Thoughtworks：2024技术雷达-针对当今科技领域发展的前沿指南（第30期） ...

2024-4-26 15:55| 发布者: 何建秋 11 0

摘要: 关于技术雷达Thoughtworker 酷爱技术。我们致力于建造技术，研究技术，测试技术，开源技术，书写技术，并不断改进技术。支持卓越软件并掀起IT革命是我们的使命，Thoughtworks 技术雷达就是为了完成这一使命。它由Tho ...

关于技术雷达Thoughtworker 酷爱技术。

我们致力于建造技术，研究技术，测试技术，开源技术，书写技术，并不断改进技术。

支持卓越软件并掀起IT革命是我们的使命，Thoughtworks 技术雷达就是为了完成这一使命。

它由Thoughtworks 中一群资深技术领导组成的技术顾问委员会，通过定期讨论 Thoughtworks 的全球技术战略以及对行业有重大影响的技术趋势而创建。

技术雷达以独特的形式记录技术顾问委员会的讨论结果，从首席技术官到开发人员，雷达将会为各路利益相关方提供价值。

这些内容只是简要的总结。

我们建议您探索雷达中提到的内容以了解更多细节。

技术雷达的本质是图形性质，把各种技术项目归类为技术、工具、平台和语言和框架。

如果技术可以被归类到多个象限，我们选择看起来最合适的一个。

我们还进一步将这些技术分为四个环以反映我们目前对其的态度。

涌现的大语言架构模式在技术领域，“模式”因为能够为特定问题提供一个简洁的解决方案名称而受到欢迎。

随着大语言模型（LLMs）的日益普及，我们开始看到支持常见上下文的特定架构模式不断涌现。

例如，我们讨论了NeMo Guardrails，它允许开发人员围绕LLM的使用建立治理政策。

我们还讨论了像Langfuse这样的工具，它们能够更好地观察LLM的输出步骤，并知道如何处理（并验证）充斥着生成代码的臃肿代码库。

我们讨论了如何使用检索增强生成（RAG），这是我们偏爱的模式，以提高LLM输出的质量，在企业生态系统中尤其有效。

此外，我们还讨论了使用低能耗（和成本）大语言模型产生材料，然后由更强大（也更划算）的大语言模型选择性审查的技术。

模式为技术构建了一个重要的词汇库，随着生成式AI继续渗透软件开发，我们预计会看到模式（以及不可避免的反模式）的爆炸式增长。

让Pull Request（PR）更接近正确的持续集成Thoughtworks 一直推崇在软件开发过程中采用快速反馈循环，因此也是持续集成（CI）的大力支持者。

为此，我们在20世纪90年代末构建并开源了有史以来第一个CI服务器 — Cruise Control 。

最近，我们的首席科学家Martin Fowler 在他的 bliki 上更新了对于持续集成的规范定义，以重申对这一实践的关注。

然而，我们许多团队被迫忽视CI/CD中的CI部分，因为他们发现自己处于必须使用Pull Request（PR）的情况。

尽管PR的做法最初是为了管理大规模分布式的开源团队和不可靠的贡献者，然而目前已经发展成了同行评审（Peer Review，PR）的同义词，即使在紧密工作的小型团队也是如此。

在这些情况下，许多开发者渴望从实践真正的CI中获得相同的流畅感。

我们调查了几个试图减轻PR审查过程痛苦的工具，包括gitStream和Github合并队列。

我们还讨论了诸如stacked diffs之类的技术，这些技术通过使集成过程更精细化，有望与CI的核心原则保持一致。

除此之外，我们还探讨了从PR中提取度量的方法，以识别软件交付过程中的低效和瓶颈。

工具在这个领域会起到巨大帮助，因为整体趋势是朝向生成式AI编程的。

随着AI编码助手的出现，编码吞吐量增加，导致倾向于创建更大的PR。

这给异步代码审查过程增加了更大的压力。

尽管我们仍然更喜欢原始的CI实践，但我们鼓励那些由于外部约束而无法使用CI的团队寻找方法，从而提高集成准确性和反馈周期速度。