Thoughtworks Technology Radar《技术雷达》突显生成式AI的影响以及塑造当今软件开发与交付的关键因素

芝加哥--(美国商业资讯)--融合战略、设计与工程以推动数字化创新的全球技术咨询公司Thoughtworks今日发布了第32版《技术雷达》。这份半年刊报告基于Thoughtworks在解决客户最复杂业务挑战方面的一线经验编写而成。

最新版的Thoughtworks 《技术雷达》全面概述了不断发展变化的技术世界。虽然这一版本深入探讨了生成式AI的重大影响，但该报告仍聚焦于那些塑造我们构建和交付软件方式的各类技术、工具和技巧。关键主题包括AI的实际应用、可观测性实践的现代化，以及数据管理在现代系统中的极端重要性。

Thoughtworks首席技术官Rachel Laycock表示：“Thoughtworks 《技术雷达》一直是对于塑造我们行业的各项技术的指南。这一版本特别具有洞察力，突显了在围绕生成式AI的热情与务实的采用方法之间取得平衡的必要性。我们还强调了软件交付的基础要素，比如数据产品思维和不断演进的可观测性，这些对于构建有弹性且高效的系统至关重要。”

第32版《技术雷达》再次涵盖了100多个亮点，重点介绍了各种各样的工具、技巧、平台、编程语言以及框架。与此同时，有四个主题反映了在编制Radar报告过程中出现的关键内容：

编码助手中的受监督智能体：AI编码助手越来越能够直接在集成开发环境(IDE)中推动代码实现，浏览和修改代码，甚至修复错误。虽然这些工具在简化开发流程方面展现出了潜力，但建议保持谨慎，避免对AI生成的代码产生自满情绪，要强调持续进行人工监督的必要性。重点依然是采用受监督的方式，即由开发人员指导和监督AI智能体的操作。
不断演进的可观测性：在分布式架构日益复杂的推动下，可观测性领域正在迅速发展。人们越来越关注用于监测AI性能的大语言模型(LLM)可观测性工具，并且越来越多地采用OpenTelemetry来实现标准化的可观测性。这种演进表明行业对可观测性重要性的认识在不断加深。
检索增强生成(RAG)中的检索(R)：检索增强生成(RAG)中的检索环节是一个关键的发展领域，专注于定制LLM提示词，以生成相关且有用的回复。诸如校正型RAG、融合型RAG和自适型RAG等新技术正在涌现，以增强检索效果并优化LLM输出。这突显了生成式AI生态系统中有效检索方法的快速发展。
驾驭数据前沿：数据管理的重点正从单纯关注数据量转向处理丰富而复杂的数据。确保数据得到有效管理和打包，对于在AI应用和分析中利用数据至关重要。这一主题还强调了“数据产品思维”的重要性，倡导将产品管理原则应用于数据资产，以提高数据的可用性和价值。

敬请访问www.thoughtworks.com/radar，探索《技术雷达》报告的交互式版本，或下载PDF版本。

辅助资源：