使用 FastAPI、Redpanda 和 Docker 構建的事件驅動 AI 管道
該專案演示瞭如何使用 FastAPI、Redpanda（或 Kafka）和 Docker 構建一個最小的事件驅動 AI 管道，將文件處理分解為提交、提取、摘要和通知等多個階段。
本演示專案展示了一個最小化的事件驅動 AI 管道，使用 FastAPI 作為 API 閘道器、Redpanda（相容 Kafka）作為訊息代理，以及 Docker 進行容器化部署。整個管道將文件處理分解為多個階段：首先，使用者透過 POST /submit 端點提交文件；閘道器將請求釋出為 document.submitted 事件；提取器工人消費該事件，提取文本併發布 text.extracted 事件；摘要器工人進一步處理併發布 summary.generated 事件；最後，通知器工人記錄完成。
專案結構清晰，包含 api-gateway、workers（提取器、摘要器、通知器）、共享模組（Kafka 配置、模式、工具）以及 Docker 配置。透過 docker compose up --build 命令即可啟動所有服務。測試時，在另一個終端執行 curl 命令即可觸發完整流程。
作者強調 FastAPI 負責請求接收而非繁重處理，Kafka 將請求轉化為事件，每個工人獨立負責一個階段，共享模式確保契約明確。這種架構是生產級 AI 管道的簡化形式。更多細節可參考影片程式碼講解（https://youtu.be/c2ijN2KAWXw）。
此專案以 Python 98.8% 的程式碼比例為主，Dockerfile 佔 1.2%。它展示瞭如何透過事件驅動的方式將 AI 處理流程解耦，各步驟可獨立擴充套件和維護。對於希望構建可擴充套件 AI 管道的開發者來說，這是一個理想的起點。