Thoughtworks Technology Radar, Volume 32 dirilis

 (thoughtworks.com)
19 poin oleh xguru 2025-04-04 | 1 komentar | Bagikan ke WhatsApp
  • Memvisualisasikan dan menjelaskan tren terbaru di bidang teknik/alat/platform/bahasa pemrograman dan framework dalam empat tahap: Hold/Assess/Trial/Adopt
  • Melacak item teknologi menarik (blip). Blip berpindah di antara empat tahap seiring waktu
    • Adopt (disarankan untuk diadopsi): Dinilai perlu diadopsi secara aktif di seluruh industri. Digunakan secara nyata dalam proyek ketika situasinya tepat
    • Trial (uji coba penerapan): Layak dicoba secara eksperimental. Penting untuk memahami cara membangun kapabilitas terkait. Dapat diadopsi pada proyek yang mampu menanggung risiko
    • Assess (perlu dieksplorasi): Layak untuk dieksplorasi. Tujuannya adalah memahami dampak teknologi tersebut terhadap organisasi
    • Hold (disarankan ditahan): Perlu didekati dengan hati-hati

4 tema edisi kali ini

  • Pemanfaatan agen yang diawasi pada coding assistant

    • Salah satu perkembangan pesat dalam AI generatif adalah pertumbuhan agen coding percakapan di dalam IDE
    • Pendekatan yang disebut “agentic”, “prompt-to-code”, dan “CHOP(chat-oriented programming)” sedang semakin meluas
      • AI tidak lagi sekadar membuat potongan kode, tetapi juga melakukan penelusuran kode, modifikasi, pembaruan pengujian, eksekusi perintah, dan kadang bahkan secara otomatis menyelesaikan error lint/kompilasi
    • Masih ada skeptisisme terhadap pembuatan kode yang sepenuhnya otonom, tetapi pendekatan yang bekerja di bawah pengawasan developer menghasilkan hasil yang positif
    • Alat integrasi IDE yang representatif: Cursor, Cline, Windsurf, GitHub Copilot
    • Alternatif berbasis terminal: aider, goose, Claude Code
    • Perlu mewaspadai kepercayaan berlebihan terhadap pembuatan kode otomatis oleh AI
      • Dalam code review, panduan dan peninjauan yang berkelanjutan tetap penting

  • Observability yang terus berkembang

    • Seiring meningkatnya kompleksitas arsitektur terdistribusi, ranah observability berkembang pesat
    • Area perhatian baru: observability untuk LLM
      • Semakin banyak alat untuk memantau dan mengevaluasi kinerja LLM
      • Contoh: Weights & Biases Weave, Arize Phoenix, Helicone, HumanLoop
    • Munculnya alat observability berbantuan AI meningkatkan analisis insight
    • Peningkatan adopsi OpenTelemetry menghadirkan netralitas vendor dan fleksibilitas alat
      • Alat representatif yang mendukung OpenTelemetry: Alloy, Tempo, Loki
    • Observability terus berkembang karena alat dan praktiknya saling memperkuat satu sama lain

  • Evolusi ‘R’ dalam RAG

    • Di antara berbagai komponen ekosistem AI generatif, khususnya huruf R pada RAG(Retrieval-Augmented Generation) berkembang dengan cepat
    • Arus utama:
      • Corrective RAG: memperbaiki respons berdasarkan feedback atau heuristik
      • Fusion-RAG: menggabungkan berbagai sumber dan strategi pencarian untuk meningkatkan cakupan dan ketangguhan respons
      • Self-RAG: melewati tahap retrieval dan mengambil data secara langsung saat diminta
      • FastGraphRAG: meningkatkan pemahaman dalam bentuk graf yang bisa dijelajahi manusia
    • Karena optimasi retrieval menjadi penting untuk menghasilkan respons yang akurat dan berguna sesuai kebutuhan pengguna, teknologi dan alat terkait berkembang cepat

  • Menangani data yang kompleks

    • Bukan lagi ukuran data (Big Data), melainkan pengelolaan kompleksitas dan keragaman (Rich, Complex Data) yang menjadi isu utama
    • Karena peningkatan data tidak terstruktur, pengelolaan data yang sistematis menjadi hal esensial agar data tersebut bisa dimanfaatkan dengan baik untuk AI atau analisis pelanggan
    • Tren alat terkait:
      • database vektor, alat analitik seperti Metabase
    • Munculnya Data Product Thinking
      • Menerapkan Product Thinking pada alat analitik dan strategi pemanfaatan data
      • Upaya untuk mewujudkan secara nyata tantangan pemanfaatan data yang sudah dibahas bahkan sebelum kemunculan AI
    • Tanpa strategi data yang jelas, perusahaan berpotensi tertinggal dalam inovasi dan menurunkan daya saing komersial

Teknik (Techniques)

Adopt (disarankan untuk diadopsi)

  • Pola pikir produk data (Data product thinking)

    • Memperlakukan data seperti sebuah produk, dengan penekanan pada siklus hidup, standar kualitas, dan desain yang berpusat pada konsumen
    • Menggunakan katalog data modern seperti DataHub, Collibra, Atlan, dan Informatica untuk mengelola metadata bisnis dan teknis secara bersama
    • Memanfaatkan pola pikir produk data untuk memperoleh data yang siap AI dan memperluas proyek AI
    • Berfokus pada pengelolaan seluruh siklus hidup, termasuk proses pembuangan data yang mematuhi persyaratan hukum dan regulasi

  • Fuzz testing

    • Teknik lama, tetapi masih merupakan metode pengujian yang belum banyak dikenal luas
    • Memverifikasi perilaku sistem dalam situasi pengecualian dengan memberikan berbagai input abnormal
    • Menjadi semakin penting untuk menghadapi kerentanan keamanan yang terkait dengan meningkatnya pembuatan kode oleh AI
    • Dukungan tool juga sudah memadai, sehingga layak diadopsi untuk menjaga kode tetap tangguh dan aman

  • Software Bill of Materials (SBOM)

    • Pembuatan SBOM kini telah menjadi praktik keamanan dasar
    • Melalui alat seperti Syft, Trivy, dan Snyk, pembuatan SBOM dan pemindaian kerentanan dapat dilakukan dari source code hingga container image
    • FOSSA, Chainloop, dan lainnya terintegrasi ke dalam workflow pengembangan untuk menerapkan kebijakan keamanan secara otomatis
    • Berkat dukungan luas terhadap SPDX dan CycloneDX, persoalan standardisasi juga berkurang
    • Kebutuhan SBOM juga meningkat pada sistem AI dan tercermin dalam panduan praktik kode yang aman

  • Threat modeling

    • Merupakan teknik kunci untuk menjaga keamanan sekaligus mempertahankan kelincahan dalam lingkungan pengembangan perangkat lunak yang berpusat pada AI
    • Dapat diterapkan juga pada sistem seperti AI generatif yang memiliki risiko keamanan unik
    • Perlu dilakukan secara rutin sepanjang proyek, dan efektif bila dijalankan bersama pemindai keamanan otomatis serta definisi kebutuhan keamanan

Trial (uji coba penerapan)

  • Memperlakukan koleksi permintaan API sebagai artefak produk API

    • Jika API diperlakukan seperti produk, maka bukan hanya dokumentasi, tetapi juga pengalaman developer harus diprioritaskan
    • Spesifikasi Swagger(OpenAPI) berguna untuk mendokumentasikan antarmuka, tetapi onboarding masih sulit
    • Dengan berkembangnya alat klien seperti Postman, Bruno, dan Insomnia, memanfaatkan koleksi permintaan API sebagai artefak produk menjadi pendekatan yang tepat
    • Onboarding developer yang cepat dan efisien dimungkinkan melalui contoh yang mencakup autentikasi awal dan data pengujian yang realistis
    • Koleksi permintaan API perlu disimpan di repositori dan diintegrasikan ke pipeline distribusi agar tetap mutakhir

