Ein gewöhnlicher Worker folgt Regeln im Code. Workers AI ermöglicht ihm außerdem, ein gehostetes Modell um Textzusammenfassungen, strukturierte Daten, Bedeutungsvergleiche oder Vorschläge für Anwendungswerkzeuge zu bitten. Das Modell ist leistungsfähig, aber seine Ausgabe variiert. Eine zuverlässige Anwendung muss deshalb Eingaben begrenzen, Ausgaben prüfen und Dienstfehler behandeln, statt jeder Antwort zu vertrauen.
Der Kurs führt jede neue KI-Idee neben einer kleinen Support-Ticket-Anwendung ein. Du nutzt von Cloudflare gehostete Modelle über eine Workers-AI-Bindung, beobachtest tatsächliches Verhalten lokal und nach der Bereitstellung und hältst jede Übung innerhalb des Standardkontingents von Workers Free. Vorkenntnisse in maschinellem Lernen oder ein Workers-Paid-Tarif sind nicht erforderlich.
Der Kurs umfasst 6 angeleitete Labs und 1 eigenständige Aufgabe zur Klassifikatorreparatur. Die angeleiteten Labs vermitteln jede Fähigkeit vor der eigenständigen Aufgabe.
Was du lernen wirst
- Einen Endpunkt für Ticketzusammenfassungen hinzufügen: einen Worker mit einem KI-Modell verbinden und seine Eingabe und Ausgabe begrenzen.
- Eine Hilfsantwort streamen: generierten Text in Teilen liefern und Abschluss oder Abbruch behandeln.
- Validierte Ticketfelder extrahieren: JSON anfordern und die Modellantwort vor der Annahme prüfen.
- Such-Embeddings erzeugen: Text in kompatible Vektoren umwandeln und Support-Dokumente nach Ähnlichkeit ordnen.
- Vom Modell ausgewählte Werkzeugaufrufe prüfen: einen Aufruf als Vorschlag behandeln, prüfen und dann nur eine erlaubte Operation ausführen.
- Modelldienstfehler behandeln: ungültige Eingaben, inkompatible Ausgaben, Kontingentgrenzen und temporäre Fehler mit begrenzter Wiederherstellung unterscheiden.
- Ungeprüfter Ticketklassifikator: einen Klassifikator eigenständig reparieren, der Modellausgaben zu früh vertraut.
Für wen dieser Kurs geeignet ist
Worker-Entwickler, die gehostete Inferenz neu kennenlernen und kleine, validierte KI-Funktionen bauen möchten.
Voraussetzungen: Absolviere Cloudflare Workers for Beginners, insbesondere Connect LabEx to Your Cloudflare Account. Es erklärt die LabEx-VM, Wrangler-Geräteautorisierung, Kontobestätigung und Konto-ID-Konfiguration. Du solltest einen JavaScript-Worker-Handler bereits erkennen und wissen, wie ein Worker bereitgestellt und entfernt wird.
Lernumgebung: Nutze dein eigenes Cloudflare-Lernkonto. Jede Einheit beginnt in einer neuen VM, erstellt einen unabhängig benannten temporären Worker und endet mit seiner Löschung und Abmeldung. Workers-AI-Nutzung wird in Neurons gemessen und teilt ein tägliches Kontokontingent. Beispiele bleiben deshalb klein und setzen niemals unbegrenztes Restkontingent voraus.
Häufig gestellte Fragen
Benötige ich Erfahrung mit maschinellem Lernen?
Nein. Der Kurs führt Zusammenfassungen, Streaming, strukturierte Ausgabe, Embeddings und Werkzeuge neben kleinen Support-Ticket-Aufgaben ein. Grundlagen in Workers und JavaScript sind erforderlich.
Ist jede Modellantwort gleich?
Nein. Modellausgaben können variieren. Die Labs begrenzen Eingaben, prüfen Ausgaben und behandeln Fehler, statt exakt gleichen generierten Text zu verlangen.
Kann ich einem vom Modell ausgewählten Werkzeugaufruf vertrauen?
Behandle ihn als Vorschlag. Prüfe Schema und Umfang, bevor du eine erlaubte Operation ausführst. Akzeptiere ihn nicht als Anweisung für beliebige Arbeit.
Erfordert dies Workers Paid?
Die kleinen Beispiele nutzen das Standardkontingent von Workers Free. Workers-AI-Nutzung wird in Neurons gemessen und teilt ein tägliches Kontokontingent; unbegrenztes Restkontingent wird nicht vorausgesetzt. Jedes Lab endet mit Bereinigung eigener Ressourcen und Abmeldung.
