Hướng Dẫn Tích Hợp AI API Vào PHP Laravel: Queue + Xử Lý Bất Đồng Bộ

Mở Đầu: Bài Toán Thực Tế Khiến Tôi Phải Tìm Giải Pháp

Năm 2025, tôi xây dựng hệ thống RAG (Retrieval-Augmented Generation) cho một doanh nghiệp thương mại điện tử quy mô vừa. Khi triển khai chatbot AI hỗ trợ khách hàng 24/7, vấn đề tắc nghẽn nghiêm trọng xuất hiện: mỗi yêu cầu từ khách hàng phải chờ 8-15 giây để nhận phản hồi từ AI, trong khi server xử lý đồng thời tối đa chỉ được 50 request. Vào giờ cao điểm, hệ thống sụp đổ hoàn toàn. Sau khi thử nghiệm nhiều phương pháp, tôi phát hiện ra rằng kết hợp Queue (Hàng đợi) + Xử lý bất đồng bộ với HolySheep AI giải quyết triệt để vấn đề này. Với chi phí chỉ bằng 15% so với OpenAI và độ trễ trung bình dưới 50ms, hệ thống của tôi giờ đây xử lý 1000+ yêu cầu mà không có bất kỳ trễ đáng kể nào. Trong bài viết này, tôi sẽ chia sẻ cách triển khai từng bước để bạn có thể áp dụng ngay vào dự án của mình.

Tại Sao Cần Queue + Async Cho AI API?

Vấn Đề Khi Gọi AI API Đồng Bộ

Khi gọi AI API trực tiếp trong request HTTP, bạn sẽ gặp phải:

// ❌ Cách sai - Gọi AI API đồng bộ trong Controller
public function chat(Request $request)
{
    $response = Http::post('https://api.holysheep.ai/v1/chat/completions', [
        'headers' => [
            'Authorization' => 'Bearer ' . env('HOLYSHEEP_API_KEY'),
        ],
        'json' => [
            'model' => 'gpt-4.1',
            'messages' => [['role' => 'user', 'content' => $request->input('message')]],
        ]
    ]);
    
    return $response->json(); // User phải chờ 5-15 giây!
}

Hậu quả: - User phải chờ đợi rất lâu (5-15 giây) - Server bị blocking, không xử lý request khác - Timeout xảy ra khi AI API phản hồi chậm - Không thể mở rộng (scale) khi có nhiều người dùng

Giải Pháp: Queue + Async Processing

// ✅ Cách đúng - Sử dụng Queue để xử lý bất đồng bộ
public function chat(Request $request)
{
    // Lưu message vào database, trả response ngay lập tức
    $chat = Chat::create([
        'user_id' => auth()->id(),
        'message' => $request->input('message'),
        'status' => 'pending',
    ]);
    
    // Đẩy job vào queue - xử lý bất đồng bộ
    ProcessAIChat::dispatch($chat);
    
    return response()->json([
        'chat_id' => $chat->id,
        'status' => 'queued',
        'message' => 'Yêu cầu đang được xử lý'
    ]);
}

Kết quả: - Response trả về ngay lập tức (< 100ms) - AI xử lý trong background worker - Server không bị blocking - Dễ dàng scale horizontal

Triển Khai Chi Tiết Với Laravel Queue

Bước 1: Cài Đặt Cấu Hình

Trước tiên, bạn cần cài đặt Laravel và cấu hình queue driver. Tôi khuyên dùng Redis cho production vì hiệu năng cao.

// Cài đặt Laravel nếu chưa có
composer create-project laravel/laravel ai-queue-app
cd ai-queue-app

// Cài đặt Redis driver cho Queue
composer require predis/predis

// Cấu hình .env
QUEUE_CONNECTION=redis
REDIS_HOST=127.0.0.1
REDIS_PASSWORD=null
REDIS_PORT=6379

// Cấu hình HOLYSHEEP API Key
HOLYSHEEP_API_KEY=YOUR_HOLYSHEEP_API_KEY
HOLYSHEEP_BASE_URL=https://api.holysheep.ai/v1