  • Proses advis arsitektur

    • Pendelegasian wewenang pengambilan keputusan arsitektur di tim besar telah lama menjadi tantangan
    • Architecture Review Board tradisional justru menghambat produktivitas dan flow
    • Pendekatan pengambilan keputusan terdistribusi, di mana siapa pun dapat mengambil keputusan arsitektur tetapi meminta nasihat dari pihak terkait atau ahli, terbukti efektif
    • Kualitas dan konsistensi dapat dijaga dengan alat seperti Architecture Decision Record dan forum advis
    • Pendekatan ini juga makin meluas di industri yang sangat diatur

  • GraphRAG

    • Pendekatan dua tahap yang diajukan Microsoft: membagi dokumen, lalu membangun knowledge graph melalui analisis LLM, dan saat retrieval memperluas informasi terkait melalui graf tersebut untuk memperkuat prompt
    • Juga berguna untuk menganalisis legacy code yang kompleks, dengan membangun knowledge graph berdasarkan abstract syntax tree (AST) atau struktur dependensi
    • Alat seperti paket Python GraphRAG dari Neo4j mulai bermunculan dan semakin luas digunakan
    • Alat seperti Graphiti juga termasuk dalam interpretasi yang diperluas dari pola GraphRAG

  • Manajemen akses istimewa just-in-time (Just-in-time privileged access management, JIT PAM)

    • Teknik keamanan untuk mewujudkan prinsip hak akses minimum, dengan memberikan hak admin hanya saat diperlukan lalu segera mencabutnya setelah itu
    • “Standing privileges” yang selalu terbuka dapat menjadi kerentanan keamanan
    • Hak akses sementara dikendalikan melalui workflow persetujuan otomatis, penetapan peran sementara, dan pengaturan TTL (Time-To-Live)
    • Sangat efektif untuk memenuhi persyaratan regulasi dan kepatuhan

  • Distilasi model (Model distillation)

    • Metode untuk mengekstrak pengetahuan dari model besar dan mentransfernya ke model kecil, sehingga kehilangan akurasi dapat diminimalkan dan efisiensi eksekusi meningkat
    • Berbeda dari pruning dan quantization yang berfokus pada pengecilan model, pendekatan ini menitikberatkan pada mempertahankan pengetahuan domain
    • Contoh model yang diperkecil namun tetap berkinerja tinggi, seperti versi hasil distilasi DeepSeek R1 untuk Qwen/Llama, semakin banyak bermunculan
    • Platform seperti OpenAI dan Amazon Bedrock menyediakan panduan distilasi, yang menguntungkan untuk menekan biaya operasional LLM perusahaan dan mengoptimalkan inferensi on-device

  • Prompt engineering

    • Proses merancang dan menyesuaikan prompt yang jelas dan spesifik untuk mengoptimalkan kualitas keluaran model AI generatif
    • Prompt zero-shot pada model reasoning dapat menunjukkan hasil yang lebih baik daripada few-shot
    • Prompt CoT (chain-of-thought) justru dapat menurunkan performa model reasoning, yang dipengaruhi oleh pra-pelatihan melalui RL
    • Pada model yang lebih canggih, kebutuhan akan prompt engineering mungkin berkurang, tetapi tetap efektif untuk mengurangi halusinasi dan meningkatkan kualitas
    • Penting menjaga keseimbangan antara kecepatan respons, biaya token, dan performa, serta saat merancang aplikasi agentic diperlukan pilihan strategis yang sesuai dengan karakteristik model

  • Small Language Models (SLM)

    • Versi distilasi kecil dari DeepSeek R1 (Qwen, Llama) dapat dijalankan pada hardware umum meski harus mengorbankan sebagian performa
    • Bidang SLM berkembang sangat cepat, dengan berbagai model seperti Llama 3.2 milik Meta (1B, 3B), Phi-4 milik Microsoft (14B), dan PaliGemma 2 milik Google (3B~28B) bermunculan
    • Model kecil memiliki biaya inferensi dan batasan lingkungan eksekusi yang lebih rendah, sehingga potensi pemanfaatan umumnya tinggi
    • Dari sisi keseimbangan performa dan efisiensi, SLM mendapat perhatian sebagai tren teknologi penting

  • Memahami codebase legacy dengan GenAI

    • Alat utama seperti GitHub Copilot dan Sourcegraph Cody mendukung pemahaman dan modernisasi codebase legacy
    • Alat-alat ini menyederhanakan pekerjaan pada sistem kompleks melalui berbagai cara seperti memahami struktur, navigasi, dan bantuan berbasis konteks
    • Framework seperti S3LLM juga memungkinkan pemahaman terhadap kode di bidang sains dan teknik seperti Fortran dan Pascal
    • Karena ada sangat banyak software legacy di seluruh dunia, teknologi ini kemungkinan akan terus meluas ke depan

Assess (perlu dieksplorasi)

  • Desain kode yang ramah AI (AI-friendly code design)

    • Agen software berbasis AI semakin mampu mendeteksi dan menerapkan perubahan kode yang lebih besar
    • Seiring meningkatnya kepercayaan pada kode yang dihasilkan AI, ada pula kecenderungan menurunnya porsi review oleh developer manusia
    • Namun, AI juga menunjukkan performa yang lebih baik pada kode yang terstruktur dengan baik, sehingga desain yang ramah AI penting untuk maintainability
    • Praktik desain yang baik seperti nama yang ekspresif, modularisasi, abstraksi, dan pengurangan duplikasi (DRY) juga berdampak positif pada performa AI
    • Ke depan, pola desain yang dioptimalkan khusus untuk AI juga diperkirakan akan muncul

  • Pengujian UI berbasis AI (AI-powered UI testing)

    • Metode baru pengujian UI yang memanfaatkan kemampuan LLM dalam menafsirkan GUI sedang mulai berkembang
    • QA.tech dan KaneAI mendukung pengujian UI berbasis snapshot dengan bahasa alami
    • Browser Use menjalankan pengujian berdasarkan informasi struktur dari Playwright dan memanfaatkan model multimodal
    • Meski dapat menghasilkan hasil yang tidak deterministik, fleksibilitasnya menguntungkan untuk pengujian sistem legacy atau menghadapi perubahan UI yang sering
    • Dapat digunakan secara komplementer dengan pengujian manual eksploratif

  • Model Competence Envelope untuk memahami kegagalan sistem

    • Ini adalah konsep yang mendefinisikan batas tempat sistem dapat beroperasi secara normal; ketika melewati batas ini, sistem mudah gagal
    • Berguna untuk menafsirkan kasus kegagalan kompleks seperti gangguan Canva pada 2024
    • Residuality Theory menganalisis kemampuan adaptasi sistem berdasarkan riwayat stres masa lalu dan respons saat ini
    • Konsep ini terhubung dengan resilience, robustness, dan antifragility sistem, serta menumbuhkan ekspektasi terhadap penerapan nyata

  • Structured output dari LLM

    • Teknik untuk membatasi respons model bahasa ke bentuk skema terdefinisi seperti JSON
    • OpenAI mendukung structured output dengan memanfaatkan JSON Schema, pydantic, objek Zod, dan lain-lain
    • Sangat berguna di area yang membutuhkan format presisi seperti function calling dan integrasi API
    • Mendukung beragam pemanfaatan seperti pembuatan chart markup, dan juga dapat mengurangi halusinasi

Hold (disarankan ditahan)

  • Shadow IT yang dipercepat AI (AI-accelerated shadow IT)

    • Perkembangan AI membuat non-developer kini dapat langsung membuat software sendiri tanpa melalui departemen TI
    • Dengan alat no-code yang mendukung API seperti OpenAI dan Anthropic, integrasi yang kompleks pun dapat diwujudkan dengan mudah
    • Namun, penyebaran aplikasi yang tidak terkontrol sangat mungkin memunculkan isu keamanan dan pengelolaan data
    • Ini tampak seperti bentuk spreadsheet yang berevolusi, tetapi cakupannya jauh lebih besar
    • Keseimbangan antara kecepatan penyelesaian masalah dan stabilitas jangka panjang perlu dipertimbangkan dengan sangat hati-hati

  • Terlalu percaya pada kode hasil generasi AI (Complacency with AI-generated code)

