Thoughtworks Technology Radar, Volume 29 được công bố

Các xu hướng mới nhất trong các lĩnh vực kỹ thuật/công cụ/nền tảng/ngôn ngữ lập trình và framework được trực quan hóa và giải thích theo 4 giai đoạn Hold/Assess/Trial/Adopt

Phát triển phần mềm có hỗ trợ AI

• Các LLM mã nguồn mở dành cho lập trình sẽ làm rung chuyển môi trường công cụ phát triển
• Ngoài lập trình, chúng còn có tiềm năng lớn trong việc hỗ trợ viết user story, nghiên cứu người dùng, elevator pitch và các công việc liên quan đến ngôn ngữ khác
• Đồng thời, nhà phát triển phải sử dụng tất cả các công cụ này một cách có trách nhiệm và cần cảnh giác với những vấn đề như package hallucinations

Đo lường năng suất thực sự năng suất đến mức nào?

• Phát triển phần mềm đôi khi có thể trông như ma thuật đối với những người không phải chuyên gia kỹ thuật, khiến các nhà quản lý cố gắng đo lường mức độ làm việc hiệu quả của lập trình viên
• Martin Fowler đã viết bài "Không thể đo lường năng suất" vào năm 2003
• Cho đến nay, các chỉ số thay thế cho Activity trong framework SPACE (Satisfaction and well-being, Performance, Activity, Communication and collaboration, Efficiency and flow), như số lượng pull request hay số issue đã giải quyết, vẫn không thực sự tốt
• Thay vào đó, ngành đang bắt đầu tập trung vào "engineering effectiveness" với quan điểm rằng thay vì đo năng suất, cần "đo những yếu tố đóng góp hoặc cản trở dòng chảy"
• Thay vì tập trung vào hoạt động của từng cá nhân, cần chú ý đến nguyên nhân gây lãng phí trong hệ thống và các điều kiện có thể chứng minh bằng thực nghiệm rằng chúng ảnh hưởng đến nhận thức về "năng suất" của nhà phát triển
• Các công cụ mới như DX DevEx 360 giải quyết vấn đề này bằng cách tập trung vào trải nghiệm nhà phát triển thay vì đo các đầu ra cụ thể
• Tuy nhiên, nhiều lãnh đạo vẫn đang nhắc đến "năng suất" của nhà phát triển theo cách mơ hồ và định tính
• Ít nhất một phần của sự hồi sinh mối quan tâm này được cho là liên quan đến tác động của phát triển phần mềm có hỗ trợ AI, đặt ra câu hỏi: "Nó có đang tạo ra tác động tích cực không?"
• Việc đo lường năng suất thực tế vẫn còn khó khăn

Rất nhiều LLM

• LLM (mô hình ngôn ngữ lớn) tạo nền tảng cho nhiều đổi mới hiện đại của AI
• Hiện nay, nhiều thử nghiệm bao gồm việc cung cấp giao diện người dùng kiểu trò chuyện như ChatGPT hoặc Bard
• Nói rộng ra, LLM là công cụ có thể giải quyết nhiều vấn đề, từ tạo nội dung (văn bản, hình ảnh và video) đến sinh mã, tóm tắt và dịch thuật
• Những mô hình này sử dụng "ngôn ngữ tự nhiên" như một lớp trừu tượng cực kỳ mạnh, mang lại bộ công cụ hấp dẫn phổ quát nên đang được nhiều lao động tri thức sử dụng
• Đang có nhiều thảo luận về các khía cạnh khác nhau của LLM, bao gồm cả self-hosting để có khả năng tùy biến và kiểm soát mạnh hơn so với LLM được lưu trữ trên đám mây
• Khi độ phức tạp của LLM tăng lên, chúng tôi xem xét khả năng lượng tử hóa và chạy LLM ở dạng kích thước nhỏ hơn, đặc biệt trên thiết bị biên và trong các môi trường hạn chế
• Chúng tôi cũng xem xét "ReAct Prompting" hứa hẹn cải thiện hiệu năng, cùng với các autonomous agent dựa trên LLM có thể dùng để xây dựng ứng dụng động vượt ra ngoài tương tác hỏi đáp
• Cũng đề cập đến một số cơ sở dữ liệu vector đang hồi sinh nhờ LLM, bao gồm Pinecone
• Các chức năng cốt lõi của LLM, bao gồm khả năng chuyên biệt hóa và self-hosting, đang tiếp tục tăng trưởng bùng nổ