Bước 2: Tạo Model và Migration

// Tạo model và migration cho Chat
php artisan make:model Chat -m

// Database Migration
public function up(): void
{
    Schema::create('chats', function (Blueprint $table) {
        $table->id();
        $table->foreignId('user_id')->constrained()->onDelete('cascade');
        $table->text('message');
        $table->text('ai_response')->nullable();
        $table->enum('status', ['pending', 'processing', 'completed', 'failed'])->default('pending');
        $table->string('error_message')->nullable();
        $table->integer('tokens_used')->nullable();
        $table->decimal('cost_usd', 8, 6)->nullable();
        $table->timestamps();
    });
}

// app/Models/Chat.php
namespace App\Models;

use Illuminate\Database\Eloquent\Model;

class Chat extends Model
{
    protected $fillable = [
        'user_id',
        'message',
        'ai_response',
        'status',
        'error_message',
        'tokens_used',
        'cost_usd',
    ];
    
    protected $casts = [
        'cost_usd' => 'decimal:6',
    ];
}

Bước 3: Tạo Service Class Cho HolySheep AI

Đây là phần quan trọng nhất - tôi đã tối ưu service này qua nhiều dự án thực tế:

// app/Services/HolySheepAIService.php
namespace App\Services;

use Illuminate\Support\Facades\Http;
use Illuminate\Support\Facades\Log;

class HolySheepAIService
{
    private string $baseUrl;
    private string $apiKey;
    
    // Định nghĩa giá theo model (2026)
    private array $pricing = [
        'gpt-4.1' => 8.00,              // $8/MTok
        'claude-sonnet-4.5' => 15.00,   // $15/MTok
        'gemini-2.5-flash' => 2.50,     // $2.50/MTok
        'deepseek-v3.2' => 0.42,        // $0.42/MTok
    ];
    
    public function __construct()
    {
        $this->apiKey = config('services.holysheep.api_key');
        $this->baseUrl = config('services.holysheep.base_url', 'https://api.holysheep.ai/v1');
    }
    
    public function chatCompletion(string $message, string $model = 'deepseek-v3.2'): array
    {
        $startTime = microtime(true);
        
        try {
            $response = Http::timeout(60)
                ->withHeaders([
                    'Authorization' => 'Bearer ' . $this->apiKey,
                    'Content-Type' => 'application/json',
                ])
                ->post($this->baseUrl . '/chat/completions', [
                    'model' => $model,
                    'messages' => [
                        ['role' => 'user', 'content' => $message]
                    ],
                    'temperature' => 0.7,
                    'max_tokens' => 2048,
                ]);
            
            $latency = round((microtime(true) - $startTime) * 1000, 2);
            
            if ($response->successful()) {
                $data = $response->json();
                $tokens = $data['usage']['total_tokens'] ?? 0;
                $cost = $this->calculateCost($tokens, $model);
                
                Log::info('HolySheep AI Response', [
                    'model' => $model,
                    'latency_ms' => $latency,
                    'tokens' => $tokens,
                    'cost_usd' => $cost,
                ]);
                
                return [
                    'success' => true,
                    'response' => $data['choices'][0]['message']['content'],
                    'tokens' => $tokens,
                    'cost_usd' => $cost,
                    'latency_ms' => $latency,
                ];
            }
            
            return [
                'success' => false,
                'error' => $response->json()['error']['message'] ?? 'Unknown error',
                'latency_ms' => $latency,
            ];
            
        } catch (\Exception $e) {
            Log::error('HolySheep AI Error', [
                'error' => $e->getMessage(),
                'latency_ms' => round((microtime(true) - $startTime) * 1000, 2),
            ]);
            
            return [
                'success' => false,
                'error' => $e->getMessage(),
            ];
        }
    }
    
    private function calculateCost(int $tokens, string $model): float
    {
        // Giả định 1 token ~ 4 ký tự, tính chi phí cho 1M tokens
        $pricePerMillion = $this->pricing[$model] ?? 1.00;
        return round(($tokens / 1000000) * $pricePerMillion, 6);
    }
}