    • Gejala penurunan kualitas akibat penggunaan AI mulai terlihat, seperti meningkatnya duplikasi kode, meningkatnya code churn, dan berkurangnya refactoring
    • Penelitian Microsoft melaporkan bahwa AI dapat memberi rasa percaya diri yang keliru kepada pengguna dan menghambat berpikir kritis
    • Karena AI menghasilkan semakin banyak kode, ada risiko developer makin sulit meninjau perubahan
    • Pendekatan seperti ‘vibe coding’, ketika AI menghasilkan kode dan hanya ditinjau secara minimal, sangat berbahaya untuk kode production

  • Asisten coding lokal (Local coding assistants)

    • Asisten coding AI yang berjalan secara lokal tanpa pengiriman ke luar memiliki keunggulan dari sisi keamanan
    • Namun, performanya terbatas dibandingkan model berbasis cloud, dan juga kesulitan menjalankan prompt kompleks atau fungsi integrasi
    • Fitur bawaan IDE (Xcode, JetBrains) atau integrasi berbasis Qwen Coder dan Continue + Ollama berguna untuk tugas sederhana
    • Menurunkan ekspektasi dan mengadopsinya secara eksperimental adalah pendekatan yang disarankan

  • Mengganti pair programming sepenuhnya dengan AI (Replacing pair programming with AI)

    • Alat seperti Copilot memang memosisikan diri sebagai AI pair programmer, tetapi tidak mampu menggantikan manfaat berbasis tim dari pair manusia
    • AI bermanfaat untuk pembelajaran, onboarding, dan fokus pada desain strategis, tetapi masih lemah dalam kolaborasi tim, berbagi kepemilikan kode, dan mencegah relay
    • Mengingat efek kolaboratif dari pair programming tradisional, penggantian total tidak direkomendasikan

  • Reverse ETL

    • Reverse ETL, yaitu memindahkan kembali data dari data warehouse ke sistem transaksional, semakin meningkat
    • Ini bermakna untuk tujuan migrasi sementara atau integrasi, tetapi jika digunakan berlebihan justru memperparah masalah arsitektur terpusat
    • Sejumlah vendor menyalahgunakannya untuk memusatkan business logic pada platform mereka sendiri
    • Karena dapat merusak kualitas dan fleksibilitas arsitektur jangka panjang, penerapannya harus dipertimbangkan dengan sangat hati-hati

  • SAFe™ (Scaled Agile Framework)

    • Banyak perusahaan masih mengadopsi SAFe™
    • Namun, proses bertahap yang terlalu distandardisasi dapat menyebabkan keterputusan antarbagian, pemborosan aliran nilai, dan menekan kreativitas
    • Otonomi tim dan budaya eksperimen menjadi terbatas, dan upaya menyelesaikan masalah perubahan organisasi yang kompleks dengan proses yang disederhanakan memiliki keterbatasan
    • Thoughtworks menanganinya melalui pelatihan internal dan konsultasi, tetapi menilai bahwa pendekatan berbasis Lean yang berfokus pada nilai serta program perubahan lebih efektif

Platform (Platforms)

Adopt (Direkomendasikan untuk diadopsi)

  • GitLab CI/CD

    • Sistem CI/CD yang terintegrasi penuh di dalam GitLab, mendukung seluruh siklus hidup pengembangan perangkat lunak mulai dari integrasi kode hingga pengujian, deployment, dan pemantauan
    • Cocok untuk workflow yang kompleks dengan pipeline multi-tahap, caching, eksekusi paralel, dan runner autoscaler
    • Dapat diandalkan bahkan di lingkungan dengan regulasi ketat berkat alat keamanan dan compliance bawaan (SAST, DAST, dll.)
    • Mendukung workflow cloud-native secara menyeluruh melalui integrasi dengan Kubernetes
    • Menyediakan log real-time, laporan pengujian, dan fitur pelacakan untuk memperkuat observabilitas

  • Trino

    • Mesin kueri SQL terdistribusi open-source yang dapat menjalankan kueri analitik interaktif pada data berskala besar
    • Berjalan optimal baik di lingkungan on-premises maupun cloud, dan dapat melakukan kueri langsung ke database relasional serta penyimpanan proprietari melalui berbagai connector
    • Juga mendukung format file dan tabel seperti Parquet dan Apache Iceberg
    • Melalui kemampuan federasi kueri, berbagai sumber data dapat diakses seolah-olah merupakan satu tabel logis
    • Juga digunakan sebagai teknologi inti di berbagai platform data komersial seperti AWS Athena dan Starburst, sehingga menjadi pilihan yang andal untuk beragam workload analitik

Trial (Uji coba)

  • ABsmartly

    • Platform yang mendukung A/B testing dan eksperimen yang cepat serta andal
    • Dengan mesin Group Sequential Testing(GST), pengujian dapat dilakukan hingga 80% lebih cepat dibanding pendekatan konvensional
    • Menyediakan laporan real-time, segmentasi data yang mendalam, dan kemampuan integrasi menyeluruh berbasis API
    • Dapat diterapkan secara luas untuk eksperimen pada web, mobile, microservice, hingga model ML
    • Efektif untuk mengoptimalkan pengalaman pengguna melalui pemendekan siklus iterasi dan analisis hasil otomatis

  • Dapr

    • Runtime aplikasi terdistribusi yang baru-baru ini memperluas fungsinya untuk mendukung penjadwalan tugas, virtual actor, penguatan keamanan, dan lainnya
    • Konfigurasi berfokus keamanan seperti mTLS dan image distroless telah diperkuat, dan berbagai building block baru terus ditambahkan
    • Sudah digunakan secara stabil oleh tim, dan perkembangan ke depannya juga menjanjikan

  • Grafana Alloy

    • Sebelumnya bernama Grafana Agent, merupakan alat open-source yang berperan sebagai OpenTelemetry Collector
    • Dirancang sebagai pengumpul telemetri terpadu yang dapat mengumpulkan log, metrik, dan trace sekaligus
    • Mendukung format OpenTelemetry, Prometheus, dan Datadog
    • Setelah penghentian Promtail, alat ini muncul sebagai pilihan kuat terutama untuk pengumpulan log

  • Grafana Loki

    • Sistem agregasi log berketersediaan tinggi yang dapat diskalakan secara horizontal, mengurangi biaya penyimpanan dan kompleksitas operasional dengan hanya mengindeks metadata
    • Menyimpan log berbasis block storage seperti S3, GCS, dan Azure Blob Storage
    • Terintegrasi dengan Grafana dan Grafana Alloy, serta menambahkan dukungan OpenTelemetry dan kemampuan multi-tenancy
    • Juga dilengkapi fitur pencegahan dampak tenant yang tidak terkendali (shuffle-sharding)

  • Grafana Tempo

    • Backend distributed tracing berperforma tinggi yang mendukung standar terbuka seperti OpenTelemetry
    • Disimpan dalam format kolumnar berbasis Apache Parquet sehingga memiliki performa kueri yang baik
    • Data tracing dapat dijelajahi melalui TraceQL dan CLI
    • Tim kami menggunakan Tempo dengan self-hosting di GKE bersama MinIO dan OpenTelemetry

  • Railway

    • Platform PaaS full-stack sebagai alternatif Heroku dan Vercel, mendukung mulai dari integrasi GitHub/Docker hingga deployment dan visibilitas operasional
    • Mendukung sebagian besar framework utama, database, dan deployment berbasis container
    • Meski perbandingan biaya tetap perlu dilakukan, platform ini memberikan pengalaman yang baik dari sisi deployment dan stabilitas operasional

  • Unblocked

    • Asisten tim AI yang terhubung dengan codebase, dokumentasi, project management, dan alat komunikasi
    • Menyediakan kemampuan menjawab pertanyaan tentang konsep bisnis dan teknis, desain arsitektur, serta proses operasional
    • Berguna untuk menavigasi sistem yang kompleks atau legacy, dan cocok untuk tim yang mengutamakan akses cepat ke informasi kontekstual
    • Untuk pembuatan kode atau otomatisasi, agen AI khusus lebih sesuai

