Zum Hauptinhalt springen
// 7 min Lektüre

Deterministische Übersetzungen in Echtzeit mit Cloudflare Workers AI

Entwurf der Internationalisierungspipeline i18n für Portelcore: deterministische Extraktion von DJB2-Schlüsseln, Inferenz mit LLM-Modellen am Edge und mehrstufiger Cache in Cloudflare KV.

Tomàs Elias
@authorTomàs Elias
•7 MIN
0Lesungen
Portada de Traducciones Deterministas en Tiempo Real con Cloudflare Workers AI

Die Lokalisierung von multilanguage Webanwendungen hat traditionell von statischen .json-Dateien abgehangen, die manuell übersetzt wurden, oder von langsamen und teuren externen Übersetzungs-APIs. In Portelcore Web implementieren wir eine vollständig automatisierte Pipeline, die kryptographisches Hashing DJB2 mit lokaler Inferenz von Sprachmodellen in Cloudflare Workers AI kombiniert.

1. Der Deterministische Übersetzungsfluss

Das System teilt den Prozess in drei Ausführungsphasen auf:

[ HTML con Textos ] ---> [ Hash DJB2 de 64 bits ] ---> [ ¿Existe en KV? ]
│
┌────────────────────────────────────────┴───────────────────┐
▼ SÍ ▼ NO
[ Cache Hit: 0 ms ] [ Workers AI LLM ]
[ Guarda en KV ]
[ Entrega Traducción ]
  1. Extraktion zur Compile-Zeit / SSR: Die Texte werden in die Komponente <AITranslate> eingeschlossen oder in HTML markiert.
  2. Generierung eines eindeutigen Schlüssels: Ein deterministischer DJB2-Hash der spanischen Zeichenkette wird berechnet (z.B. msg-1085732109).
  3. Globaler Cache in KV: Vor der Abfrage des KI-Modells wird der Namespace PORTELCORE_KV_CORE inspiziert. Wenn der Schlüssel für die Zielsprache existiert, wird die Antwort in weniger als 5 ms geliefert.

2. Implementierung des DJB2-Algorithmus

Die Rechengeschwindigkeit des Hash ist wesentlich, um die Antwortzeit des Servers in Astro SSR nicht zu beeinträchtigen:

/**
* Calcula el hash DJB2 optimizado para cadenas de texto.
* Produce un identificador numérico determinista e inmutable.
*/
export function djb2Hash(str: string): string {
let hash = 5381;
for (let i = 0; i < str.length; i++) {
hash = ((hash << 5) + hash) + str.charCodeAt(i);
hash |= 0; // Conversión forzada a entero de 32 bits con signo
}
return Math.abs(hash).toString(36);
}

3. Inferenz mit LLM-Modellen in Workers AI

Wenn ein neuer Schlüssel nicht im perimetralen Cache existiert, leitet der Satelliten-Worker die Anfrage an die Laufzeit von Workers AI weiter:

/**
* Invoca el modelo Llama 3.3 en Workers AI con un prompt de sistema rígido.
*/
export async function translateText(text, targetLanguage, env) {
const systemPrompt = `Eres un traductor técnico profesional.
Traduce el siguiente texto técnico exactamente al idioma '${targetLanguage}'.
Conserva términos técnicos de programación (ej: WAF, Cloudflare, KV, SSR, TypeScript).
Devuelve ÚNICAMENTE la traducción limpia sin explicaciones ni comillas.`;
const response = await env.AI.run("@cf/meta/llama-3.3-70b-instruct-fp8-fast", {
messages: [
{ role: "system", content: systemPrompt },
{ role: "user", content: text }
],
temperature: 0.1
});
return response.response.trim();
}

4. Fazit

Dieses Design ermöglicht es der Plattform, 14 internationale Sprachen zu unterstützen, ohne dass manuelle, desynchronisierte Wörterbücher benötigt werden, während eine flüssige, schnelle und konsistente Erfahrung weltweit beibehalten wird.

[ TEILEN ]
← ZURÜCK ZUM JOURNAL

[ Weiter erkunden ]