thoughtwrkDesign.Engineering.Al.技術(shù)雷達(dá)第33期第33期關(guān)于技術(shù)雷達(dá)3雷達(dá)一覽4貢獻(xiàn)者5制作團(tuán)隊(duì)人員6本期主題7本期雷達(dá)9本期雷達(dá)10本期雷達(dá)技術(shù)平臺22工具29語言和框架373?Thoughtworks,Inc.AllRightsReserved.3Thoughtworkers始終對技術(shù)懷有熾熱激情。我們致力于構(gòu)建技術(shù)、開展研究、實(shí)施測試、推動開源、撰寫洞見，并不懈追求技術(shù)的持續(xù)優(yōu)化—這一切努力皆以普惠大眾為宗旨。我們的使命是倡導(dǎo)軟件卓越理念，引領(lǐng)信息技術(shù)革命。為此，我們創(chuàng)建并持續(xù)分享Thoughtworks技術(shù)雷達(dá)，將其作為實(shí)現(xiàn)這一使命的重要載體。Thoughtworks技術(shù)顧問委員會—由公司資深技術(shù)領(lǐng)袖組成的核心團(tuán)隊(duì)—負(fù)責(zé)技術(shù)雷達(dá)的編撰工作。該委員會定期召開會議，深入探討Thoughtworks全球技術(shù)戰(zhàn)略，以及對本行業(yè)產(chǎn)生深遠(yuǎn)影響的技術(shù)趨勢。技術(shù)雷達(dá)以高度凝練的形式，系統(tǒng)呈現(xiàn)技術(shù)顧問委員會研討成果，旨在為從開發(fā)者至首席技術(shù)官等廣泛利益相關(guān)方提同心環(huán)的布局設(shè)計(jì)，清晰展現(xiàn)我們對各項(xiàng)技術(shù)當(dāng)如需獲取技術(shù)雷達(dá)的更多背景信息，請?jiān)L問/cn/radar/faq4?Thoughtworks,Inc.AllRightsReserved.4技術(shù)雷達(dá)的核心使命是追蹤具有價(jià)值的技術(shù)動向，我們將其定義為技術(shù)脈沖。本雷達(dá)通過兩大核心維度對技術(shù)脈沖進(jìn)行系統(tǒng)化組織：象限與評估環(huán)。技術(shù)象限區(qū)分技術(shù)脈沖的領(lǐng)域?qū)傩?，評估環(huán)則體現(xiàn)我們對各項(xiàng)技術(shù)的應(yīng)技術(shù)脈沖指在軟件開發(fā)領(lǐng)域產(chǎn)生影響力的技術(shù)或方法。這些脈沖始終處于動態(tài)演進(jìn)之中—其在雷達(dá)圖譜中的位置會持續(xù)變化—通常隨著評估環(huán)的遞進(jìn)，標(biāo)志著我們對其推薦力度的逐步增強(qiáng)。暫緩評估試驗(yàn)采納技術(shù)雷達(dá)具有前瞻導(dǎo)向性。為保持內(nèi)容時效性，我們對近期未發(fā)生位移的技術(shù)條目進(jìn)行視覺淡化處理，此舉并非否定其技術(shù)價(jià)值，而是受限于雷達(dá)版面的空間約束。5?Thoughtworks,Inc.AllRightsReserved.5技術(shù)顧問委員會（TechnologyAdvisoryBoard，簡稱TAB）由22位資深技術(shù)專家組成，是Thoughtworks會議，雙周召開線上例會。其核心職能是為Thoughtworks首席技術(shù)官RachelLaycock提供戰(zhàn)略決策支持，作為跨領(lǐng)域技術(shù)治理機(jī)構(gòu)，TAB聚焦影響企業(yè)實(shí)踐與組織能力的全景洞察。本年度技術(shù)雷達(dá)的內(nèi)容體系，源于該委員會2025年9月在布加勒斯特舉行的專RachelLaycockCamillaFalconiCrispimMayaOrmazaSelvakumarNatesanMartinFowlerChrisChakritRiddhagniNatiRiveraShangqiLiuAlessioFerriEffyEldenVanyaSethBharaniSubramaniamJamesLewisNiWangWillAmaralBirgittaB?ckelerKiefMorrisNimishaAsthagiriBryanOliverKenMugragePawanShah6?Thoughtworks,Inc.AllRightsReserved.6制作團(tuán)隊(duì)人員?WilliamAmaral?NatiRivera?PreetiMishra?MichaelKoch?GarethMorgan?RashmiNaganur?BrigitteBritten-Kelly?VanditaKamboj?LohithAmruthappa?NeetiThakur田田設(shè)計(jì)與多媒體部?LeticiaNunes?SrubaDeb?RyanCambage?AnishThomas?