Przejdź do zawartości głównej
// 7 min czytania

Deterministyczne tłumaczenia w czasie rzeczywistym z Cloudflare Workers AI

Projektowanie potoku internacjonalizacji i18n dla Portelcore: deterministyczna ekstrakcja kluczy DJB2, inferencja z modelami LLM na Edge i pamięć podręczna wielowarstwowa w Cloudflare KV.

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

Lokalizacja aplikacji internetowych wielojęzycznych tradycyjnie zależała od statycznych plików .json przetłumaczonych ręcznie lub powolnych i kosztownych połączeń z zewnętrznymi API tłumaczeń. W Portelcore Web wdrożono w pełni zautomatyzowany potok, który łączy kryptograficzne mieszanie DJB2 z lokalną inferencją modeli językowych w Cloudflare Workers AI.

1. Przepływ tłumaczeń deterministycznych

System dzieli proces na trzy etapy realizacji:

[ 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. Wydobywanie w czasie kompilacji / SSR: Teksty są zawijane w komponent <AITranslate> lub oznaczone w HTML.
  2. Generowanie unikalnego klucza: Oblicza się deterministyczny skrót DJB2 łańcucha w języku hiszpańskim (np. msg-1085732109).
  3. Pamięć podręczna globalna w KV: Przed skonsultowaniem się z modelem AI, sprawdza się namespace PORTELCORE_KV_CORE. Jeśli klucz istnieje dla języka docelowego, odpowiedź jest dostarczana w mniej niż 5 ms.

2. Implementacja algorytmu DJB2

Szybkość obliczeń skrótu jest niezbędna, aby nie karać czasu odpowiedzi serwera w 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. Inferencja z modelami LLM w Workers AI

Kiedy nowy klucz nie istnieje w pamięci podręcznej peryferyjnej, Worker satelita wysyła żądanie do środowiska wykonawczego 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. Wnioski

Ten projekt umożliwia platformie obsługę 14 języków międzynarodowych bez konieczności utrzymywania ręcznych słowników zsynchronizowanych, utrzymując płynne, szybkie i spójne doświadczenie na całym świecie.

[ UDOSTĘPNIJ ]
← POWRÓT DO JOURNALU

[ Kontynuuj eksplorację ]