O ºÚÁÏÃÅ Technology Radar ¨¦ um panorama semestral de ferramentas, t¨¦cnicas, plataformas, linguagens e frameworks. Essa ferramenta de compartilhamento de conhecimento ¨¦ baseada na experi¨ºncia de nossas equipes globais e destaca coisas que voc¨º pode querer explorar em seus projetos.
?
Cada insight que compartilhamos ¨¦ representado por um ponto. Os pontos podem ser novos no Radar mais recente, ou podem mudar de anel conforme nossa recomenda??o muda.
?
Os an¨¦is s?o:
- Adote. Pontos que achamos que voc¨º deve considerar seriamente usar.
- Experimente. Coisas que achamos que est?o prontas para uso, mas n?o t?o comprovadas quanto as do anel Adote.
- Avalie. Coisas para observar atentamente, mas n?o necessariamente experimentar ainda - a menos que voc¨º ache que seja um encaixe particularmente bom para voc¨º.
- Mantenha-se cauteloso. Proceda com cautela.
?
Explore a vers?o interativa por quadrante ou baixe o PDF para ler o Radar completo. Se quiser saber mais sobre o Radar, como us¨¢-lo ou como ele ¨¦ constru¨ªdo, consulte as?Perguntas Frequentes (FAQ).
?
Temas para este volume
?
Em cada volume do Radar Tecnol¨®gico, buscamos padr?es emergentes nos pontos que discutimos. Esses padr?es formam a base de nossos temas.
Antipadr?es em assist¨ºncia de codifica??o
Para a surpresa de ningu¨¦m, IA generativa e LLMs dominaram nossas conversas nesta edi??o do Radar, incluindo padr?es emergentes em torno do seu uso por desenvolvedoras. Padr?es inevitavelmente levam a antipadr?es ¡ª situa??es contextualizadas que as pessoas desenvolvedoras devem evitar. N¨®s identificamos alguns antipadr?es come?ando a aparecer no espa?o hiperativo da IA, incluindo a no??o equivocada de que humanos podem substituir totalmente a programa??o em pares pela IA como companheira a depend¨ºncia excessiva em sugest?es de assist¨ºncia de codifica??o, problemas de qualidade com c¨®digos gerados e taxas de crescimento aceleradas nas bases de c¨®digo. A IA tende a resolver problemas por meio de for?a bruta em vez de usar abstra??es, como utilizar dezenas de condicionais empilhadas em vez do padr?o Strategy. Particularmente, os problemas de qualidade de c¨®digo destacam uma ¨¢rea de esfor?o cont¨ªnuo por parte de desenvolvedoras e arquitetas para que n?o se afoguem em um c¨®digo terr¨ªvel mas funcional. Assim, integrantes das equipes devem redobrar as boas pr¨¢ticas de engenharia, como testes unit¨¢rios, fun??es de aptid?o arquitetural e outras t¨¦cnicas de governan?a e valida??o comprovadas, para garantir que a IA esteja ajudando em seus esfor?os em vez de complicar suas bases de c¨®digo com complexidade.
Rust ¨¦ tudo, menos ultrapassada
Rust se tornou gradualmente a linguagem de programa??o de sistemas preferida. Em cada sess?o do Radar, ela aparece repetidamente nas entrelinhas de nossas conversas; um grande n¨²mero das ferramentas que discutimos ¨¦ escrito em Rust. ? a linguagem escolhida ao substituir utilit¨¢rios de sistema mais antigos e tamb¨¦m na categoria de reescrita de parte de um ecossistema para melhorar o desempenho ¡ª o ep¨ªteto mais comum para ferramentas baseadas em Rust parece ser "incrivelmente r¨¢pido". Por exemplo, notamos v¨¢rias ferramentas no ecossistema Python que t¨ºm alternativas baseadas em Rust, oferecendo desempenho visivelmente melhor. As pessoas que criaram a linguagem e a comunidade conseguiram gerar um ecossistema bem recebido de SDKs, bibliotecas e ferramentas de desenvolvimento, ao mesmo tempo em que proporcionam uma velocidade de execu??o excepcional com menos armadilhas do que muitos de seus predecessores. Muitas pessoas dos nossos times s?o f?s do Rust, e parece que a maioria das pessoas desenvolvedoras que a utilizam a tem em alta considera??o.