唐蓉?ShaliniJagadish?HiralShah?AbhishekKasegaonkar?MichelleSurendran?AnushreeTapuriah?PrakharNigam?張霄翀?廖燊?馮煒高級DevOps工程師7?Thoughtworks,Inc.AllRightsReserved.7在構(gòu)建復(fù)雜的多階段流水線，并持續(xù)調(diào)優(yōu)吞吐量和延遲。在該領(lǐng)域的討論包括用于集群遙測的NvidiaDCGMExporter，以及將作業(yè)部署在互連帶寬最高位置的拓?fù)涓兄{(diào)度。在GPU需求激增之前，Kubernetes已經(jīng)是容器編排的事實(shí)標(biāo)準(zhǔn)――即便我們也探索了micro和Uncloud等替代方案，它仍是大規(guī)模管理AI工作負(fù)載的堅(jiān)實(shí)基礎(chǔ)。我們正在跟蹤新興的GPU感知調(diào)度模式――如通過Kueue實(shí)現(xiàn)隊(duì)列和配額管理，并結(jié)合拓?fù)涓兄胖煤蛢?nèi)。Kubernetes最近的多GPU和NUMA感知API改進(jìn)進(jìn)一步增強(qiáng)了這些能力，提高了跨設(shè)備帶寬，降低了我們預(yù)計(jì)，隨著平臺團(tuán)隊(duì)競相支持日益增長的人工智能編碼工作流程需求以及MCP推動的智能體崛起，人工8?Thoughtworks,Inc.AllRightsReserved.8中戰(zhàn)略性地嵌入――從使用AI理解遺留代碼庫Context7等MCP服務(wù)器以獲取最新的依賴文檔。同時，業(yè)界越來越意識到，AI必須賦能整個團(tuán)隊(duì)，而不僅僅是個人貢獻(xiàn)者。像共享指令庫和自定義命令等技術(shù)正逐漸興起，以確保知識的公平擴(kuò)散。工具生態(tài)也日趨活躍：設(shè)計(jì)師們正在探索UXPilot和AIDesignReviewer，而開發(fā)者們則借助v0和Bolt快速進(jìn)行自助式UI原型設(shè)計(jì)。我們也在持續(xù)討論規(guī)格驅(qū)動開發(fā)――包括其適用范圍、粒度，以及作為增量交付單一事實(shí)源的潛力。然而，在我們還發(fā)現(xiàn)TexttoSQL解決方案的實(shí)際效果并未達(dá)到最初的預(yù)期，而對AI生成代碼的自滿情緒依然是一個值得關(guān)注的問題。即便是在諸如規(guī)范驅(qū)動開發(fā)等新興實(shí)踐中，我們也注意到有回歸傳統(tǒng)軟件工程反模式的風(fēng)險(xiǎn)――最明顯的是，過度依賴前期規(guī)范制定和一次性大規(guī)模發(fā)布。由于生成式AI正以前所未有的速度和規(guī)模發(fā)展，我們預(yù)計(jì)新的反模式將迅速涌現(xiàn)。團(tuán)隊(duì)?wèi)?yīng)保持警惕，關(guān)注那些乍看有效但隨著時間推移而失效、反饋遲9?Thoughtworks,Inc.AllRightsReserved.9本期雷達(dá)30733073242925242925237522207423752220747677767728782878627964806279648010662763106627638965781896578168146982676814698267574266257426628358705958483587059584607213607213暫緩評估試驗(yàn)采納采納試驗(yàn)評估暫緩423343344435364546374748514951505052529787968586978796858695329532939493948838889239928990418990414040559853559853569954569954●挪進(jìn)/挪出本期雷達(dá)3.Pre-commithooks7.DeltaLakeliquidclusteringRevert)22.