Thoughtworks 发布第31期技术雷达

Thoughtworks 最近发布了第31期技术雷达，提供了对当前技术格局的指导性见解。本期雷达重点关注生成式人工智能（Generative AI）和大语言模型（LLMs）在软件开发中的负责任使用，并强调了AI辅助工具与人类专业知识之间的平衡。

关键技术趋势

生成式AI与大语言模型

生成式AI和LLMs在技术雷达中占据主导地位，强调了其在软件开发中的负责任使用。AI驱动的编程工具正在快速发展，但仍需在AI辅助与人类专业知识之间找到平衡。

Rust与WebAssembly

Rust 在系统编程领域越来越受欢迎，许多新工具都选择使用它进行开发。WebAssembly（Wasm）1.0 得到了主要浏览器的支持，为跨平台开发开辟了新的可能性。

语言模型生态系统

支持语言模型的工具生态系统正在快速增长，包括护栏、评估框架和向量数据库等。

技术象限

技术（Techniques）

在“采用”（Adopt）环中，值得注意的技术包括1%金丝雀发布、组件测试、持续部署和检索增强生成（RAG）。雷达强调需要在AI创新与成熟的工程实践之间取得平衡，保持单元测试和架构适应性函数等关键软件开发技术。

平台（Platforms）

在“试验”（Trial）环中，雷达强调了诸如Databricks Unity Catalog、FastChat和GCP Vertex AI Agent Builder等工具。此外，还评估了新兴平台，如Azure AI Search、大型视觉模型平台V7、Nvidia Deepstream SDK和Roboflow，以及SpinKube。这些平台展示了支持语言模型的工具快速增长，特别是在护栏、评估、代理构建和向量数据库方面。

工具（Tools）

工具部分强调了将AI功能与可靠的软件开发工具相结合的强大工具包的重要性。雷达推荐采用Bruno、K9s和视觉回归测试工具如BackstopJS。建议试验AWS Control Tower、ClickHouse和pgvector等，反映了对云管理、数据处理和AI相关数据库技术的关注。

语言与框架（Languages and Frameworks）

在“采用”环中，推荐使用dbt和Testcontainers。在“试验”环中，包括CAP、CARLA和LlamaIndex，反映了对AI和机器学习框架的日益增长的兴趣。

其他重要观点

小语言模型（SLMs）

雷达还强调了小语言模型（SLMs）作为大语言模型（LLMs）替代品的潜力，特别是在特定应用场景中表现更好，并且能够在边缘设备上运行。

技术生态系统的快速发展

本期雷达将当前AI技术的快速增长与2015年前后JavaScript生态系统的爆炸性扩展进行了类比。

总结

第31期技术雷达反映了AI和机器学习技术进步对技术格局的深远影响，同时也强调了坚实的软件工程实践的持续重要性。由Thoughtworks技术咨询委员会创建的技术雷达为开发者、架构师和技术领导者提供了宝贵的见解，帮助他们在这个快速发展的技术生态系统中做出决策。