  • Weights & Biases

    • Fitur yang berfokus pada LLM telah diperkuat, dengan penambahan platform Weave untuk evaluasi sistem, metrik kustom, dan penggunaan LLM sebagai evaluator
    • Efektif untuk pelacakan dan debugging kinerja sistem agen, pengumpulan umpan balik, dan tuning model
    • Cocok untuk optimasi performa di level lokal maupun global serta workflow pengembangan iteratif

Assess (Perlu dieksplorasi)

  • Arize Phoenix

    • Seiring meningkatnya aplikasi LLM dan aplikasi berbasis agen, pentingnya observabilitas LLM juga semakin besar
    • Arize Phoenix menyediakan fitur seperti pelacakan LLM, evaluasi, dan manajemen prompt, serta terintegrasi mulus dengan platform dan framework LLM utama
    • Analisis output, latensi, dan penggunaan token dapat dilakukan dengan pengaturan yang sederhana
    • Saat ini baru versi open-source yang digunakan, tetapi seluruh platform Arize menawarkan lebih banyak fitur dan layak untuk dieksplorasi

  • Chainloop

    • Platform keamanan software supply chain open-source yang membantu tim keamanan mendefinisikan kebijakan dan tim pengembang mematuhinya di pipeline CI/CD
    • Melalui CLI, platform ini mengumpulkan dan memverifikasi artefak keamanan seperti SBOM dan laporan kerentanan, lalu secara otomatis memeriksa kepatuhan terhadap kebijakan
    • Menggunakan Rego dari OPA sebagai bahasa kebijakan, dan dapat memverifikasi standar seperti format CycloneDX
    • Menyediakan lingkungan pengelolaan metadata setingkat SLSA level 3 melalui kepatuhan keamanan yang konsisten dan workflow yang dapat diaudit

  • DeepSeek R1

    • Seri model reasoning pertama dari DeepSeek yang memaksimalkan pemanfaatan hardware melalui MLA, gating MoE, pelatihan FP8, optimasi PTX, dan lainnya
    • DeepSeek-R1-Zero adalah model inovatif yang memperoleh kemampuan reasoning hanya melalui reinforcement learning sederhana
    • Semua model tersedia dalam bentuk open weights, dan DeepSeek-R1-Distill-Qwen-32B menunjukkan performa yang melampaui OpenAI o1-mini pada berbagai benchmark
    • Kode pelatihan dan data tidak dipublikasikan, tetapi berbagai model pra-latih telah disertakan dalam repositori

  • Deno

    • Platform buatan Ryan Dahl, pencipta Node.js, yang memperbaiki berbagai kelemahan Node.js seperti sandbox keamanan, manajemen dependensi, dan dukungan TypeScript native
    • Sejak Deno 2, platform ini menyediakan kompatibilitas dengan library Node.js dan npm sehingga hambatan migrasi menjadi lebih rendah dibanding sebelumnya
    • Standard library dan tooling juga diperkuat, sehingga cocok untuk pengembangan TypeScript sisi server
    • Saat memilih platform, sebaiknya tidak memilih Deno hanya dengan alasan menghindari penggunaan banyak bahasa

  • Graphiti

    • Membuat knowledge graph yang sadar waktu untuk melacak hubungan antar data yang terus berubah
    • Memproses data terstruktur/tidak terstruktur sebagai episode berbasis waktu, dan mendukung kueri yang menggabungkan waktu, teks, semantik, dan algoritme graf
    • Berkontribusi pada peningkatan akurasi pencarian informasi dalam aplikasi berbasis GraphRAG
    • Memungkinkan memori jangka panjang dan penalaran berbasis status dalam sistem LLM berbasis RAG dan agen

  • Helicone

    • Platform LLMOps berfokus open-source untuk pengelolaan biaya LLM, evaluasi ROI, dan mitigasi risiko
    • Mendukung seluruh siklus hidup LLM, termasuk eksperimen prompt, pemantauan, debugging, dan optimasi
    • Memungkinkan analisis pelacakan real-time atas biaya, tingkat pemanfaatan, performa, dan agent stack di berbagai penyedia LLM
    • Fiturnya kuat, tetapi karena masih platform tahap awal, pemanfaatan fitur lanjutan memerlukan tingkat keahlian tertentu
    • Hingga saat ini, pengalaman penggunaannya cenderung positif

  • Humanloop

    • Platform yang berfokus pada integrasi umpan balik manusia untuk membuat sistem AI lebih andal dan fleksibel
    • Menyediakan pelabelan, active learning, fine-tuning human-in-the-loop, serta alat evaluasi berbasis kebutuhan bisnis
    • Mencakup workspace bersama untuk kolaborasi, prompt dengan version control, dan integrasi CI/CD
    • Juga dilengkapi fitur observabilitas seperti tracing, logging, alert, dan guardrail
    • Cocok untuk membangun AI yang bertanggung jawab di lingkungan dengan regulasi ketat

  • Model Context Protocol (MCP)

    • Standar terbuka yang diusulkan oleh Anthropic, dirancang agar alat AI dapat dengan mudah memanfaatkan konteks dari sistem yang sudah ada
    • Menstandarkan integrasi antara AI dan informasi dari wiki, issue tracker, database, dan lainnya
    • Terdiri dari struktur server/klien MCP, dan umumnya dijalankan secara lokal sebagai proses Python atau Node
    • Saat ini masih berpusat pada pengguna teknis, dengan tantangan aksesibilitas, tata kelola, dan manajemen pembaruan bagi non-developer
    • Dalam jangka panjang, berpotensi besar berkembang menjadi ekosistem yang ramah pengguna

  • Open WebUI

    • Platform AI open source yang dapat di-self-host, dan bisa terhubung dengan berbagai model serta API (kompatibel OpenAI, OpenRouter, GroqCloud, dll.)
    • Dapat menjalankan model lokal atau model sendiri melalui Ollama, serta bisa digunakan di lingkungan offline
    • Menyediakan antarmuka chat berbasis dokumen dengan fitur RAG bawaan
    • Memungkinkan kontrol akses model dan fitur berdasarkan grup pengguna dengan RBAC
    • Fungsionalitas dapat diperluas melalui Functions berbasis Python, dan juga mencakup fitur evaluasi LLM
    • Dapat diskalakan secara fleksibel untuk penggunaan pribadi, kolaborasi tim, maupun platform kelas enterprise

  • pg_mooncake

    • Ekstensi PostgreSQL yang mendukung column store dan eksekusi tervectorisasi
    • Dapat menyimpan data dalam format Iceberg dan Delta Lake ke storage lokal atau yang kompatibel dengan S3
    • Dapat memuat data dari berbagai format seperti Parquet, CSV, dan dataset Hugging Face
    • Cocok untuk lingkungan yang membutuhkan analitik data berperforma tinggi tanpa harus mengadopsi storage kolumnar terpisah

  • Reasoning models

    • "Model penalaran (Reasoning Models)" yang menunjukkan performa setara manusia dalam matematika, coding, dan bidang serupa merupakan salah satu perkembangan AI yang paling banyak mendapat perhatian belakangan ini
    • Memiliki penguatan pada kemampuan seperti CoT (chain-of-thought), ToT (tree-of-thought), dan self-correction
    • Berbagai model telah muncul, termasuk OpenAI o1/o3, DeepSeek R1, dan Gemini 2.0 Flash Thinking
    • Juga disebut "slow AI" karena waktu respons yang lebih lambat dan konsumsi token yang tinggi
    • Lebih cocok untuk pemecahan masalah kompleks atau bidang STEM yang menuntut explainability daripada tugas sederhana

  • Restate

    • Platform eksekusi workflow durable yang mirip dengan Temporal, dikembangkan oleh para pencipta Apache Flink
    • Ditulis dalam Rust dan didistribusikan sebagai binary tunggal
    • Menjamin durabilitas data bahkan saat terjadi gangguan melalui algoritme virtual consensus berbasis Paxos yang fleksibel
    • Menyediakan SDK untuk Java, Go, Rust, dan TypeScript
    • Layak dipertimbangkan ketika transaksi terdistribusi tidak bisa dihindari