規(guī)范驅(qū)動開發(fā)（Spec-drivendevelopment）26.AI加速影子IT（AI-accelerated32.云上Arm33.ApachePaimon34.DataDogLLMObservability35.DeltaSharing36.Dovetail37.Langdock38.LangSmith39.模型上下文協(xié)議（MCP）40.n8n41.OpenThread42.AG-UI協(xié)議43.Agent-to-Agent(A2A)協(xié)議44.AmazonS3Vectors45.Ardoq46.CloudNativePG47.Coder48.Graft49.groundcover50.Karmada52.Oxide53.Restate54.SkyPilot55.StarRocks56.Uncloud―本期雷達(dá)工具工具語言和框架57.ClickHouse58.NeMoGuardrails59.pnpm60.Pydantic62.Barman63.ClaudeCode64.Cleanlab65.Context767.DatabricksAssistant68.Hoppscotch69.NVIDIADCGMExporter70.RelationalAI72.v073.AugmentCode74.AzureAI文檔智能75.Docling79.MCP-Scan81.Poweruserfordbt82.Serena83.SweetPad—85.Fastify86.LangGraph88.Crossplane89.DeepEval90.FastMCP92.MLForecast93.Nuxt94.Phoenix95.Presidio96.PydanticAI98.AgentDevelopmentKit（ADK）99.Agno100.assistant-ui102.BrowserUse103.DeepSpeed104.Drizzle106.kagent107.LangExtract108.Langflow109.LMCache112.OpenInference—3.Pre-commithooks7.DeltaLakeliquidclusteringRevert)22.規(guī)范驅(qū)動開發(fā)（Spec-drivendevelopment）26.AI加速影子IT（AI-accelerated242530242530232229232229202028281027102798798714144266242662551313暫緩評估試驗(yàn)新的●挪進(jìn)/挪出●沒有變化?Thoughtworks,Inc.AllRightsReserved.通過集成安全策略即代碼工具（如OpenPolicyAgent）并在CD管道中生成SBOM――與SLSA指導(dǎo)保持一致――團(tuán)隊(duì)可以及早發(fā)現(xiàn)和解決合規(guī)問題。將規(guī)則和最佳實(shí)踐編碼化可以在不造成瓶頸的情況下，在分享經(jīng)過驗(yàn)證的高質(zhì)量指令，讓你能夠?qū)I高效地運(yùn)用于所有交付任務(wù)――而不僅僅是編碼。最直接的實(shí)現(xiàn)Cursor、Windsurf和ClaudeCode――都支持通過自定義斜杠命令或工作流共享指令。對于非編碼任務(wù)，你可以建立開箱即用的組織級提示詞庫。這種系統(tǒng)化方法便于持續(xù)改進(jìn)：每當(dāng)有提示詞被優(yōu)化，全體成員都可受3.Pre-commithooksGithooks已經(jīng)存在很長一段時間了，但我們認(rèn)為它們?nèi)匀槐坏凸篮臀闯渚幊痰呐d起，意外提交機(jī)密信息或有問題代碼的風(fēng)險(xiǎn)有所增加。雖然已有許多代碼驗(yàn)證機(jī)制，例如持續(xù)集成，但pre-commithooks是一種簡單且有效的防護(hù)措施，值得更多團(tuán)隊(duì)采用。不過，如果在hooks中加入運(yùn)行緩慢的檢查任務(wù)，可能會讓開發(fā)者不愿意使用它在最近幾個月里，我們已經(jīng)看到明確的證據(jù)表明使用生成式AI來理解遺留代碼庫可以顯著加速對大型復(fù)雜系統(tǒng)的理解。諸如Cursor、ClaudeCode、Copilot、Windsurf、Aider、Cody、Swimm、Unblocked和PocketFlow-Tutorial-Codebase-Knowledge等工具幫助開發(fā)者發(fā)現(xiàn)業(yè)務(wù)規(guī)則、總結(jié)邏輯并識別依賴關(guān)系。