Перейти к основному содержанию
// 7 мин чтение

Детерминированные переводы в реальном времени с Cloudflare Workers AI

Разработка конвейера интернационализации i18n для Portelcore: детерминированное извлечение ключей DJB2, вывод с помощью моделей LLM на Edge и многоуровневый кэш в Cloudflare KV.

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

Локализация веб-приложений с поддержкой нескольких языков традиционно зависела от статических файлов .json с ручным переводом или медленных и дорогих внешних API перевода. В Portelcore Web мы реализовали полностью автоматизированный конвейер, который сочетает криптографическое хеширование DJB2 с локальным выводом моделей языка в Cloudflare Workers AI.

1. Поток детерминированного перевода

Система разделяет процесс на три этапа выполнения:

[ 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. Извлечение на этапе компиляции / SSR: Текст оборачивается в компонент <AITranslate> или помечается в HTML.
  2. Генерация уникального ключа: Вычисляется детерминированный хеш DJB2 строки на испанском языке (например, msg-1085732109).
  3. Глобальный кэш в KV: Перед запросом к модели ИИ проверяется пространство имен PORTELCORE_KV_CORE. Если ключ существует для целевого языка, ответ доставляется менее чем за 5 мс.

2. Реализация алгоритма DJB2

Скорость вычисления хеша имеет решающее значение для того, чтобы не ухудшать время ответа сервера в 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. Вывод с помощью моделей LLM в Workers AI

Когда новый ключ не существует в кэше периметра, спутник Worker отправляет запрос на время выполнения 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. Вывод

Этот дизайн позволяет платформе поддерживать 14 международных языков без необходимости поддерживать ручные словари, сохраняя плавный, быстрый и согласованный опыт по всему миру.

[ ПОДЕЛИТЬСЯ ]
← ВЕРНУТЬСЯ В JOURNAL

[ Продолжить исследование ]