Créer des workers et jobs asynchrones avec l'IA
Un prompt complet pour concevoir et implémenter des workers et jobs asynchrones avec file d'attente, retry, monitoring et déploiement.
Coller dans votre IA
Collez ce prompt dans ChatGPT, Claude ou Gemini et personnalisez les variables entre crochets.
Tu es un architecte logiciel spécialisé en systèmes distribués et traitement asynchrone. Conçois une architecture complète de workers et jobs asynchrones pour mon projet.
Contexte du projet :
- Langage/framework : [LANGAGE_ET_FRAMEWORK]
- Système de file d'attente souhaité : [SYSTEME_FILE_ATTENTE] (ex : Redis/BullMQ, RabbitMQ, SQS, Celery, Sidekiq, ou recommande-moi le plus adapté)
- Types de jobs à traiter : [TYPES_DE_JOBS] (ex : envoi d'emails, génération de rapports PDF, traitement d'images, synchronisation API tierce)
- Volume estimé : [VOLUME_ESTIME] jobs par heure
- Contraintes : [CONTRAINTES] (ex : temps max d'exécution, ordre garanti, idempotence requise)
Génère une architecture complète incluant :
- Structure du projet : organisation des fichiers pour les workers, jobs, et configuration
- Définition des jobs : classes/fonctions pour chaque type de job avec typage fort, validation des payloads, et sérialisation
- Configuration des queues : files d'attente séparées par priorité et type, avec configuration de concurrence
- Worker principal : code du worker avec gestion du cycle de vie (démarrage, arrêt gracieux, signaux SIGTERM/SIGINT)
- Mécanisme de retry : stratégie de retry avec backoff exponentiel, dead letter queue, et nombre max de tentatives
- Gestion des erreurs : try/catch structuré, logging contextuel, alerting sur échecs critiques
- Monitoring : métriques clés (jobs en attente, temps de traitement, taux d'échec), healthcheck endpoint
- Scheduling : jobs récurrents/cron avec configuration déclarative
- Tests : exemples de tests unitaires pour les jobs et tests d'intégration pour le workflow complet
- Déploiement : Dockerfile pour le worker, configuration de scaling horizontal, variables d'environnement
Pour chaque section, fournis le code complet et commenté, prêt à être utilisé en production. Explique les choix d'architecture et les compromis.
Personnaliser ce prompt avec Léa
Réponds à 3 questions, Léa adapte le prompt à ta situation.
Pourquoi ce prompt fonctionne
<p>Ce prompt vous permet de générer une architecture complète de traitement asynchrone adaptée à votre stack technique. En précisant votre <strong>langage et framework</strong>, le système de file d'attente et les types de jobs, l'IA produit du code production-ready couvrant l'ensemble du cycle de vie des jobs.</p><p>Les <strong>variables clés à personnaliser</strong> sont le système de file d'attente (BullMQ pour Node.js, Celery pour Python, Sidekiq pour Ruby) et les types de jobs spécifiques à votre métier. Le volume estimé permet à l'IA d'adapter la configuration de concurrence et les recommandations de scaling.</p><p>Le prompt couvre les aspects souvent négligés mais critiques en production : <strong>arrêt gracieux des workers</strong> pour éviter la perte de jobs, <strong>idempotence</strong> pour gérer les retry sans effets de bord, et <strong>dead letter queues</strong> pour isoler les jobs définitivement en échec. Utilisez-le comme point de départ puis itérez sur chaque section selon vos besoins.</p>
Cas d'usage
Résultat attendu
Une architecture complète avec code source structuré : définition des jobs typés, configuration des queues avec priorités, worker avec arrêt gracieux, mécanisme de retry avec backoff exponentiel, monitoring avec métriques, Dockerfile de déploiement, et exemples de tests.
Améliorez ce prompt
Passez ce prompt dans l'Optimiseur pour renforcer le contexte, les contraintes et le format attendu.
Améliore ce prompt avec l'OptimiseurCommentaires
Sois le premier à commenter ce prompt.
Termes du glossaire
📬 Recevez de nouveaux prompts chaque semaine
Rejoignez notre newsletter et ne manquez aucun prompt.
Pour aller plus loin
Prompts similaires
Audit de code pour injection SQL
Trouver et corriger les injections SQL
Prompt DALL-E pour documenter du code
La documentation visuelle du code est un levier puissant pour améliorer la compréhension des architectures logicielles, des flux de données et des concepts abstraits. DALL-E, le modèle de génération d'images d'OpenAI, permet de créer des illustrations techniques sur mesure pour accompagner votre documentation : diagrammes conceptuels, représentations métaphoriques de design patterns, visuels explicatifs pour des README ou des wikis internes. Plutôt que de passer des heures sur des outils de design, vous pouvez générer en quelques secondes des images qui rendent votre documentation plus accessible et engageante. Que ce soit pour illustrer une architecture microservices, représenter visuellement le cycle de vie d'une requête HTTP, ou créer des icônes personnalisées pour vos composants, DALL-E transforme vos descriptions textuelles en supports visuels professionnels. Cette approche est particulièrement utile pour les équipes techniques qui souhaitent rendre leur documentation plus intuitive sans mobiliser de ressources design dédiées. Découvrez comment formuler des prompts efficaces pour obtenir des illustrations techniques précises et cohérentes avec votre identité visuelle.
Prompt Stable Diffusion pour créer un chatbot
Stable Diffusion est un outil de génération d'images par intelligence artificielle particulièrement puissant pour créer les éléments visuels d'un chatbot. Que vous développiez un assistant virtuel pour votre site web, une application de service client ou un compagnon conversationnel, l'identité visuelle de votre chatbot joue un rôle crucial dans l'engagement utilisateur. Grâce à Stable Diffusion, vous pouvez générer des avatars professionnels, des icônes expressives, des interfaces utilisateur mockupées et des illustrations qui donnent une personnalité unique à votre chatbot. Un avatar bien conçu inspire confiance, humanise l'interaction et renforce la cohérence de votre marque. Dans ce guide, nous vous proposons des prompts optimisés pour créer tous les assets visuels nécessaires à votre chatbot : du portrait d'avatar principal aux variations d'expressions émotionnelles, en passant par les éléments d'interface comme les bulles de conversation et les boutons d'action. Chaque prompt a été testé et affiné pour produire des résultats cohérents, professionnels et directement exploitables dans vos projets de développement de chatbot.
Guide de déploiement d'un cours
Déploiement de cours