Enable javascript in your browser for better experience. Need to know to enable it? Go here.
Technology Radar
Technology Radar
第29期 | 九月 2023

技术雷达

针对当今科技领域发展的前沿指南

技术雷达是基于 Thoughtworks 全球员工的实际经验所建立的涵盖工具、技术、平台、语言和框架的趋势快照。每年发布两次,它提供了有关当今世界如何构建软件的见解。您可以使用它来识别和评估对您重要的内容。

 
  • techniques quadrant with radar rings 采纳 试验 评估 暂缓 采纳 试验 评估 暂缓
  • platforms quadrant with radar rings 采纳 试验 评估 暂缓 采纳 试验 评估 暂缓
  • tools quadrant with radar rings 采纳 试验 评估 暂缓 采纳 试验 评估 暂缓
  • languages-and-frameworks quadrant with radar rings 采纳 试验 评估 暂缓 采纳 试验 评估 暂缓
  • 新的
  • 移进/移出
  • 没有变化
条目可能是新添加到本期,或者从往期技术雷达的圆环中移动的内容。

下载第29期技术雷达

English | Español | Português | 中文

获取最新技术洞见

 

立即订阅

本期主题

AI 辅助软件开发

毫无意外,本期技术雷达主要围绕 AI 相关话题展开讨论。这是有史以来第一次,我们需要一个可视化指南来理清不同 AI 的类别和功能(即使在 JavaScript 生态系统十分混乱的时期,我们也从未采取过这样的做法)。作为一家开创 CI、CD 等突破性工程实践历史的软件咨询公司,我们对于使用 AI 辅助软件开发特别感兴趣。因此,本期技术雷达讨论了许多代码辅助工具, 如 GitHub CopilotTabnineCodeium。我们兴奋于 open-source LLMs for coding 在工具领域可能带来的变革,并且我们看到了在编码之外的辅助领域中工具和能力的爆炸式增长,如用户故事编写辅助、用户研究、电梯演讲和其他基于语言的任务。同时,我们希望开发人员能够负责任地使用所有这些工具,并且始终掌控主导权,比如 hallucinated dependencies 就是其中一个需要注意的安全和质量风险。

衡量生产力有多有效?

对于非技术人员来说,软件开发有时似乎很神奇,这导致管理者需要努力衡量开发人员在完成其神秘任务时的生产效率。我们的首席科学家 Martin Fowler 早在 2003 年就撰写了有关此主题的文章,但问题并没有消失。在这期雷达中,我们讨论了许多现代工具和技术,它们采用更加细致入微的方法来衡量软件的创造过程,但这仍然不够。幸运的是,业界已经不再使用代码行数作为产出衡量标准。然而,衡量框架 SPACE 中 A(Activity,活动)的替代方法,例如拉取请求的数量或已解决的问题的数量,仍然不足以成为衡量生产力的良好指标。相反,行业已经开始关注“工程效能”:我们不应该衡量生产力,而应该衡量我们知道对流程有贡献或有损害的事物。我们不应该专注于个体的活动,而应该关注系统中的浪费来源以及可以从经验上证明导致开发人员对“生产力”感知产生影响的条件。新的工具,比如 DX DevEx 360,通过关注开发者体验而不是一些虚假的产出衡量标准解决了这个问题。然而,许多领导人仍然以模糊的、定性的方式衡量开发者的“生产力”。我们怀疑,这种兴趣的复苏至少有一部分原因是受到了人工智能辅助软件开发的影响,这不可避免地引发了一个问题:它是否产生了积极的影响?虽然衡量标准可能变得更加细致入微,但真正的生产力衡量仍然难以捉摸。

众多大语言模型

大语言模型(LLMs)为现今人工智能的许多重要突破奠定了基础。目前的应用多使用类似聊天的界面进行交互,例如 ChatGPTGoogle Bard。生态中的主要竞争者(例如 OpenAI 的ChatGPT,Google Bard,Meta 的 LLaMA 以及亚马逊的 Bedrock 等)在我们的讨论中占据重要地位。更广泛来说,大语言模型可以应用于从内容生成(文本、图片和视频)、代码生成到总结概述和翻译等各种问题。通过自然语言的抽象层,这些大模型成为了强大的工具库,被诸多信息工作者广泛使用。我们讨论了大语言模型的各个方面,包括自托管式大语言模型,相较云托管的大语言模型,它支持更多的定制和管控。随着大语言模型日益复杂,我们正在深思如何在小型设备上运行大语言模型,特别是在边缘设备和资源受限的环境中。我们还提到有望提高性能的 ReAct 提示工程,以及利用大语言模型驱动的自主代理开发远超简单的问答交互的动态应用。我们也提到一些向量数据库(包括 Pinecone)由于大语言模型而重新流行起来。大语言模型的底层能力,包括更专业化和自行托管的能力,将继续呈爆发性增长。

远程交付的解决方案成熟

尽管远程软件开发团队多年来利用技术克服地理限制,但疫情的影响进一步推动了这一领域的创新,巩固了向完全远程或混合工作演进的趋势。在本期技术雷达中,我们讨论了远程软件开发实践和工具的成熟,和团队们如何继续以有效协作为重点,不断突破界限,在一个更加分散和动态的环境中进行工作。一些团队利用新的协作工具不断提出创新解决方案。其他团队则继续调整和改进现有的面对面实践,例如实时结对编程或集体编程、分布式工作坊(例如 远程事件风暴)以及异步同步沟通。远程工作提供了许多好处(包括更多样化的人才储备),但面对面交流的价值是显而易见的。团队不应中断重要的反馈循环,并且需要意识到在转向远程工作时所做的取舍。

 

贡献者

 

技术雷达由Thoughtworks 技术顾问委员会(TAB)创建,成员包括:

 

Rebecca Parsons (CTO Emerita) • Rachel Laycock (CTO) • Martin Fowler (Chief Scientist) • Bharani Subramaniam • Birgitta Böckeler • Brandon Byars • Camilla Falconi Crispim • Erik Doernenburg • Fausto de la Torre • Hao Xu • Ian Cartwright • James Lewis • Marisa Hoenig • Maya Ormaza • Mike Mason • Neal Ford • Pawan Shah • Scott Shaw • Selvakumar Natesan • Shangqi Liu • Sofia Tania • Vanya Seth

订阅,保持关注

订阅获取Thoughtworks最新技术雷达的信息,以及双月发布的技术洞见邮件。

Marketo Form ID is invalid !!!

谢谢!

您已经成功订阅技术雷达。我们将会给您的邮箱发送邮件,请保持关注。

查看存档并阅读往期内容