Các workaround cho remote delivery đã trưởng thành hơn

• Các nhóm phát triển phần mềm từ xa đã sử dụng công nghệ trong nhiều năm để vượt qua ràng buộc địa lý, nhưng tác động của đại dịch đã thúc đẩy đổi mới trong lĩnh vực này, khiến làm việc hoàn toàn từ xa hoặc hybrid trở thành xu hướng bền vững
• Trong Radar lần này, nội dung thảo luận xoay quanh việc các phương thức và công cụ phát triển phần mềm từ xa đã trưởng thành ra sao, cũng như cách các nhóm tiếp tục mở rộng ranh giới với trọng tâm là cộng tác hiệu quả trong môi trường ngày càng phân tán và năng động hơn bao giờ hết
• Một số nhóm tiếp tục đưa ra các giải pháp sáng tạo bằng cách sử dụng các công cụ cộng tác mới
• Một số khác tiếp tục điều chỉnh và cải tiến các thực hành gặp mặt trực tiếp hiện có cho những hoạt động như pair programming thời gian thực hoặc mob programming, workshop phân tán (ví dụ: remote event storming). Cả bất đồng bộ và đồng bộ đều khả thi
• Làm việc từ xa mang lại nhiều lợi ích (bao gồm cả nguồn nhân tài đa dạng hơn), nhưng giá trị của tương tác trực tiếp là rất rõ ràng
• Các nhóm không được để mất đi những vòng phản hồi quan trọng và cần nhận thức được những đánh đổi phát sinh khi chuyển sang thiết lập làm việc từ xa

[Techiniques]

Adopt

1. Design systems
2. Lightweight approach to RFCs

Trial

3. Accessibility-aware component test design
4. Attack path analysis
5. Automatic merging of dependency update PRs
6. Data product thinking for FAIR data
7. OIDC for GitHub Actions
8. Provision monitors and alerts with Terraform
9. ReAct prompting
10. Retrieval-Augmented Generation (RAG)
11. Risk-based failure modeling
12. Semi-structured natural language for LLMs
13. Tracking health over debt
14. Unit testing for alerting rules
15. Zero trust security for CI/CD Assess
16. Dependency health checks to counter package hallucinations
17. Design system decision records
18. GitOps
19. LLM-powered autonomous agents
20. Platform orchestration
21. Self-hosted LLMs

Hold

22. Ignoring OWASP Top 10 lists
23. Web components for server-siderendered (SSR) web apps

[Platforms]

Adopt

24. Colima

Trial

25. CloudEvents
26. DataOps.live
27. Google Cloud Vertex AI
28. Immuta
29. Lokalise
30. Orca
31. Trino
32. Wiz

Assess

33. ActivityPub
34. Azure Container Apps
35. Azure OpenAI Service
36. ChatGLM
37. Chroma
38. Kraftful
39. pgvector
40. Pinecone
41. wazero

[Tools]

Adopt

42. dbt
43. Mermaid
44. Ruff
45. Snyk

Trial

46. AWS Control Tower
47. Bloc
48. cdk-nag
49. Checkov
50. Chromatic
51. Cilium
52. Cloud Carbon Footprint
53. Container Structure Tests
54. Devbox
55. DX DevEx 360
56. GitHub Copilot
57. Insomnia
58. IntelliJ HTTP Client plugin
59. KEDA
60. Kubeconform
61. mob
62. MobSF
63. Mocks Server
64. Prisma runtime defense
65. Terratest
66. Thanos
67. Yalc

Assess

68. ChatGPT
69. Codeium
70. GitHub merge queue
71. Google Bard
72. Google Cloud Workstations
73. Gradio
74. KWOK
75. Llama 2
76. Maestro
77. Open-source LLMs for coding
78. OpenCost
79. OpenRewrite
80. OrbStack
81. Pixie
82. Tabnine

[Languages and Frameworks]

Adopt

83. Playwright

Trial

84. .NET Minimal API
85. Ajv
86. Armeria
87. AWS SAM
88. Dart
89. fast-check
90. Kotlin with Spring
91. Mockery
92. Netflix DGS
93. OpenTelemetry
94. Polars
95. Pushpin
96. Snowpark

Assess

97. Baseline Profiles
98. GGML
99. GPTCache
100. Grammatical Inflection API
101. htmx
102. Kotlin Kover
103. LangChain
104. LlamaIndex
105. promptfoo
106. Semantic Kernel
107. Spring Modulith

[xguru]

Thoughtworks Technology Radar, Volume 28 được công bố
Số 27 của Thoughtworks Technology Radar được phát hành
Thoughtworks Technology Radar số 26 (PDF 39 trang)
Số 23 của ThoughtWorks Technology Radar được phát hành
ThoughtWorks Technology Radar số 22 [PDF 32 trang]
Tin tức công nghệ do ThoughtWorks phát hành mỗi 6 tháng - Radar Vol.21