它?Thoughtworks,Inc.AllRightsReserved.我們在多個客戶中的經(jīng)驗(yàn)表明，借助GenAI輔助理解遺留系統(tǒng)如今已成為一種實(shí)用的默認(rèn)方案，而非實(shí)驗(yàn)性AGENTS.md是一個為AI編碼智能體在項(xiàng)目中提供操作指引的通用格式。本質(zhì)上，它相當(dāng)于面向智能體的人類編寫的、易于理解的指導(dǎo)。典型用法包括：如何使用編碼環(huán)境中的工具、測試說明以及管理提交的最佳實(shí)我們有一個團(tuán)隊(duì)在升級.NET框架版本時，嘗試用AI縮短這一流程。過去，我們曾推薦OpenRewrite這類確案例，如Google的大規(guī)模int32到int64遷移，也展現(xiàn)出同樣趨勢。盡管這一實(shí)踐在節(jié)省時間方面結(jié)果好壞7.DeltaLakeliquidclusteringLiquidclustering是DeltaLake表的一種可作為分區(qū)和Z排序的替代方案的技術(shù)。在過去，優(yōu)化Delta表的讀取性能需要在表創(chuàng)建時基于預(yù)期的查詢模式定義分區(qū)和Z排序鍵比之下，聚類采用基于樹的算法根據(jù)指定的鍵對數(shù)據(jù)進(jìn)行聚類，可以增量更改而無需重寫所有數(shù)據(jù)。這提供了Runtime通過分析歷史查詢工作負(fù)載、識別最優(yōu)列并相應(yīng)地聚類數(shù)據(jù)來支持自動liquidclustering。獨(dú)立的DeltaLake和DatabricksRuntime用戶都可以利用liquidclustering來優(yōu)化讀取性能。我們使用術(shù)語使用GenAI的自助式UI原型設(shè)計(jì)來描述一種新興技術(shù)，其中工具如ClaudeCode、Figma線框圖，即可在幾分鐘內(nèi)生成可運(yùn)行的HTML、CSS和JS工件—具備草圖般的速度，卻擁有真實(shí)的交互性?Thoughtworks,Inc.AllRightsReserved.和更高的保真度。這些“一次性”原型以快速學(xué)習(xí)為目的，犧牲了精細(xì)度，非常適合在設(shè)計(jì)沖刺的早期驗(yàn)證階段使用。然而，較高的保真度可能導(dǎo)致團(tuán)隊(duì)過度關(guān)注細(xì)節(jié)或?qū)ι暇€所需工作量產(chǎn)生不切實(shí)際的期望――因此，避免讓這些工具取代研究過程本身。如果運(yùn)用得當(dāng)，自助式原型設(shè)計(jì)能縮短反饋循環(huán)、降低非設(shè)計(jì)人員的參與相關(guān)方法覆蓋從簡單的提示詞格式化、模型原生結(jié)構(gòu)化輸出，到更為健壯、借助Outlines和Instructor等工具實(shí)現(xiàn)的約束解碼方式，這些工具通常通過有限狀態(tài)機(jī)來確保輸出的合法性。我們已經(jīng)成功運(yùn)用這一技術(shù)，從各促進(jìn)非常小的、連續(xù)的步驟：每次修改后，如果測試通過，則提交更改；如果測試未通過，則回退更改。實(shí)現(xiàn)不穩(wěn)定性。隨著MCP的興起，我們看到主流的UI測試框架如Playwright和Selenium正在引入各自的MCP服務(wù)器（playwright-mcp、mcp-selenium）。這些服務(wù)器通過其原生技術(shù)提供可靠的瀏覽器自動化，使編碼助手能夠在Playwright或Selenium中生成更可靠的UI測試。盡管AI驅(qū)動的UI域――例如最新版本的Playwright已引入PlaywrightAgents――但我們對這些進(jìn)展感到振奮，并期待看到更?Thoughtworks,Inc.AllRightsReserved.過去我們曾在雷達(dá)上提到過定制服務(wù)模板模式，該模式通過提供合理的默認(rèn)值來引導(dǎo)新服務(wù)并與現(xiàn)有基礎(chǔ)設(shè)施無縫集成，幫助組織部署微服務(wù)。然而，隨著時間的推移，隨著新依賴項(xiàng)、框架和架構(gòu)模式的出現(xiàn)，這些模板與現(xiàn)有服務(wù)之間的代碼漂移往往會增長。為了保持良好的實(shí)踐和架構(gòu)一致性――特別是在編碼智能體團(tuán)隊(duì)時代――我們一直在試驗(yàn)將編碼智能體錨定到參考應(yīng)用。