Aller au contenu principal
// 7 min lecture

Traductions Déterministes en Temps Réel avec Cloudflare Workers AI

Conception du pipeline d'internationalisation i18n pour Portelcore : extraction déterministe de clés DJB2, inférence avec modèles LLM en Edge et cache multiniveau en Cloudflare KV.

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

La localisation d'applications web multilingues a traditionnellement dépendu de fichiers statiques .json traduits manuellement ou d'appels lents et coûteux à des APIs de traduction externes. Dans Portelcore Web, nous avons mis en œuvre un pipeline complètement automatisé qui combine le hachage cryptographique DJB2 avec l'inférence locale de modèles de langage dans Cloudflare Workers AI.

1. Le Flux de Traduction Déterministe

Le système divise le processus en trois étapes d'exécution :

[ 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. Extraction à Compile-Time / SSR : Les textes sont enveloppés dans le composant <AITranslate> ou étiquetés dans le HTML.
  2. Génération de Clé Unique : Un hash déterministe DJB2 est calculé à partir de la chaîne en espagnol (ex : msg-1085732109).
  3. Cache Global dans KV : Avant de consulter le modèle d'IA, le namespace PORTELCORE_KV_CORE est inspecté. Si la clé existe pour la langue cible, la réponse est livrée en moins de 5 ms.

2. Implémentation de l'Algorithme DJB2

La vitesse de calcul du hash est essentielle pour ne pas pénaliser le temps de réponse du serveur dans Astro SSR :

/**
* 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. Inférence avec des Modèles LLM dans Workers AI

Lorsqu'une clé nouvelle n'existe pas dans le cache périmétrique, le Worker satellite envoie la requête au runtime de Workers AI :

/**
* 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. Conclusion

Cette conception permet à la plateforme de supporter 14 langues internationales sans avoir besoin de maintenir des dictionnaires manuels désynchronisés, maintenant une expérience fluide, rapide et cohérente dans le monde entier.

[ PARTAGER ]
← RETOUR AU JOURNAL

[ Continuer à Explorer ]