Bước 4: Tạo Queue Job

// app/Jobs/ProcessAIChat.php
namespace App\Jobs;

use App\Models\Chat;
use App\Services\HolySheepAIService;
use Illuminate\Bus\Queueable;
use Illuminate\Contracts\Queue\ShouldQueue;
use Illuminate\Foundation\Bus\Dispatchable;
use Illuminate\Queue\InteractsWithQueue;
use Illuminate\Queue\SerializesModels;
use Illuminate\Support\Facades\Log;

class ProcessAIChat implements ShouldQueue
{
    use Dispatchable, InteractsWithQueue, Queueable, SerializesModels;
    
    public int $tries = 3;        // Thử lại tối đa 3 lần
    public int $backoff = 60;     // Chờ 60 giây trước khi thử lại
    public int $timeout = 120;    // Timeout sau 120 giây
    
    public Chat $chat;
    
    public function __construct(Chat $chat)
    {
        $this->chat = $chat;
    }
    
    public function handle(HolySheepAIService $aiService): void
    {
        Log::info('Processing AI Chat', ['chat_id' => $this->chat->id]);
        
        // Cập nhật trạng thái
        $this->chat->update(['status' => 'processing']);
        
        // Gọi HolySheep AI
        $result = $aiService->chatCompletion(
            $this->chat->message,
            'deepseek-v3.2'  // Model rẻ nhất, chất lượng tốt
        );
        
        if ($result['success']) {
            $this->chat->update([
                'ai_response' => $result['response'],
                'status' => 'completed',
                'tokens_used' => $result['tokens'],
                'cost_usd' => $result['cost_usd'],
            ]);
            
            Log::info('AI Chat Completed', [
                'chat_id' => $this->chat->id,
                'latency_ms' => $result['latency_ms'],
                'cost_usd' => $result['cost_usd'],
            ]);
            
            // Gửi notification cho user (nếu cần)
            // Notification::send($this->chat->user, new AIResponseReady($this->chat));
            
        } else {
            throw new \Exception('AI API Error: ' . ($result['error'] ?? 'Unknown'));
        }
    }
    
    public function failed(\Throwable $exception): void
    {
        $this->chat->update([
            'status' => 'failed',
            'error_message' => $exception->getMessage(),
        ]);
        
        Log::error('AI Chat Failed', [
            'chat_id' => $this->chat->id,
            'error' => $exception->getMessage(),
        ]);
    }
}

Bước 5: Controller và API Routes

// app/Http/Controllers/Api/ChatController.php
namespace App\Http\Controllers\Api;

use App\Http\Controllers\Controller;
use App\Jobs\ProcessAIChat;
use App\Models\Chat;
use Illuminate\Http\JsonResponse;
use Illuminate\Http\Request;

class ChatController extends Controller
{
    // Gửi yêu cầu chat - xử lý bất đồng bộ
    public function send(Request $request): JsonResponse
    {
        $validated = $request->validate([
            'message' => 'required|string|max:10000',
        ]);
        
        // Tạo chat record
        $chat = Chat::create([
            'user_id' => auth()->id(),
            'message' => $validated['message'],
            'status' => 'pending',
        ]);
        
        // Đẩy vào queue - xử lý ngay lập tức
        ProcessAIChat::dispatch($chat)->onQueue('ai-chat');
        
        return response()->json([
            'success' => true,
            'data' => [
                'chat_id' => $chat->id,
                'status' => 'pending',
                'message' => 'Yêu cầu đã được đưa vào hàng đợi. Phản hồi sẽ có trong giây lát.',
            ],
        ], 202);
    }
    
    // Lấy kết quả chat
    public function show(int $id): JsonResponse
    {
        $chat = Chat::where('id', $id)
            ->where('user_id', auth()->id())
            ->firstOrFail();
        
        return response()->json([
            'success' => true,
            'data' => [
                'id' => $chat->id,
                'message' => $chat->message,
                'ai_response' => $chat->ai_response,
                'status' => $chat->status,
                'error_message' => $chat->error_message,
                'tokens_used' => $chat->tokens_used,
                'cost_usd' => $chat->cost_usd,
                'created_at' => $chat->created_at->toIso8601String(),
            ],
        ]);
    }
    
    // Lấy danh sách chats của user
    public function index(Request $request): JsonResponse
    {
        $chats = Chat::where('user_id', auth()->id())
            ->orderBy('created_at', 'desc')
            ->paginate($request->input('per_page', 20));
        
        return response()->json([
            'success' => true,
            'data' => $chats,
        ]);
    }
}

// routes/api.php
use App\Http\Controllers\Api\ChatController;