這種模式通過提供實(shí)時的、可編譯的參考應(yīng)用而不是靜它涉及對上下文要素的結(jié)構(gòu)化、選擇與編排――例如提示詞、檢索數(shù)據(jù)、記憶、指令以及環(huán)境信號――以便讓模型的內(nèi)部層處于最優(yōu)狀態(tài)。不同于只關(guān)注提示措辭的提示工程，上下文工程關(guān)注的是上下文的整體配置：即樣本示例以及令牌高效的工具等策略，用于決定性行動。針對長周期任務(wù)的上下文管明確步驟，專注于遺留代碼做了什么（即其規(guī)格說明同時刻意隱藏當(dāng)前的實(shí)現(xiàn)方式。這與規(guī)范驅(qū)動開發(fā)相理。在Thoughtworks，我們看到多個團(tuán)隊(duì)成功應(yīng)用這一方法來加速遺留系統(tǒng)的重寫。其目標(biāo)并非完全隱藏實(shí)現(xiàn)細(xì)節(jié)，而是引入一個臨時抽象，幫助團(tuán)隊(duì)和智能體在不受現(xiàn)有結(jié)構(gòu)限制的情況下探索替代方案。這一技術(shù)在?Thoughtworks,Inc.AllRightsReserved.下文工程。它使團(tuán)隊(duì)能夠暴露結(jié)構(gòu)化、可查詢的數(shù)據(jù)，而無需授予模型直接訪問數(shù)據(jù)庫的權(quán)限。與通常會過度少噪音、提高上下文相關(guān)性并降低token使用量。然而，該方法依賴于結(jié)構(gòu)良好的架構(gòu)和有意義的字段名稱。解釋架構(gòu)語義和處理復(fù)雜結(jié)構(gòu)仍然具有挑戰(zhàn)性――系統(tǒng)――存量代表累積的知識，流量代表知識在組織中如何流動與演化。增加外部知識流入往往會提升創(chuàng)新。一種經(jīng)受時間考驗(yàn)的提升流動性的方式是建立實(shí)踐社區(qū)，它一貫顯示出可量化的收益。另一種方法是有意識地展、自動化評估的潛力而備受關(guān)注。然而，為了反映新近發(fā)現(xiàn)的復(fù)雜性和風(fēng)險(xiǎn)，我們將此討論從“試驗(yàn)”階段移至“評估”階段。盡管該技術(shù)提供速度和規(guī)模，但它常常無法作為人類判斷的可靠代理。評估容易受到位置這些缺陷導(dǎo)致過擬合結(jié)果，使性能指標(biāo)虛高但缺乏現(xiàn)實(shí)有效性。已有研究對這一模式進(jìn)行了更嚴(yán)格的調(diào)查。為應(yīng)對這些缺陷，我們正在探索改進(jìn)技術(shù)，例如使用LLM作為陪審團(tuán)（通過多個模型達(dá)成共識）或在評估過程中使用鏈?zhǔn)剿季S推理。盡管這些方法旨在提高可靠性，但也增加了成本和復(fù)雜性。我們建議團(tuán)隊(duì)謹(jǐn)慎對待此技?Thoughtworks,Inc.AllRightsReserved.設(shè)備、桌面設(shè)備或邊緣設(shè)備，并優(yōu)先考慮隱私和計(jì)算效率的技術(shù)。它將輕量級本地?cái)?shù)據(jù)庫與針對設(shè)備端推理優(yōu)化的模型相結(jié)合。一個有前景的實(shí)現(xiàn)是將sqlite-vec（一個支持嵌入式數(shù)據(jù)庫內(nèi)向量搜索的SQLite擴(kuò)展）與EmbeddingGemma（一個基于Gemma3架構(gòu)構(gòu)建的3億參數(shù)嵌入模型）進(jìn)行配對。這種組合針對效率和資SAIF（SecureAIFramework，安全AI框架）是由Google開發(fā)的一套框架，旨在為管理AI安全風(fēng)險(xiǎn)提供實(shí)用指南。它通過清晰的風(fēng)險(xiǎn)地圖、組件分析和可操作的緩解策略，系統(tǒng)性地應(yīng)對常見威脅，如數(shù)據(jù)投毒和提示隨著基于sidecar的服務(wù)網(wǎng)格在成本和運(yùn)維復(fù)雜性方面的持續(xù)存在，我們很高興看到另一種無邊車服務(wù)網(wǎng)格確保L3和L4流量能夠高效且安全地傳輸。它通過為所有節(jié)點(diǎn)身份獲取證書并處理往返于啟用Ambient模式工作負(fù)載的流量重定向，從而支撐整個Ambient數(shù)據(jù)平面。Waypointproxy是一個可選的Ambient模式組體驗(yàn)，并期待隨著采用的增長，能在大規(guī)模集群中獲得更多實(shí)踐洞察和最佳實(shí)踐。