Thoughtworks Technology Radar, Volume 30 dirilis

 (thoughtworks.com)
9 poin oleh xguru 2024-04-05 | 1 komentar | Bagikan ke WhatsApp

Memvisualisasikan dan menjelaskan tren terbaru di bidang teknik/alat/platform/bahasa pemrograman dan framework dalam 4 tahap: Hold/Assess/Trial/Adopt

Lisensi sumber yang terkesan terbuka (Open-ish)

  • Ekosistem pengembangan perangkat lunak open source telah lama bergantung pada kumpulan lisensi yang dikatalogkan oleh OSI (Open Source Initiative)
  • Dalam beberapa tahun terakhir, terjadi kasus ketika fitur inti dari alat yang digunakan luas tiba-tiba dijadikan berbayar, sehingga lanskap lisensi open source pun berubah
  • Membayar perangkat lunak bukanlah masalah, tetapi menjadi masalah ketika fitur inti dari alat dengan ekosistem yang sudah berkembang tiba-tiba dijadikan berbayar
  • Mulai muncul juga perangkat lunak yang dipromosikan sebagai open source, tetapi fungsi dasarnya baru tersedia setelah membayar biaya langganan atau biaya lainnya
  • Disarankan untuk memberi perhatian khusus pada isu lisensi
  • Perlu memastikan bahwa semua file dicakup oleh lisensi tingkat teratas

Tim pengembangan perangkat lunak yang didukung AI

  • AI dapat secara bertahap memberikan manfaat di semua aspek pengembangan perangkat lunak, dan inovasi di seluruh proses pengembangan sedang diikuti secara aktif
  • Bersamaan dengan kemampuan baru yang dibawa AI, muncul juga risiko baru terhadap kualitas dan keamanan perangkat lunak, sehingga perlu waspada terhadap potensi risiko, termasuk oleh pihak non-pengembang

Pola arsitektur baru untuk LLM

  • Seiring meningkatnya penggunaan LLM (Large Language Models), mulai muncul pola arsitektur tertentu untuk mendukung situasi umum
    • NeMo Guardrails: memungkinkan pembangunan kebijakan tata kelola untuk penggunaan LLM
    • Langfuse: meningkatkan visibilitas terhadap tahapan yang menghasilkan output LLM serta cara menangani dan memverifikasi codebase yang membengkak dan dipenuhi kode yang dihasilkan
  • Dalam ekosistem enterprise, RAG (retrieval-augmented generation) menjadi pola yang dipilih untuk meningkatkan kualitas output LLM
  • Seiring AI generatif terus meresap ke pengembangan perangkat lunak, diperkirakan akan terjadi ledakan pertumbuhan pola (beserta anti-pattern yang tak terelakkan)

Menarik PR lebih dekat ke CI yang semestinya (Dragging PRs closer to proper CI)

  • Thoughtworks telah lama sangat mendukung feedback loop yang cepat dan continuous integration (CI)
  • Belakangan, karena situasi di mana pull request (PR) diwajibkan, banyak tim jadi mengabaikan bagian CI dalam CI/CD
  • PR dikembangkan untuk mengelola tim open source besar yang terdistribusi dan kontributor yang tidak tepercaya, tetapi di tim delivery yang kecil dan erat pun kini menjadi sinonim untuk peer review
  • Para pengembang merindukan flow seperti yang didapat saat menjalankan CI yang sesungguhnya
  • Mereka meneliti berbagai alat yang berupaya meredakan beban proses review PR, seperti gitStream dan GitHub merge queue
  • Ketika throughput coding meningkat karena AI coding assistant, kecenderungannya adalah membuat PR yang lebih besar, yang memberi tekanan lebih besar pada proses code review asinkron
  • Untuk tim yang tidak bisa memakai CI karena kendala eksternal, direkomendasikan untuk mencari cara meningkatkan akurasi integrasi dan kecepatan siklus feedback

[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 - Segala hal tentang 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 tidak bermakna, Masalah LangChain

Bacaan terkait