古法编程

使用 Trigger.dev 构建可靠的 AI 后台任务与异步工作流

解决异步任务执行不可靠、AI 长耗时请求易超时以及第三方 API 频率限制等痛点，通过 Trigger.dev 构建可重试、可观测的生产级后台工作流。

为什么需要这个技能

在构建 AI 应用时，直接在 HTTP 请求中调用 LLM 经常会导致超时，且一旦请求失败，很难在不重复执行整个流程的情况下恢复。

Trigger.dev 提供了一种 TypeScript-first 的异步执行方案。它将任务（Task）作为基本构建块，确保每个步骤都是可独立重试的，并且状态在崩溃或重启后依然持久化。对于需要处理大量数据、调用不稳定 AI 接口或执行定时清理工作的开发者来说，这是比传统 Cron 或简单 Queue 更高效的替代方案。

适用场景

  • 长耗时 AI 任务：如生成长篇文章、处理大规模文档嵌入（Embeddings）等需运行数分钟的操作。
  • 可靠的 Webhook 处理：处理 Stripe、GitHub 等第三方回调，并确保幂等性（Idempotency）。
  • 定时调度任务：如每日自动生成报告、每周数据同步或系统清理。
  • 批处理与限流：需要处理海量数据，但必须严格控制并发数以避免触发 API 429 错误。

核心工作流

  1. 配置环境：创建 trigger.config.ts 定义项目基础信息及重试策略。
  2. 定义任务：使用 task 函数定义执行逻辑，并在 run 异步函数中编写业务代码。
  3. 集成 AI 插件：使用 @trigger.dev/openai 等内置集成，替代原始 SDK 以获得自动重试和日志记录。
  4. 并发与限流控制：在任务配置中设置 concurrencyLimit，保护下游数据库或 API。
  5. 部署与同步：通过 npx trigger.dev env push 将环境变量同步至云端，确保生产环境可用。

快速示例：AI 背景任务 

import { task, logger } from '@trigger.dev/sdk/v3';
import { openai } from '@trigger.dev/openai';

const openaiClient = openai.configure({
  id: 'openai',
  apiKey: process.env.OPENAI_API_KEY,
});

export const generateContent = task({
  id: 'generate-content',
  retry: { maxAttempts: 3 },
  run: async (payload: { topic: string; style: string }) => {
    logger.log('Generating content', { topic: payload.topic });

    const completion = await openaiClient.chat.completions.create({
      model: 'gpt-4-turbo-preview',
      messages: [
        { role: 'system', content: `You are a ${payload.style} writer.` },
        { role: 'user', content: `Write about: ${payload.topic}` },
      ],
    });

    return { content: completion.choices[0].message.content };
  },
});

下载和安装

下载 trigger-dev 中文版 Skill ZIP

解压后将目录放入你的 AI 工具 skills 文件夹，重启工具后即可使用。具体路径参考内附的 USAGE.zh.md。

你可能还需要

暂无推荐