Thoughtworks Technology Radar, Volume 30 เปิดเผยแล้ว

 (thoughtworks.com)
9 คะแนน โดย xguru 2024-04-05 | 1 ความคิดเห็น | แชร์ทาง WhatsApp

แสดงภาพและอธิบายเทรนด์ล่าสุดในด้านเทคนิค/เครื่องมือ/แพลตฟอร์ม/ภาษาและเฟรมเวิร์กสำหรับการพัฒนา โดยแบ่งเป็น 4 ระดับ: Hold/Assess/Trial/Adopt

ไลเซนส์ซอร์สแบบเปิด-ish (Open-ish)

  • ระบบนิเวศการพัฒนาซอฟต์แวร์โอเพนซอร์สพึ่งพาชุดไลเซนส์ที่ OSI (Open Source Initiative) จัดทำแคตตาล็อกไว้มาเป็นเวลานาน
  • ในช่วงไม่กี่ปีที่ผ่านมา เกิดกรณีที่ความสามารถหลักของเครื่องมือที่ใช้งานกันอย่างแพร่หลายถูกเปลี่ยนให้เป็นแบบเสียเงินอย่างกะทันหัน ทำให้ภูมิทัศน์ของไลเซนส์โอเพนซอร์สกำลังเปลี่ยนไป
  • การจ่ายเงินสำหรับซอฟต์แวร์ไม่ใช่ปัญหา แต่การที่ความสามารถหลักของเครื่องมือซึ่งเติบโตมาจากระบบนิเวศกลับถูกเปลี่ยนให้เสียเงินอย่างฉับพลันนั้นเป็นปัญหา
  • ยังมีซอฟต์แวร์ที่โปรโมตตัวเองว่าเป็นโอเพนซอร์ส แต่ความสามารถพื้นฐานกลับใช้งานได้ก็ต่อเมื่อจ่ายค่าสมาชิกหรือค่าธรรมเนียมอื่น ๆ ก่อน
  • แนะนำให้ให้ความใส่ใจเป็นพิเศษกับประเด็นด้านไลเซนส์
  • ควรตรวจสอบให้แน่ใจว่าไฟล์ทั้งหมดถูกจัดให้ใช้งานภายใต้ไลเซนส์ระดับบนสุดเดียวกัน

ทีมพัฒนาซอฟต์แวร์ที่ได้รับการสนับสนุนด้วย AI

  • AI สามารถสร้างประโยชน์เพิ่มขึ้นอย่างค่อยเป็นค่อยไปในทุกด้านของการพัฒนาซอฟต์แวร์ และกำลังผลักดันนวัตกรรมตลอดทั้งกระบวนการพัฒนาอย่างจริงจัง
  • พร้อมกับความสามารถใหม่ที่ AI มอบให้ ก็มีความเสี่ยงใหม่ด้านคุณภาพและความปลอดภัยของซอฟต์แวร์ตามมาด้วย ดังนั้นจึงควรระวังความเสี่ยงที่อาจเกิดขึ้น แม้แต่สำหรับผู้ที่ไม่ใช่นักพัฒนาด้วย

รูปแบบสถาปัตยกรรมใหม่สำหรับ LLM

  • เมื่อการใช้งาน LLM (Large Language Models) เพิ่มขึ้น ก็เริ่มมีรูปแบบสถาปัตยกรรมเฉพาะที่เกิดขึ้นมาเพื่อรองรับสถานการณ์ทั่วไป
    • NeMo Guardrails: ช่วยให้สร้างนโยบายกำกับดูแลสำหรับการใช้ LLM ได้
    • Langfuse: เพิ่มการมองเห็นในขั้นตอนต่าง ๆ ที่นำไปสู่ผลลัพธ์ของ LLM และวิธีจัดการ/ตรวจสอบโค้ดเบสขนาดใหญ่ที่เต็มไปด้วยโค้ดที่สร้างขึ้น
  • ในระบบนิเวศระดับองค์กร RAG (retrieval-augmented generation) เป็นรูปแบบที่ได้รับความนิยมสำหรับยกระดับคุณภาพของผลลัพธ์จาก LLM
  • เมื่อ Generative AI แทรกซึมเข้าสู่การพัฒนาซอฟต์แวร์ต่อไป คาดว่าจะเห็นการเพิ่มขึ้นอย่างรวดเร็วของรูปแบบต่าง ๆ (รวมถึง anti-pattern ที่หลีกเลี่ยงไม่ได้)

ดึง PR ให้เข้าใกล้ CI ที่เหมาะสมมากขึ้น (Dragging PRs closer to proper CI)

