-ai est-il open source ?
neuron-ai est un projet open source. Il est distribué sous licence MIT.
neuron-ai est-il gratuit ?
Oui. neuron-ai est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.
Sous quelle licence est neuron-ai ?
neuron-ai est disponible sous licence MIT.
Dans quel langage neuron-ai est-il écrit ?
neuron-ai est écrit principalement en PHP.
Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.
[](https://olud.ai/project/neuron-core-neuron-ai.html)
Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.