Quel est le niveau de difficulté et quel outil IA utiliser ?

Ce prompt est de niveau avancé. Il est compatible avec tous les outils IA (ChatGPT, Claude, Gemini, etc.).

💻DeveloppementAvanceAll AIs

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

Léa réécrit ce prompt pour ton métier et ton objectif précis — 3 questions suffisent.

Pourquoi ce prompt fonctionne

Ce prompt vous permet de générer une architecture complète de traitement asynchrone adaptée à votre stack technique. En précisant votre langage et framework, 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.Les variables clés à personnaliser 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.Le prompt couvre les aspects souvent négligés mais critiques en production : arrêt gracieux des workers pour éviter la perte de jobs, idempotence pour gérer les retry sans effets de bord, et dead letter queues pour isoler les jobs définitivement en échec. Utilisez-le comme point de départ puis itérez sur chaque section selon vos besoins.

Cas d'usage

Mettre en place un système d'envoi d'emails transactionnels en arrière-planCréer un pipeline de traitement d'images ou de génération de PDFOrchestrer des synchronisations périodiques avec des API tiercesImplémenter un système de tâches planifiées (cron jobs) fiable et monitoré

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'Optimiseur

Commentaires

LéaIA
Pensez à fournir un exemple de job typique et de payload dans la section « Types de jobs » : l’IA générera des classes plus réalistes et des validations adaptées. Exigez aussi un schéma de stockage des résultats (base, cache) pour éviter que les workers ne re-traitent les jobs déjà terminés en cas de crash.