Un Worker ordinaire suit des règles écrites dans le code. Workers AI lui permet aussi de demander à un modèle hébergé de résumer du texte, de produire des données structurées, de comparer le sens ou de proposer un outil applicatif. Le modèle est puissant, mais ses résultats varient : une application fiable doit limiter les entrées, valider les sorties et traiter les échecs du service plutôt que croire chaque réponse.
Chaque nouvelle notion d’IA est présentée avec une petite application de tickets d’assistance. Vous utiliserez des modèles hébergés par Cloudflare via une liaison Workers AI, observerez leur comportement réel localement et après déploiement et maintiendrez chaque exercice dans le quota standard Workers Free. Aucune connaissance préalable de l’apprentissage automatique ni formule Workers Paid n’est nécessaire.
Le cours comprend 6 laboratoires guidés et 1 défi autonome de réparation de classificateur. Les laboratoires guidés présentent chaque compétence avant le défi autonome.
Ce que vous apprendrez
- Ajouter un point de terminaison de résumé de ticket : relier un Worker à un modèle d’IA et limiter son entrée et sa sortie.
- Diffuser une réponse d’aide en flux : livrer le texte généré par morceaux et gérer la fin ou l’annulation.
- Extraire des champs de ticket validés : demander du JSON et valider la réponse du modèle avant de l’accepter.
- Générer des représentations vectorielles de recherche : transformer le texte en vecteurs compatibles et classer les documents d’assistance par similarité.
- Valider les appels d’outils sélectionnés par le modèle : considérer un appel comme une proposition, le valider, puis exécuter uniquement une opération autorisée.
- Gérer les échecs du service de modèle : distinguer les entrées invalides, les sorties incompatibles, les limites de quota et les échecs temporaires, avec une récupération limitée.
- Classificateur de tickets sans validation : réparer de manière autonome un classificateur qui fait confiance trop tôt à la sortie du modèle.
À qui s’adresse ce cours
Ce cours s’adresse aux développeurs Workers qui découvrent l’inférence hébergée et souhaitent construire de petites fonctionnalités d’IA avec validation.
Prérequis : Terminez Cloudflare Workers for Beginners, en particulier Connect LabEx to Your Cloudflare Account. Ce laboratoire explique la VM LabEx, l’autorisation de l’appareil avec Wrangler, la confirmation du compte et la configuration de son identifiant. Vous devez déjà reconnaître un gestionnaire Worker JavaScript et savoir déployer et supprimer un Worker.
Environnement d’apprentissage : Utilisez votre propre compte Cloudflare d’apprentissage. Chaque unité commence dans une nouvelle VM, crée un Worker temporaire portant un nom indépendant et se termine par sa suppression et la déconnexion. L’utilisation de Workers AI est mesurée en Neurons et partage un quota quotidien au niveau du compte ; les exemples restent donc petits et ne supposent jamais un quota restant illimité.
Questions fréquentes
Ai-je besoin d’une expérience en apprentissage automatique ?
Non. Le cours présente les résumés, le streaming, les sorties structurées, les représentations vectorielles et les outils avec de petites tâches de tickets d’assistance. Les bases de Workers et de JavaScript sont nécessaires.
Toutes les réponses du modèle seront-elles identiques ?
Non. La sortie du modèle peut varier. Les laboratoires limitent les entrées, valident les sorties et gèrent les échecs sans exiger un texte généré exact.
Puis-je faire confiance à un appel d’outil choisi par le modèle ?
Considérez-le comme une proposition. Validez son schéma et son périmètre avant d’exécuter une opération autorisée ; ne l’acceptez pas comme une instruction d’effectuer des tâches arbitraires.
Workers Paid est-il nécessaire ?
Les petits exemples utilisent le quota standard Workers Free. L’utilisation de Workers AI est mesurée en Neurons et partage un quota quotidien au niveau du compte ; le quota restant n’est pas supposé illimité. Chaque laboratoire se termine par le nettoyage des ressources qui vous appartiennent et la déconnexion.