A ascens?o gradual do WASM
WASM (WebAssembly) ¨¦ um formato de instru??o bin¨¢ria para uma m¨¢quina virtual baseada em pilha, que soa esot¨¦rico e de n¨ªvel muito baixo para a maioria dos interesses da desenvolvedora at¨¦ que as pessoas vejam as implica??es: a capacidade de executar aplicativos complexos dentro de um sandbox de navegador. WASM pode ser executado dentro de m¨¢quinas virtuais JavaScript existentes, permitindo que aplica??es, que as desenvolvedoras anteriormente s¨® poderiam implementar em frameworks e extens?es nativas, sejam incorporadas em navegadores. Os quatro principais navegadores agora suportam WASM 1.0 (Chrome, Firefox, Safari e Edge), abrindo possibilidades interessantes para o desenvolvimento port¨¢til e a multiplataforma sofisticada. Temos observado esse padr?o nos ¨²ltimos anos com grande interesse, e estamos felizes em v¨º-lo come?ar a flexionar suas capacidades como um alvo de implanta??o leg¨ªtimo.
A explos?o cambriana de ferramentas de IA generativa
Seguindo a trajet¨®ria estabelecida nos ¨²ltimos volumes do Radar, esper¨¢vamos que a IA generativa tivesse um lugar de destaque em nossas discuss?es. E, ainda assim, ficamos surpresas com a explos?o do ecossistema de tecnologia de suporte a modelos de linguagem: guardrails, evals, ferramentas para criar agentes, frameworks para trabalhar com resultados estruturados, bancos de dados vetoriais, servi?os de nuvem e ferramentas de observabilidade. De muitas maneiras, esse crescimento r¨¢pido e variado faz todo sentido: a experi¨ºncia inicial, a simplicidade de um prompt de texto simples para um modelo de linguagem, deu lugar ¨¤ engenharia de produtos de software. Esses produtos podem n?o estar ¨¤ altura dos sonhos e das afirma??es extravagantes que foram feitas depois que as pessoas enviaram seus primeiros prompts para o ChatGPT, mas acompanhamos o uso sensato e produtivo da IA generativa em muitas de nossas clientes, e todas essas ferramentas, plataformas e frameworks desempenham um papel importante na coloca??o em produ??o de solu??es baseadas em LLM. Assim como aconteceu com a explos?o do ecossistema JavaScript por volta de 2015, esperamos que esse crescimento ca¨®tico continue por algum tempo.
Conte¨²dos em destaque
Contribuidoras
?
O Technology Radar ¨¦ preparado pelo Conselho Consultivo de Tecnologia (TAB) da ºÚÁÏÃÅ, composto por:
Rachel Laycock (CTO)???Martin Fowler?(Chief Scientist)???Rebecca Parsons?(CTO Emerita)???Bharani Subramaniam???Birgitta B?ckeler???Camilla Falconi Crispim???Erik Doernenburg???James Lewis???Ken Mugrage???Maya Ormaza???Mike Mason???Neal Ford???Pawan Shah???Scott Shaw???Selvakumar Natesan???Shangqi Liu???Sofia Tania???Thomas Squeo????Vanya Seth???Will Amaral
?
O volume 31 foi traduzido para o portugu¨ºs pelo seguinte grupo:
?
?? ?? ?? ?? ?? ?? ? ?? ?? ? ? ? ?? ? ?? ?? ?? ?? ?? ??
Inside the Technology Radar?¨¦ um document¨¢rio que oferece insights sobre o Radar.
Assine. Fique por dentro.
Publicamos conte¨²dos relacionados ao Technology Radar ao longo do ano. Inscreva-se para receb¨º-los.