Надежный AI-воркфлоу на Node.js с использованием BullMQ и PostgreSQL

Архитектура надежных AI-воркфлоу требует строгого разделения ответственности: LLM не должна управлять состоянием или бизнес-логикой. Построение production-ready системы на Node.js включает прием вебхуков с аутентификацией, безопасное сохранение исходных данных в PostgreSQL, асинхронную обработку через очереди BullMQ и Redis, и лишь затем — вызов OpenAI для ограниченной интерпретации текста. Валидация ответа нейросети выполняется с помощью Zod, а база данных сохраняет финальный результат, обеспечивая идемпотентность и защиту от дублей.

Пример реализации включает API на Express, которое принимает задачи (work items) и мгновенно возвращает статус HTTP 202 Accepted, не дожидаясь ответа от ИИ. В фоновом режиме воркер BullMQ берет задачу из Redis, извлекает полные данные из PostgreSQL и формирует промпт для OpenAI. Модель возвращает JSON с категорией и приоритетом, который строго проверяется схемой Zod. Если задача связана с безопасностью или доступом к аккаунтам, система принудительно устанавливает флаг необходимости ручной проверки.

Источник: DEV Community

النسخة العربية

تتطلب بنية تدفقات عمل الذكاء الاصطناعي الموثوقة فصلًا صارمًا للمسؤوليات: يجب ألا تتحكم النماذج اللغوية الكبيرة (LLM) في الحالة أو منطق العمل. يتضمن بناء نظام جاهز للإنتاج باستخدام Node.js استقبال الـ webhooks مع المصادقة، وحفظ البيانات الأساسية بأمان في PostgreSQL، والمعالجة غير المتزامنة عبر BullMQ و Redis، ومن ثم استدعاء OpenAI لتفسير النص بشكل محدود. يتم التحقق من صحة استجابة الشبكة العصبية باستخدام Zod، وتحفظ قاعدة البيانات النتيجة النهائية لضمان الموثوقية.

يتضمن مثال التنفيذ واجهة برمجة تطبيقات (API) تعتمد على Express، والتي تستقبل المهام وتعيد فورًا حالة HTTP 202 Accepted، دون انتظار استجابة الذكاء الاصطناعي. في الخلفية، يقوم عامل BullMQ بأخذ المهمة من Redis، ويستخرج البيانات الكاملة من PostgreSQL، وينشئ مطالبة (prompt) لـ OpenAI. يعيد النموذج ملف JSON يحتوي على الفئة والأولوية، والذي يتم التحقق منه بدقة بواسطة مخطط Zod. إذا كانت المهمة تتعلق بالأمان أو الوصول إلى الحسابات، يفرض النظام تلقائيًا علامة تشير إلى ضرورة المراجعة البشرية.

المصدر: DEV Community

中文版

可靠的AI工作流架构需要严格的责任分离：大型语言模型（LLM）不应控制状态或业务逻辑。使用Node.js构建生产就绪系统包括接收带有身份验证的Webhook、在PostgreSQL中安全保存初始数据、通过BullMQ和Redis队列进行异步处理，然后才调用OpenAI进行有限的文本解释。神经网络的响应通过Zod进行验证，数据库保存最终结果，确保幂等性并防止重复调用。

实现示例包括一个基于Express的API，它接收任务（work items）并立即返回HTTP 202 Accepted状态，而无需等待AI响应。在后台，BullMQ工作程序从Redis获取任务，从PostgreSQL提取完整数据，并为OpenAI生成提示（prompt）。模型返回一个包含类别和优先级的JSON，Zod模式对其进行严格检查。如果任务涉及安全或账户访问，系统将强制设置需要人工审核的标志。

来源: DEV Community