  • Supabase

    • Alternatif open source untuk Firebase yang mendukung pengembangan backend dengan skalabilitas dan keamanan
    • Berbasis PostgreSQL dan menyediakan berbagai fitur seperti autentikasi, subscription real-time, API, edge function, dan vector embedding
    • Saat melakukan prototyping atau pengembangan MVP, migrasi ke solusi SQL di tahap berikutnya juga mudah dilakukan

  • Synthesized

    • Platform untuk menghasilkan data uji yang realistis bagi lingkungan pengembangan dan pengujian
    • Dapat melakukan masking pada data yang ada atau menghasilkan synthetic data yang bermakna secara statistik
    • Bisa diintegrasikan ke build pipeline, serta mendukung anonimisasi irreversibel per atribut seperti hashing dan randomisasi
    • Juga dapat menghasilkan data dalam jumlah besar untuk pengujian performa, dengan fitur yang menonjol karena berfokus pada penyelesaian masalah nyata

  • Tonic.ai

    • Mirip dengan Synthesized, ini adalah platform untuk menghasilkan synthetic data realistis yang telah dideidentifikasi
    • Mendukung data terstruktur maupun tidak terstruktur, serta menjamin privasi dengan teknik differential privacy
    • Menyediakan deteksi dan penghapusan data sensitif otomatis, Ephemeral DB, serta fitur Tonic Textual untuk sistem RAG
    • Cocok untuk tim yang ingin sekaligus meningkatkan kecepatan engineering dan memenuhi persyaratan perlindungan data

  • turbopuffer

    • Search engine serverless multi-tenant yang mendukung pencarian vektor + full-text berbasis object storage
    • Dirancang dengan fokus pada durabilitas, skalabilitas, dan efisiensi biaya, dengan node kueri berarsitektur stateless
    • Menyediakan latensi rendah dengan cache hasil kueri cold di NVMe SSD, sementara data yang sering diakses disimpan di memori
    • Cocok untuk AI berbasis RAG dan pencarian dokumen skala besar, tetapi saat ini hanya tersedia melalui undangan

  • VectorChord

    • Modul ekstensi pencarian kemiripan vektor untuk PostgreSQL yang dikembangkan sebagai penerus pgvecto.rs
    • Kompatibel dengan tipe pgvector, serta menyediakan pencarian vektor cepat dan hemat komputasi melalui indexing IVF dan kuantisasi RaBitQ
    • Terintegrasi dengan ekosistem PostgreSQL sehingga pencarian vektor dan transaksi dapat dijalankan secara bersamaan
    • Meski masih pada tahap awal, layak dievaluasi sebagai alternatif untuk pencarian vektor berperforma tinggi

Hold (Disarankan ditunda)

  • Tyk hybrid API management
    • Struktur yang menggabungkan control plane terkelola dan data plane yang dikelola sendiri memberikan fleksibilitas untuk lingkungan multicloud atau hybrid cloud
    • Namun, muncul masalah kurangnya observabilitas, seperti insiden pada control plane berbasis AWS milik Tyk yang pertama kali terdeteksi secara internal, bukan oleh pihak Tyk
    • Dukungan berbasis tiket dinilai tidak cocok untuk situasi insiden mendesak, dan ada umpan balik bahwa kecepatan responsnya juga lambat
    • Tingkat kematangan dokumentasi resmi masih rendah, sehingga menyulitkan pemecahan masalah di lingkungan yang kompleks
    • Portal developer untuk enterprise juga memiliki masalah kurangnya kompatibilitas dengan versi sebelumnya dan keterbatasan kustomisasi
    • Khususnya untuk konfigurasi hybrid, adopsi perlu dilakukan dengan hati-hati dan kematangannya perlu terus dipantau

Alat (Tools)

Adopt (Direkomendasikan untuk diadopsi)

  • Renovate

    • Alat untuk mengotomatisasi pengelolaan versi dependensi, dan menjadi pilihan yang disukai banyak tim
    • Di GitHub, Dependabot digunakan sebagai opsi default, tetapi Renovate lebih komprehensif dan dapat dikustomisasi
    • Efektif jika dikonfigurasi untuk memantau dependensi tooling, infrastruktur, hingga repository internal/private
    • Untuk mengurangi kelelahan developer, auto-merge untuk PR dependensi juga bisa dipertimbangkan

  • uv

    • Alat generasi berikutnya untuk manajemen paket dan proyek Python yang ditulis dalam Rust, dengan keunggulan utama pada kecepatannya yang sangat tinggi
    • Menggabungkan berbagai alat Python yang sudah ada (Poetry, pyenv, pipx, dll.) menjadi satu, serta sangat meningkatkan kecepatan build dan test
    • Komunitas yang matang dan dukungan ekosistem jangka panjang tetap penting, tetapi saat ini ini adalah alat yang paling banyak direkomendasikan developer
    • Sangat cocok terutama bagi tim data yang ingin keluar dari sistem paket Python lama

  • Vite

    • Alat build frontend berperforma tinggi yang menyediakan hot reload cepat dan lingkungan pengembangan yang efisien
    • Diadopsi sebagai alat default di Vue, SvelteKit, React, dan lainnya, sementara Create React App beralih ke pendekatan yang berpusat pada Vite
    • Dengan dibentuknya organisasi khusus bernama VoidZero, keberlanjutan proyek dan potensi pengembangan jangka panjang semakin terjamin

Trial (Uji coba)

  • Claude Sonnet

    • Model bahasa canggih yang menunjukkan performa unggul di berbagai bidang seperti coding, penulisan, analisis, dan tugas berbasis gambar
    • Dapat diintegrasikan dengan browser, terminal, IDE utama, dan GitHub Copilot, serta mendukung interpretasi grafik dan ekstraksi teks dalam gambar
    • Melalui fitur "Artifacts" di UI browser, pengguna dapat berinteraksi dengan hasil pembuatan kode dan HTML
    • Versi 3.5 secara khusus menunjukkan peningkatan produktivitas yang tinggi dalam perancangan arsitektur maupun proyek kolaboratif
    • Claude 3.7 sudah dirilis, tetapi verifikasi penggunaan nyata masih berlangsung

  • Cline

    • Ekstensi open-source untuk VSCode yang merupakan alat kuat untuk mengimplementasikan software agent yang diawasi
    • Menyediakan fitur lanjutan seperti mode Plan & Act, integrasi MCP, dan pelacakan penggunaan token yang transparan
    • Menunjukkan kinerja unggul bersama Claude 3.5 Sonnet pada codebase berskala besar, otomatisasi pengujian tanpa browser, dan perbaikan bug otomatis
    • Meningkatkan privasi melalui penyimpanan data lokal dan memiliki potensi berkembang berkat komunitas open-source
    • Perlu mewaspadai biaya token dan pembatasan kecepatan permintaan API (rate limit), serta disarankan menggunakan penyedia API alternatif seperti OpenRouter

  • Cursor

    • Editor kode berfokus AI yang menawarkan kemampuan penyesuaian konteks tingkat lanjut dan pengalaman yang ramah pengguna
    • Dapat menghubungkan berbagai model dengan API key pengguna, serta mengintegrasikan git diff, percakapan sebelumnya, pencarian web, dokumentasi library, MCP, dan lainnya ke dalam konteks
    • Memungkinkan pemberian instruksi implementasi melalui antarmuka chat AI, lalu secara otomatis melakukan modifikasi file dan menjalankan perintah
    • Juga mencakup fitur deteksi dan perbaikan otomatis untuk error lint dan kompilasi

  • D2

    • Alat diagram-as-code open-source yang memungkinkan penulisan diagram melalui skrip berbasis teks
    • Menggunakan mesin layout seperti Mermaid dan menyediakan sintaks D2 yang sederhana serta deklaratif
    • Struktur sintaksnya mengutamakan keterbacaan sehingga cocok untuk dokumentasi software atau diagram arsitektur

  • Databricks Delta Live Tables (DLT)