  • Thoughtworks สนับสนุนอย่างหนักแน่นต่อวงจรฟีดแบ็กที่รวดเร็วและการผสานรวมอย่างต่อเนื่อง (CI) มาโดยตลอด
  • ช่วงหลังมานี้ จากสถานการณ์ที่การใช้ pull request (PR) กลายเป็นข้อบังคับ ทำให้หลายทีมมองข้ามส่วน CI ของ CI/CD ไป
  • PR ถูกพัฒนาขึ้นมาเพื่อจัดการทีมโอเพนซอร์สแบบกระจายขนาดใหญ่และผู้ร่วมพัฒนาที่ไม่น่าเชื่อถือ แต่กลับกลายเป็นคำพ้องกับการรีวิวโดยเพื่อนร่วมทีมแม้ในทีมส่งมอบขนาดเล็กที่ทำงานใกล้ชิดกัน
  • นักพัฒนาต่างโหยหากระแสการทำงานแบบเดียวกับที่ได้รับเมื่อรัน CI จริง
  • มีการสำรวจเครื่องมือหลายตัวที่พยายามบรรเทาความเจ็บปวดของกระบวนการรีวิว PR เช่น gitStream และ GitHub merge queue
  • เมื่อ AI coding assistant เพิ่ม throughput ของการเขียนโค้ด ก็มีแนวโน้มจะทำให้ PR ใหญ่ขึ้น และเพิ่มแรงกดดันให้กับกระบวนการรีวิวโค้ดแบบอะซิงโครนัสมากขึ้น
  • ทีมที่ไม่สามารถใช้ CI ได้เพราะข้อจำกัดภายนอก ควรมองหาวิธีปรับปรุงความถูกต้องของการผสานรวมและความเร็วของรอบฟีดแบ็ก

[Techniques]

Adopt

  1. Retrieval-augmented generation (RAG)

Trial

  1. Automatically generate Backstage entity descriptors
  2. Combining traditional NLP with LLMs
  3. Continuous compliance
  4. Edge functions - Cloudflare Workers
  5. Security champions
  6. Text to SQL - Vanna.ai
  7. Tracking health over debt

Assess

  1. AI team assistants
  2. Graph analysis for LLM-backed chats
  3. LLM-backed ChatOps
  4. LLM-powered autonomous agents - AutoGen
  5. Using GenAI to understand legacy codebases - Bloop
  6. VISS

Hold

  1. Broad integration tests
  2. Overenthusiastic LLM use
  3. Rush to fine-tune LLMs
  4. Web components for SSR web apps

[Platforms]

Adopt

  1. CloudEvents

Trial

  1. Arm in the cloud
  2. Azure Container Apps
  3. Azure OpenAI Service
  4. DataHub - ทุกสิ่งเกี่ยวกับ Data Discovery Platform(DDP)
  5. Infrastructure orchestration platforms
  6. Pulumi
  7. Rancher Desktop
  8. Weights & Biases

Assess

  1. Bun
  2. Chronosphere
  3. DataOS
  4. Dify
  5. Elasticsearch Relevance Engine
  6. FOCUS
  7. Gemini Nano
  8. HyperDX
  9. IcePanel
  10. Langfuse
  11. Qdrant
  12. RISC-V for embedded
  13. Tigerbeetle
  14. WebTransport
  15. Zarf
  16. ZITADEL

[Tools]

Adopt

  1. Conan
  2. Kaniko
  3. Karpenter

Trial

  1. 42Crunch API Conformance Scan
  2. actions-runner-controller
  3. Android Emulator Container
  4. AWS CUDOS
  5. aws-nuke
  6. Bruno
  7. Develocity
  8. GitHub Copilot
  9. Gradio
  10. Gradle Version Catalog
  11. Maestro
  12. Microsoft SBOM tool
  13. Open Policy Agent (OPA)
  14. Philips's self-hosted GitHub runner
  15. Pop
  16. Renovate
  17. Terrascan
  18. Velero

Assess

  1. aider
  2. Akvorado
  3. Baichuan 2
  4. Cargo Lambda
  5. Codium AI
  6. Continue
  7. Fern Docs
  8. Granted
  9. LinearB
  10. LLaVA
  11. Marimo
  12. Mixtral
  13. NeMo Guardrails
  14. Ollama
  15. OpenTofu
  16. QAnything
  17. System Initiative
  18. Tetragon
  19. Winglang

[Languages & Frameworks]

Trial

  1. Astro
  2. DataComPy
  3. Pinia
  4. Ray

Assess

  1. Android Adaptability
  2. Concrete ML
  3. Crabviz
  4. Crux
  5. Databricks Asset Bundles
  6. Electric
  7. LiteLLM
  8. LLaMA-Factory
  9. MLX
  10. Mojo
  11. Otter
  12. Pkl
  13. Rust for UI
  14. vLLM
  15. Voyager
  16. WGPU
  17. Zig

Hold

  1. LangChain - LangChain ไม่มีความหมาย, ปัญหาของ LangChain

บทความที่เกี่ยวข้อง

1 ความคิดเห็น

 
xguru 2024-04-05

ทุกครั้งที่ Radar ออกมา จะสนุกกับการลองค้นหาดูว่าแต่ละหัวข้อเคยถูกพูดถึงใน GeekNews หรือไม่
มีทั้งหัวข้อแยกเดี่ยว และหัวข้อที่ถูกพูดถึงค่อนข้างมากก็เลยเพิ่มลิงก์ค้นหาไว้ให้ด้วย

Thoughtworks Technology Radar, Volume 29 เปิดตัว
Thoughtworks Technology Radar, Volume 28 เปิดตัว
Thoughtworks Technology Radar ฉบับที่ 27 ตีพิมพ์
Thoughtworks Technology Radar ฉบับที่ 26 (39p PDF)
ThoughtWorks Technology Radar ฉบับที่ 23 ตีพิมพ์
ThoughtWorks Technology Radar ฉบับที่ 22 ตีพิมพ์ [32p PDF]
ข่าวเทคโนโลยีที่ ThoughtWorks เผยแพร่ทุก 6 เดือน - Radar Vol.21