使用 FastAPI、Redpanda 和 Docker 构建的事件驱动 AI 管道
该项目演示了如何使用 FastAPI、Redpanda（或 Kafka）和 Docker 构建一个最小的事件驱动 AI 管道，将文档处理分解为提交、提取、摘要和通知等多个阶段。
本演示项目展示了一个最小化的事件驱动 AI 管道，使用 FastAPI 作为 API 网关、Redpanda（兼容 Kafka）作为消息代理，以及 Docker 进行容器化部署。整个管道将文档处理分解为多个阶段：首先，用户通过 POST /submit 端点提交文档；网关将请求发布为 document.submitted 事件；提取器工人消费该事件，提取文本并发布 text.extracted 事件；摘要器工人进一步处理并发布 summary.generated 事件；最后，通知器工人记录完成。
项目结构清晰，包含 api-gateway、workers（提取器、摘要器、通知器）、共享模块（Kafka 配置、模式、工具）以及 Docker 配置。通过 docker compose up --build 命令即可启动所有服务。测试时，在另一个终端执行 curl 命令即可触发完整流程。
作者强调 FastAPI 负责请求接收而非繁重处理，Kafka 将请求转化为事件，每个工人独立负责一个阶段，共享模式确保契约明确。这种架构是生产级 AI 管道的简化形式。更多细节可参考视频代码讲解（https://youtu.be/c2ijN2KAWXw）。
此项目以 Python 98.8% 的代码比例为主，Dockerfile 占 1.2%。它展示了如何通过事件驱动的方式将 AI 处理流程解耦，各步骤可独立扩展和维护。对于希望构建可扩展 AI 管道的开发者来说，这是一个理想的起点。