    • Alat manajemen pipeline data deklaratif yang mendukung streaming real-time sekaligus pemrosesan batch
    • Menyederhanakan pekerjaan rekayasa data yang berulang seperti otomatisasi checkpoint sehingga mengurangi beban operasional
    • Optimasi performa dimungkinkan melalui materialized views
    • Namun, tabel dikelola per pipeline, dan karena streaming table memakai struktur append-only, desain perlu diperhatikan
    • Penghapusan pipeline DLT juga menghapus tabel dan data, sehingga menjadi faktor risiko operasional

  • JSON Crack

    • Ekstensi VSCode yang memvisualisasikan data teks seperti JSON, YAML, TOML, dan XML menjadi grafik interaktif
    • Berbeda dari Mermaid atau D2, ini digunakan sebagai alat visualisasi untuk eksplorasi data, dan fitur menyembunyikan node/cabang membuatnya berguna untuk menelusuri dataset
    • Tersedia juga alat berbasis web, tetapi ketergantungan pada layanan online perlu diperhatikan
    • Ada batas jumlah node, dan dataset yang lebih besar diarahkan ke versi komersial

  • MailSlurp

    • Layanan API untuk otomatisasi pengujian berbasis email dan SMS
    • Menyediakan fitur seperti pembuatan inbox dan nomor telepon sementara, verifikasi email, balasan otomatis, dan forwarding
    • Melalui REST API dan dashboard no-code, persiapan pengujian manual juga dapat dilakukan dengan mudah
    • Cocok untuk produk onboarding pelanggan dan pengembangan workflow pengujian

  • Metabase

    • Alat analitik dan business intelligence open-source yang memungkinkan pembuatan visualisasi, laporan, dan dashboard dari berbagai sumber data
    • Melalui SDK, dashboard interaktif dapat di-embed ke dalam aplikasi web
    • Mendukung database relasional maupun NoSQL, dengan beragam konektor resmi dan komunitas
    • Berguna sebagai alat BI ringan untuk mengelola dashboard dan laporan

  • NeMo Guardrails

    • Toolkit open-source dari NVIDIA untuk menerapkan guardrail keamanan pada aplikasi percakapan berbasis LLM
    • Menambahkan berbagai fitur integrasi seperti dukungan Colang 2.0, AutoAlign, dan Patronus Lynx
    • Mencakup microservice NIM untuk keamanan konten, kontrol topik, keamanan prompt, dan lainnya
    • Peningkatan performa juga dilakukan, termasuk dukungan untuk output LLM streaming
    • Dengan bertambahnya kasus penerapan di layanan nyata, statusnya dinaikkan ke Trial

  • Nyx

    • Alat otomatisasi semantic release yang independen dari bahasa dan platform
    • Sangat cocok untuk pengembangan trunk-based, serta mendukung berbagai workflow seperti Gitflow, OneFlow, dan GitHub Flow
    • Menyediakan pembuatan changelog otomatis berbasis Conventional Commits
    • Namun, strategi branch jangka panjang tetap perlu diperhatikan

  • OpenRewrite

    • Alat untuk mengotomatisasi refactoring skala besar, berguna untuk upgrade versi API atau pembaruan layanan berbasis template bersama
    • Selain Java, dukungan bahasa seperti JavaScript juga terus diperluas
    • Untuk perubahan yang terstruktur, alat ini lebih stabil dan efisien dibanding asisten kode AI
    • Juga menyediakan berbagai recipe (aturan transformasi) dan plugin build tool, semuanya didistribusikan sebagai open-source

  • Plerion

    • Platform keamanan cloud yang berpusat pada AWS, menyediakan kemampuan deteksi dan prioritisasi risiko di seluruh infrastruktur, server, dan aplikasi
    • Mirip dengan Wiz, platform ini membantu fokus pada “1% yang penting”
    • Meningkatkan visibilitas keamanan klien dan menegaskan pentingnya pemantauan keamanan secara proaktif

  • Software engineering agents

    • Coding agent yang sepenuhnya otonom masih belum praktis, tetapi mode agent yang diawasi di dalam IDE berkembang pesat
    • Developer memimpin implementasi melalui antarmuka chat, sementara AI menangani modifikasi banyak file, menjalankan pengujian, serta menangani error lint dan kompilasi
    • Disebut juga CHOP (Chat-Oriented Programming) atau Prompt-to-Code, dengan pembagian tanggung jawab yang lebih besar dibanding alat bantu autocomplete tradisional
    • Cursor, Cline, dan Windsurf memimpin tren ini, dengan kombinasi yang sangat baik bersama model seri Claude Sonnet
    • Dampak peningkatan produktivitas besar ketika ruang lingkup masalah dijaga kecil dan digunakan pada codebase yang terstruktur
    • Saat diterapkan pada kode produksi, perlu dibarengi prosedur peninjauan seperti pair programming

  • Tuple

    • Alat remote pair programming yang berawal sebagai alternatif Screenhero milik Slack
    • Kini mendukung Windows, memperkuat pengaturan privasi, dan menambahkan fitur menyembunyikan jendela aplikasi tertentu
    • Peningkatan UI juga memungkinkan kolaborasi pada konten di luar IDE
    • Karena pihak remote dapat mengakses seluruh desktop, ada kekhawatiran keamanan → sebelum penggunaan, disarankan mengatur privasi dan memberikan edukasi kepada tim
    • Praktis sebagai alat pairing jarak jauh berkat UX yang intuitif dan latensi rendah

  • Turborepo

    • Alat optimasi build untuk monorepo JavaScript/TypeScript skala besar, meningkatkan kecepatan build melalui analisis dependensi, caching, dan eksekusi paralel
    • Berbeda dari Nx, alat ini mengizinkan package.json per proyek sehingga memungkinkan sementara penggunaan beberapa versi dependensi
    • Ini dapat berguna saat bermigrasi dari multi-repo ke monorepo
    • Konfigurasinya sederhana dan menunjukkan performa stabil bahkan pada proyek berskala besar

Assess (perlu dieksplorasi)

  • AnythingLLM

    • Aplikasi desktop open-source yang memungkinkan interaksi dengan dokumen atau konten berukuran besar, serta terintegrasi dengan berbagai LLM dan vector database
    • Juga kompatibel dengan model open-weight berbasis Ollama, dan model embedding dapat dikonfigurasi dengan pendekatan plugin
    • Selain RAG, berbagai skill dapat disusun sebagai agent untuk menjalankan workflow kustom
    • Mengelola dokumen dan riwayat percakapan per workspace, dan belakangan juga dapat diterapkan sebagai aplikasi web multi-pengguna
    • Juga dimanfaatkan secara berguna sebagai alat lokal untuk asisten pribadi

  • Gemma Scope

    • Alat interpretability mekanistik untuk memahami cara kerja internal LLM, yang dapat menganalisis keluarga model terbuka Gemma2
    • Membantu mengidentifikasi dan men-debug penyebab hallucination, bias, dan output abnormal
    • Pentingnya alat ini meningkat bukan hanya bagi peneliti, tetapi juga karena pelatihan model sendiri makin menjadi pilihan realistis bagi perusahaan

  • Hurl

    • Alat yang memungkinkan pendefinisian dan eksekusi rangkaian permintaan HTTP melalui file teks sederhana, berguna untuk otomatisasi dan pengujian
    • Menyediakan fitur seperti pemeriksaan status code, header/body respons, ekstraksi data, dan penggunaan variabel
    • Dapat menghasilkan laporan dalam format HTML/JSON, dan definisi pengujian dapat disertakan dalam code repository
    • Cocok saat membutuhkan alat pengujian API yang lebih ringan dan sederhana dibanding alat GUI seperti Postman atau Bruno

  • Jujutsu

    • Sistem kontrol versi terdistribusi yang menggunakan Git sebagai backend, sambil menawarkan alur kerja sendiri dan kegunaan yang ditingkatkan
    • Kompatibel dengan server dan layanan Git, serta menyediakan branching dan penyelesaian konflik yang lebih sederhana dan intuitif
    • Ditujukan untuk pemula maupun pengguna tingkat lanjut, dengan UX yang intuitif dan kuat sebagai ciri utamanya
    • Secara khusus, kemampuan penyelesaian konfliknya yang sangat baik mendapatkan penilaian tinggi

