建立可靠的 Slack 應用程式

建立 Slack 應用程式很有趣！但您的應用程式可靠嗎？
在自己建立應用程式時，我注意到流行的開源 Slack 應用程式中存在兩個常見問題：

1. 許多應用同步處理事件，這可能會導致超時。 Slack 預計在3 秒內做出回應，但如果您的應用程式觸發AI/RAG 管道，則AI 模型可能需要更長的時間才能產生回應（例如，新的o1 模型可能需要約10 秒的時間來“思考”）。 Slack 的最佳實踐建議對事件進行排隊並非同步處理它們。

2. 許多應用程式不處理重複事件。如果您的應用程式無法回應，Slack 會重試該事件 3 次。如果沒有正確的處理，重試可能會導致應用程式出現重複或不一致的回應。這會導致糟糕的用戶體驗。

以下是我如何使用 DBOS Python（一個開源輕量級持久執行函式庫）來解決這些問題。我從現成的基於 AI/RAG 的 Slack 應用程式演示（來自 LlamaIndex 的 llamabot）開始，對函數進行了輕微修改和註釋，以便每個傳入訊息都會啟動 DBOS 工作流程。

訊息發送代碼很簡單：

@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. 工作流程在背景啟動，使我的應用程式能夠快速回應 Slack。 DBOS 工作流程一旦啟動就始終運行完成（即使是非同步運行）。因此，訊息始終能夠可靠地處理。

2. 我使用訊息的事件 ID 作為工作流程的冪等鍵，因此 DBOS 使用它來確保每個訊息只處理一次。

您可以在此GitHub 儲存庫中找到有關我建立的AI 支援的Slack 應用程式的更多詳細資訊：https://github.com/dbos-inc/dbos-demo-apps/tree/main/ python/llamabot

自述文件包含有關如何在 Slack 工作區中直接使用此應用程式的詳細說明。

您通常如何建立可靠的應用程式？您對此應用程式有任何反饋嗎？請告訴我！

以上是建立可靠的 Slack 應用程式的詳細內容。更多資訊請關注PHP中文網其他相關文章！