Bina apl Slack yang boleh dipercayai

Membina apl Slack memang menyeronokkan! Tetapi adakah apl anda boleh dipercayai?
Semasa membina sendiri, saya melihat dua isu biasa dalam apl Slack sumber terbuka yang popular:

1. Banyak apl memproses acara segerak, yang boleh menyebabkan tamat masa. Slack menjangkakan respons dalam masa 3 saat, tetapi jika apl anda mencetuskan saluran paip AI/RAG, model AI mungkin mengambil masa yang lebih lama untuk menjana balasan (cth., model o1 baharu boleh mengambil masa ~10 saat untuk "berfikir"). Amalan terbaik Slack mengesyorkan acara beratur dan memprosesnya secara tidak segerak.

2. Banyak apl tidak mengendalikan acara pendua. Jika apl anda gagal bertindak balas, Slack mencuba semula acara tiga kali. Tanpa pengendalian yang betul, percubaan semula boleh menyebabkan respons pendua atau tidak konsisten daripada apl. Ini membawa kepada pengalaman pengguna yang buruk.

Begini cara saya menyelesaikannya dengan DBOS Python, perpustakaan perlaksanaan tahan lama ringan sumber terbuka. Saya bermula daripada tunjuk cara apl Slack berasaskan AI/RAG yang luar biasa (llamabot daripada LlamaIndex), fungsi yang diubah suai dan beranotasi ringan supaya setiap mesej masuk memulakan aliran kerja DBOS.

Kod penghantaran mesej adalah mudah:

@slackapp.message()
def handle_message(request: BoltRequest) -> None:
    DBOS.logger.info(f"Received message: {request.body}")
    event_id = request.body["event_id"]
    # Use the unique event_id as an idempotency key to guarantee each message is processed exactly-once
    with SetWorkflowID(event_id):
        # Start the event processing workflow in the background then respond to Slack.
        # We can't wait for the workflow to finish because Slack expects the
        # endpoint to reply within 3 seconds.
        DBOS.start_workflow(message_workflow, request.body["event"])

1. Aliran kerja dimulakan di latar belakang, membolehkan apl saya bertindak balas kepada Slack dengan cepat. Aliran kerja DBOS sentiasa berjalan hingga siap sebaik sahaja dimulakan (walaupun berjalan secara tidak segerak). Oleh itu, mesej sentiasa diproses dengan pasti.

2. Saya menggunakan ID peristiwa mesej sebagai kunci hilang upaya aliran kerja, jadi DBOS menggunakannya untuk memastikan setiap mesej diproses tepat sekali.

Anda boleh mendapatkan butiran lanjut tentang aplikasi Slack berkuasa AI yang saya bina dalam repo GitHub ini: https://github.com/dbos-inc/dbos-demo-apps/tree/main/python/llamabot

README mengandungi arahan terperinci tentang cara anda boleh terus menggunakan apl ini dalam ruang kerja Slack anda.

Bagaimanakah anda biasanya membina aplikasi yang boleh dipercayai? Adakah anda mempunyai sebarang maklum balas untuk aplikasi ini? Tolong beritahu saya!

Atas ialah kandungan terperinci Bina apl Slack yang boleh dipercayai. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!