  • kubenetmon

    • Alat pemantauan lalu lintas jaringan Kubernetes yang dirilis sebagai open source oleh ClickHouse
    • Memungkinkan pengukuran detail atas volume transfer data dan biayanya di lingkungan multi-cloud
    • Layak dipertimbangkan jika Anda menghadapi biaya transfer data tak terduga pada infrastruktur berbasis Kubernetes

  • Mergiraf

    • Driver merge Git yang menyelesaikan konflik penggabungan berdasarkan abstract syntax tree (AST) kode
    • Efektif untuk menangani konflik merge yang menjadi kompleks akibat riwayat perubahan yang panjang atau kode hasil generasi AI
    • Bekerja lebih presisi dibanding metode merge berbasis baris bawaan Git, dan juga bisa diterapkan pada auto-merge serta cherry-pick
    • Dapat berguna bagi tim yang menggunakan alur kerja Git kompleks seperti long-lived feature branch

  • ModernBERT

    • Seri model NLP generasi berikutnya berbasis transformer khusus encoder sebagai penerus BERT
    • Mengatasi keterbatasan panjang konteks melalui Alternating Attention, dengan akurasi dan performa yang meningkat dibanding BERT sebelumnya
    • Layak diprioritaskan untuk dipertimbangkan ketika dibutuhkan model khusus NLP alih-alih model generatif serbaguna

  • OpenRouter

    • Platform yang menyatukan berbagai penyedia LLM ke dalam satu API untuk membantu eksperimen dan optimasi biaya
    • Dapat merutekan ke berbagai model seperti Claude, OpenAI, dan Mistral, serta menyediakan fitur untuk mengatasi batas laju permintaan API
    • Namun, karena struktur ini menambahkan margin harga, sebaiknya dipertimbangkan hanya bila perpindahan antar banyak model benar-benar diperlukan

  • Redactive

    • Platform enterprise yang mendukung pembangunan asisten AI berbasis RAG secara aman di lingkungan yang teregulasi
    • Terintegrasi dengan Confluence dan lainnya untuk membuat indeks berbasis dokumen, serta mencerminkan hak akses pengguna secara real time
    • Menjamin bahwa hanya informasi yang diizinkan yang terekspos ke model, sambil menjaga keseimbangan antara keamanan dan aksesibilitas

  • System Initiative

    • Alat DevOps eksperimental yang berbeda dari pendekatan infrastructure-as-code tradisional, dan baru-baru ini dirilis sebagai open source (Apache 2.0)
    • Sudah digunakan di lingkungan komersial, tetapi masih memerlukan waktu sebelum siap diskalakan ke tingkat perusahaan besar
    • Layak dicoba jika Anda ingin merasakan pendekatan yang berbeda dari alat DevOps yang ada

  • TabPFN

    • Model klasifikasi berbasis transformer yang dioptimalkan untuk dataset tabular berukuran kecil
    • Model pra-latihnya telah digeneralisasi berdasarkan jutaan dataset sintetis
    • Memberikan hasil yang cepat dan akurat tanpa tuning hyperparameter, serta tangguh terhadap missing value dan outlier
    • Tidak cocok untuk dataset berskala besar atau masalah regresi

  • v0 (by Vercel)

    • Alat AI yang menghasilkan kode frontend berdasarkan screenshot, desain Figma, dan prompt
    • Mendukung berbagai framework seperti React, Vue, Tailwind, dan shadcn, serta memungkinkan kode hasil generasi langsung dideploy
    • Meski memiliki keterbatasan untuk implementasi aplikasi kompleks secara menyeluruh, alat ini berguna untuk membuat prototipe awal atau menyiapkan titik awal UI

  • Windsurf

    • Asisten coding AI yang dikembangkan oleh Codeium, menawarkan pengalaman implementasi berbasis agen yang mirip dengan Cursor dan Cline
    • Kemampuan eksekusinya diperluas melalui penelusuran DOM browser, akses konsol, pencarian web, dan lainnya
    • Mendukung berbagai model, serta memiliki kemampuan penyediaan konteks yang kuat seperti MCP dan referensi dokumentasi

  • YOLO (You Only Look Once)

    • Model ringan berperforma tinggi yang dapat digunakan untuk berbagai tugas computer vision seperti klasifikasi gambar real time, deteksi objek, estimasi pose, dan segmentasi
    • Versi terbaru, YOLO11, menghadirkan peningkatan lebih lanjut dalam presisi dan efisiensi pemrosesan sehingga dapat digunakan juga pada edge device
    • Mengingatkan bahwa untuk tugas visi tertentu, model CV tradisional bisa lebih cocok daripada LLM

Bahasa dan Framework

Adopt (Direkomendasikan untuk diadopsi)

  • OpenTelemetry

    • Dengan cepat memantapkan diri sebagai standar industri untuk observability
    • Dengan spesifikasi OTLP(OpenTelemetry Protocol), data trace, metric, dan log dapat diproses dalam format standar
    • Mengurangi ketergantungan pada vendor dan terintegrasi dengan alat utama seperti Datadog, New Relic, dan Grafana
    • Dukungan kompresi gzip dan zstd membuatnya efisien untuk transfer data berskala besar, serta cocok untuk lingkungan microservices
    • Dengan perluasan dukungan log dan profiling, observasi seluruh stack menjadi semakin mudah

  • React Hook Form

    • Alternatif untuk Formik yang menawarkan performa tinggi dengan menggunakan komponen uncontrolled secara default
    • Mudah diintegrasikan dengan library validasi berbasis skema seperti Yup dan Zod
    • Juga terintegrasi dengan baik dengan codebase yang sudah ada maupun library komponen eksternal seperti shadcn dan AntD
    • Pilihan yang stabil dan fleksibel untuk pengembangan form berskala besar atau aplikasi yang berpusat pada form

Trial (Uji coba)

  • Effect

    • Library functional programming berbasis TypeScript yang menyederhanakan implementasi program asinkron maupun sinkron
    • Dapat menangani logika kompleks seperti state management, penanganan error, dan concurrency dengan type safety
    • Menawarkan komposabilitas dan kemudahan pengujian yang lebih baik dibanding pendekatan Promise, async/await, dan try/catch yang ada
    • Menyediakan abstraksi yang lebih cocok untuk pekerjaan pengembangan sehari-hari dibanding fp-ts yang sebelumnya digunakan

  • Hasura GraphQL Engine

    • Menyediakan API GraphQL real time untuk berbagai sumber data seperti PostgreSQL, MongoDB, dan ClickHouse
    • Digunakan secara efektif dalam proyek produk data untuk integrasi resource sisi server dan pembangunan API yang cepat
    • Fitur Federated Query dan manajemen skema terintegrasi sangat kuat, tetapi perlu digunakan dengan hati-hati
    • Fitur PromptQL yang baru ditambahkan menyediakan kemampuan kueri data berbasis bahasa alami dengan memanfaatkan LLM

  • LangGraph

    • Framework orkestrasi berbasis graf untuk aplikasi multi-agen dengan stateful berbasis LLM
    • Menyediakan kontrol tingkat rendah (node dan edge) dibanding LangChain sehingga alur kerja dapat dikustomisasi
    • Unggul dalam manajemen state yang dapat diprediksi, debugging, pemeliharaan, dan skalabilitas
    • Meski kurva belajarnya agak tinggi, framework ini kuat dari sisi ringan dan modularitas

  • MarkItDown

    • Alat CLI yang mengonversi dokumen seperti PDF, HTML, Word, dan PowerPoint ke Markdown
    • Memanfaatkan karakteristik struktural Markdown untuk meningkatkan akurasi pemrosesan dokumen oleh LLM dan pemahaman konteks
    • Jika digunakan untuk prapemrosesan dokumen dalam sistem RAG, alat ini dapat sangat meningkatkan kejelasan respons pencarian
    • Alat yang berguna untuk meningkatkan produktivitas developer, dan juga sering digunakan untuk dokumentasi