Route::middleware('auth:sanctum')->group(function () {
    Route::post('/chat', [ChatController::class, 'send']);
    Route::get('/chat/{id}', [ChatController::class, 'show']);
    Route::get('/chats', [ChatController::class, 'index']);
});

Bước 6: Chạy Queue Worker

// Chạy worker cho queue mặc định
php artisan queue:work redis --queue=ai-chat

// Chạy multiple workers cho production
php artisan queue:work redis --queue=ai-chat --tries=3 --timeout=120 &

// Hoặc sử dụng Supervisor (khuyến nghị cho production)
/etc/supervisor/conf.d/laravel-worker.conf
[program:laravel-worker]
process_name=%(program_name)s_%(process_num)02d
command=php /path/to/artisan queue:work redis --queue=ai-chat --sleep=3 --tries=3 --timeout=120
autostart=true
autorestart=true
stopasgroup=true
killasgroup=true
user=www-data
numprocs=4
redirect_stderr=true
stdout_logfile=/var/log/laravel-worker.log
stopwaitsecs=3600

Triển Khai RAG Với Queue

Với hệ thống RAG (Retrieval-Augmented Generation), bạn cần xử lý nhiều bước hơn. Dưới đây là kiến trúc tôi đã triển khai cho dự án thương mại điện tử:

// app/Jobs/ProcessRAGQuery.php
namespace App\Jobs;

use App\Models\RagQuery;
use App\Services\HolySheepAIService;
use App\Services\EmbeddingService;
use App\Services\VectorSearchService;
use Illuminate\Bus\Queueable;
use Illuminate\Contracts\Queue\ShouldQueue;
use Illuminate\Foundation\Bus\Dispatchable;
use Illuminate\Queue\InteractsWithQueue;
use Illuminate\Queue\SerializesModels;

class ProcessRAGQuery implements ShouldQueue
{
    use Dispatchable, InteractsWithQueue, Queueable, SerializesModels;
    
    public int $tries = 3;
    public int $timeout = 180;
    
    public RagQuery $ragQuery;
    
    public function __construct(RagQuery $ragQuery)
    {
        $this->ragQuery = $ragQuery;
    }
    
    public function handle(
        HolySheepAIService $aiService,
        EmbeddingService $embeddingService,
        VectorSearchService $vectorService
    ): void {
        $this->ragQuery->update(['status' => 'embedding']);
        
        // Bước 1: Tạo embedding cho query
        $queryEmbedding = $embeddingService->create($this->ragQuery->query);
        
        // Bước 2: Tìm kiếm vector trong database
        $this->ragQuery->update(['status' => 'searching']);
        $relevantDocs = $vectorService->search($queryEmbedding, topK: 5);
        
        // Bước 3: Tạo prompt với context
        $context = $this->buildContext($relevantDocs);
        $prompt = $this->buildPrompt($this->ragQuery->query, $context);
        
        // Bước 4: Gọi AI với prompt đã build
        $this->ragQuery->update(['status' => 'generating']);
        $result = $aiService->chatCompletion($prompt, 'deepseek-v3.2');
        
        if ($result['success']) {
            $this->ragQuery->update([
                'status' => 'completed',
                'response' => $result['response'],
                'context_used' => $relevantDocs,
                'tokens_used' => $result['tokens'],
                'cost_usd' => $result['cost_usd'],
                'latency_ms' => $result['latency_ms'],
            ]);
        } else {
            throw new \Exception($result['error']);
        }
    }
    
    private function buildContext(array $docs): string
    {
        return implode("\n\n---\n\n", array_map(function ($doc) {
            return "[Source: {$doc['source']}]\n{$doc['content']}";
        }, $docs));
    }
    
    private function buildPrompt(string $query, string $context): string
    {
        return "Dựa trên thông tin sau, hãy trả lời câu hỏi của khách hàng một cách chính xác và
Tài nguyên liên quan
📚 Hướng dẫn AI API
💰 Xem giá
📖 Tài liệu nhà phát triển
🚀 Đăng ký miễn phí
Bài viết liên quan
Bảo Mật AI & Tối Ưu Hiệu Suất: Hướng Dẫn Toàn Diện Cho Người
Gemini 2.5 Pro API Video Understanding: Hướng Dẫn Toàn Diện 
Streaming SSE: Hướng Dẫn Toàn Diện Từ Gốc Đến Chuyên Gia