Temporal Python Pro
Créer des Workflows Durables avec le SDK Python Temporal
La construction de systèmes distribués fiables est complexe. Cette compétence fournit des conseils experts sur le SDK Python Temporal pour l'orchestration de workflows durables, la gestion des erreurs et le déploiement en production.
Télécharger le ZIP du skill
Importer dans Claude
Allez dans Paramètres → Capacités → Skills → Importer un skill
Activez et commencez à utiliser
Tester
Utilisation de "Temporal Python Pro". Créer un workflow de traitement de commande
Résultat attendu:
Définit un workflow avec @workflow.defn, implémente les activités validate_order, charge_payment et send_confirmation avec des politiques de nouvelle tentative appropriées et une configuration de délai d'attente
Utilisation de "Temporal Python Pro". Gérer l'échec du paiement avec compensation
Résultat attendu:
Montre le pattern try/except capturant ActivityError, implémentant l'activité de compensation refund_payment et émettant des événements d'annulation de workflow
Audit de sécurité
SûrStatic analysis scanned 0 files with 0 lines. Risk score is 0/100. No suspicious patterns detected. This is a prompt-only skill providing guidance on Temporal Python SDK usage without executable code. Safe for publication.
Score de qualité
Ce que vous pouvez construire
Orchestration de Microservices
Coordonner les transactions distribuées sur plusieurs services en utilisant des patterns saga avec logique de compensation.
Processus Métier à Long Terme
Implémenter des workflows qui s'étendent sur des heures à des années avec persistance automatique de l'état et récupération.
Pipelines de Traitement de Données
Créer des workflows de transformation de données multi-étapes avec traitement par lots parallèle et gestion des erreurs.
Essayez ces prompts
Aidez-moi à créer un workflow Temporal de base en Python qui traite les commandes utilisateurs. J'ai besoin de valider la commande, de facturer le paiement et d'envoyer un e-mail de confirmation. Montrez-moi la définition du workflow et les implémentations des activités.
J'ai besoin de configurer des politiques de nouvelle tentative pour une activité qui appelle une API externe avec des limites de taux. L'API permet 100 requêtes par minute et peut retourner des erreurs 429. Quels paramètres de politique de nouvelletentative dois-je utiliser ?
Comment implémenter un gestionnaire de signal qui permet aux utilisateurs d'annuler un workflow en cours ? Montrez-moi comment valider le signal, gérer l'annulation gracieusement et émettre des activités de compensation.
J'ai besoin de tester un workflow qui s'étend sur 30 jours en utilisant le saut de temps. Créez un test qui valide que le workflow complète toutes les activités dans le bon ordre et gère les scénarios de délai d'attente.
Bonnes pratiques
- Gardez les workflows concentrés sur la logique d'orchestration ; déplacez tous les appels externes vers les activités
- Utilisez workflow.now() et workflow.random() au lieu des modules datetime et random pour le déterminisme
- Implémentez des activités idempotentes pour garantir des nouvelles tentatives sûres sur les échecs transitoires
- Configurez les délais d'attente appropriés : schedule_to_close pour la durée totale, start_to_close pour les tentatives uniques
- Utilisez l'environnement de test avec saut de temps pour un retour rapide sur les workflows à long terme
Éviter
- Utiliser datetime.now() ou random.random() directement dans le code du workflow brise le déterminisme
- Faire des appels API directs depuis les workflows au lieu d'utiliser des activités
- Ne pas gérer ActivityError dans les workflows, perdant la capacité d'implémenter une compensation
- Bloquer la boucle d'événements asynchrone avec du code synchrone dans les activités asynchrones
- Dépasser les limites de taille de charge utile de 2Mo en passant des données volumineuses entre les activités