  • Module Federation

    • Menyediakan kemampuan berbagi modul antar micro frontend dan menghilangkan duplikasi dependensi
    • Sejak versi 2.0, dapat bekerja secara independen dari Webpack dan mendukung Rspack, Vite, React, Angular, dan lainnya
    • Dapat menyusun aplikasi web besar agar tim yang independen bisa mengembangkan, mendeploy, dan menskalakannya masing-masing

  • Prisma ORM

    • Toolkit database open source untuk aplikasi Node.js dan TypeScript
    • Memungkinkan definisi model data dengan objek sederhana tanpa decorator atau class, serta menawarkan type safety dan portabilitas yang sangat baik
    • Menyediakan fitur migrasi otomatis dan API kueri yang intuitif
    • Juga cocok dengan paradigma functional programming dan dioptimalkan untuk lingkungan pengembangan TypeScript

Assess (Perlu dieksplorasi)

  • .NET Aspire

    • Alat berbasis .NET yang menyederhanakan orkestrasi aplikasi terdistribusi di lingkungan pengembangan lokal
    • Dapat menjalankan beberapa proyek .NET, database, container Docker, dan lainnya dengan satu perintah
    • Menyediakan alat observasi khusus lokal seperti logging, tracing, dan dashboard metric, sehingga efektif untuk meningkatkan debugging dan developer experience

  • Android XR SDK

    • Sistem operasi Android dan SDK khusus headset XR yang dibuat Google bersama Samsung dan Qualcomm
    • Mendukung sebagian besar aplikasi Android dengan modifikasi minimal, dan cocok untuk aplikasi komputasi spasial baru
    • Saat ini masih berstatus developer preview dan diposisikan sebagai SDK standar untuk pengembangan aplikasi spasial

  • Browser Use

    • Library Python open-source yang memungkinkan agen AI berbasis LLM mengendalikan browser web
    • Dibangun di atas Playwright, dan dapat mengotomatiskan navigasi, input, ekstraksi teks, dan lainnya
    • Mendukung kontrol multi-tab serta tugas koordinasi antar web app, sehingga berguna dalam workflow multi-agen

  • CrewAI

    • Platform manajemen dan orkestrasi agen yang menggabungkan beberapa agen untuk menangani tugas kompleks
    • Selain library Python, versi enterprise juga dapat terintegrasi dengan sistem eksternal seperti SharePoint dan JIRA
    • Diterapkan pada tantangan bisnis nyata seperti validasi kode promosi, investigasi kegagalan transaksi, dan otomatisasi dukungan pelanggan
    • Layak dieksplorasi jika Anda tertarik membangun sistem berbasis agen

  • ElysiaJS

    • Framework web TypeScript type-safe yang dioptimalkan untuk runtime Bun, dan memungkinkan perancangan API bergaya RESTful dan OpenAPI
    • Tidak memaksakan struktur API seperti tRPC, serta menawarkan performa tinggi dan type safety sekaligus
    • Cocok untuk membangun BFF (Backend-for-Frontend) dan menargetkan performa setara Java atau Go

  • FastGraphRAG

    • Implementasi GraphRAG berperforma tinggi yang meningkatkan akurasi dan performa dengan menelusuri hanya node yang relevan melalui Personalized PageRank
    • Menyediakan dukungan visualisasi dan pembaruan inkremental, sehingga cocok untuk dataset dinamis berskala besar
    • Solusi GraphRAG yang dapat sekaligus meningkatkan kualitas respons LLM dan menghemat sumber daya

  • Gleam

    • Bahasa fungsional bertipe statis berbasis Erlang/OTP yang mengurangi runtime error dan meningkatkan maintainability
    • Mempertahankan sintaks modern dan kompatibilitas dengan ekosistem BEAM (Erlang, Elixir)
    • Cocok untuk tim yang membutuhkan type safety lebih baik daripada Erlang tradisional dalam sistem yang memerlukan konkurensi tinggi, stabilitas, dan skalabilitas

Assess (perlu dieksplorasi)

  • GoFr

    • Framework microservices berbasis Golang yang secara bawaan mendukung logging, tracing, metrics, manajemen konfigurasi, dokumentasi Swagger, dan lainnya
    • Mencakup integrasi dengan berbagai database serta pub/sub berbasis Kafka dan NATS, juga fitur penjadwalan tugas cron
    • Alat berfokus produktivitas yang membantu mengurangi pekerjaan berulang dan memungkinkan fokus pada implementasi logika bisnis

  • Java Post-Quantum Cryptography

    • Teknologi kriptografi untuk menghadapi era komputer kuantum, dengan dukungan awal melalui JEP 496/497 di JDK 24
    • Mengimplementasikan algoritma kriptografi berbasis lattice (KEM, tanda tangan digital), dan cocok untuk melindungi data yang membutuhkan keamanan jangka panjang
    • liboqs dari Open Quantum Safe juga tersedia, tetapi implementasi native Java dinilai sebagai kemajuan penting

  • Presidio

    • SDK perlindungan data untuk mengidentifikasi dan menganonimkan informasi sensitif dalam teks terstruktur maupun tidak terstruktur
    • Mengidentifikasi item PII (nomor kartu kredit, nama, lokasi, dan lain-lain) dengan pendekatan berbasis aturan, regex, dan NER
    • Sangat dapat dikustomisasi, tetapi karena deteksi sempurna tidak dijamin, hasilnya perlu ditafsirkan dengan hati-hati

  • PydanticAI

    • Framework untuk membangun aplikasi berbasis LLM dan agen yang dikembangkan oleh tim pembuat Pydantic
    • Bertujuan meminimalkan kompleksitas, serta menyediakan penanganan output terstruktur, integrasi API model utama, dan workflow berbasis graf
    • Cocok bagi pengembang yang ingin menghindari abstraksi berlebihan dan lebih menyukai struktur yang praktis serta ringan

  • Swift for Resource-Constrained Applications

    • Sejak Swift 6.0, dukungan untuk berbagai sistem operasi semakin diperkuat, sehingga peluang penggunaan di lingkungan dengan sumber daya terbatas meningkat
    • Menawarkan keseimbangan antara performa dan stabilitas melalui type safety yang kuat dan manajemen memori berbasis ARC
    • Lebih mudah diakses daripada Rust, tetapi masih belum memadai untuk memenuhi standar sertifikasi keselamatan (seperti MISRA), sehingga ada keterbatasan di lingkungan dengan tuntutan keandalan tinggi

  • Tamagui

    • Library UI yang mengoptimalkan berbagi style antara React Web dan React Native
    • Menyediakan design system dan compiler yang dioptimalkan; di web dirender sebagai atomic CSS, sedangkan di native sebagai hoisted style
    • Berguna saat menginginkan style yang konsisten dan optimasi performa dalam pengembangan UI lintas platform

  • torchtune

    • Library berbasis PyTorch untuk LLM yang mendukung post-training, fine-tuning, eksperimen inferensi, dan lainnya
    • Mendukung pelatihan terdistribusi berbasis FSDP2 serta lingkungan GPU tunggal maupun multi-GPU
    • Dengan recipe berbasis YAML, eksperimen dapat dilakukan secara intuitif tanpa konfigurasi rumit, dan model download serta eksekusi eksperimen dapat ditangani dengan mudah melalui CLI

Hold (disarankan ditunda)

  • Node overload
    • Fenomena Node.js yang dipilih secara berlebihan masih menjadi masalah, dengan banyak kasus penggunaan tanpa mempertimbangkan alternatif
    • Meski tetap efisien untuk tugas yang berpusat pada IO, Node.js tidak cocok untuk pekerjaan yang intensif komputasi atau sarat data
    • Dengan meningkatnya workload yang berpusat pada data belakangan ini, keterbatasan Node.js menjadi semakin jelas
    • Preferensi terhadap stack satu bahasa dapat dipahami, tetapi kami tetap merekomendasikan pendekatan multi-bahasa (polyglot)
    • Kini semakin banyak framework alternatif yang menawarkan API dan performa lebih baik, sehingga penggunaan Node.js perlu dipertimbangkan secara hati-hati

Bacaan terkait