我們觀察到小語言模型(SLMs)在多個版本的科技雷達(dá)中穩(wěn)步發(fā)展。隨著對重復(fù)的任務(wù)上，不需要高級推理，這使得它們與SDeepSeek，表明SLMs在這些任務(wù)中提供了足夠的功能――與LLMs相比，具有更低成本、更低延遲和更低?Thoughtworks,Inc.AllRightsReserved.22.規(guī)范驅(qū)動開發(fā)（Spec-drivendevelopment）規(guī)范驅(qū)動開發(fā)（Spec-drivendevelopment）是AI輔助編碼流程中的一種新興方法。雖然該術(shù)語的定義仍在不斷演化，但一般而言，它指的是以結(jié)構(gòu)化的功能規(guī)范為起點(diǎn)的開發(fā)流程，隨后通過多個步驟將規(guī)范拆解為更小的部分、方案和任務(wù)。規(guī)范本身可以有多種形式：可以是一份文檔、一組文檔，或是以結(jié)構(gòu)化工件捕捉不同功創(chuàng)建；GitHub的spec-kit也采用了類似的三步過程，但增加了更豐富的編排、可配置的提示詞以及一份“憲我們認(rèn)為這一領(lǐng)域極具吸引力，盡管目前的開發(fā)流程依然較為繁瑣且?guī)в泻軓?qiáng)的主觀性。這些工具的行為因任等）共同完成開發(fā)任務(wù)的一種技術(shù)實(shí)踐。這一做法已被ClaudeCode、RooCode、KiloCode等工具支持，它們提供了子代理（subagents）機(jī)制和多種運(yùn)行模式。基于給大型語言模型（LLM）分配具體角色和身份能夠提升輸出質(zhì)量的成熟理念，該方法旨在通過協(xié)調(diào)多個具備特定職能的智能體（而非依賴單一通用型智能體）以獲得更佳的開發(fā)成果。當(dāng)前，最優(yōu)的智能體角色劃分方式仍在探索中；這種方法甚至可以突破傳統(tǒng)團(tuán)隊(duì)角色24.拓?fù)涓兄{(diào)度GPU和LPU不再是獨(dú)立設(shè)備，而是緊密耦合的加速器網(wǎng)絡(luò)，其性能取決于放置位置和拓?fù)洹Ｔ贜VIDIA的訓(xùn)練工作負(fù)載是同步且?guī)捠芟薜?，更適合在連續(xù)的NVLink網(wǎng)絡(luò)上調(diào)度，確保所有reduce和流水線階段擁有統(tǒng)一、高帶寬路徑。這些作業(yè)應(yīng)基于互連帶寬進(jìn)行協(xié)同調(diào)度，避免跨交換機(jī)跳轉(zhuǎn)，并將鏈路、交換機(jī)和節(jié)點(diǎn)20?Thoughtworks,Inc.AllRightsReserved.20放置，可進(jìn)一步提升效率。我們認(rèn)為，隨著加速器性能越來越依賴網(wǎng)絡(luò)和數(shù)據(jù)中心拓?fù)洌負(fù)涓兄{(diào)度將成為必需。我們的團(tuán)隊(duì)已在評估Kueue及相現(xiàn)在廣為流傳的玩笑――MCP中的S代表“導(dǎo)出數(shù)據(jù)指令的內(nèi)容很容易導(dǎo)致數(shù)據(jù)泄露。一種新興的緩解風(fēng)險(xiǎn)技術(shù)是有害流程分析，它通過檢查智能體系統(tǒng)的流程圖來識別潛在不安全的數(shù)據(jù)路徑，以便進(jìn)一步調(diào)查。雖然仍處于早期階段，但有害流程分析代表了若干26.AI加速影子IT（AI-acceleratedShadowIT）這種技術(shù)帶來的潛力感到興奮，但同時也開始關(guān)注到AI加速影子IT（AI-acceleratedShadowIT）的初步跡象。一些無代碼（No-code）工作流自動化平臺已支持對AIAPI（如OpenAI或Anthropic）的集成，這使得這些跡象呈現(xiàn)出類似于電子表格（Spreadsheets）當(dāng)年迅速擴(kuò)散的特征：雖然為企業(yè)關(guān)鍵流程提未經(jīng)治理的應(yīng)用程序激增，安全隱患加劇，數(shù)據(jù)分散在不同系統(tǒng)內(nèi)。我們建議企業(yè)對此風(fēng)險(xiǎn)保持警覺，并謹(jǐn)慎現(xiàn)代軟件開發(fā)實(shí)踐成功的關(guān)鍵在于保持對工作流的關(guān)注。流對齊團(tuán)隊(duì)專注于單一、有價(jià)值的工作流――例如一量驅(qū)動開發(fā)（Capacity-drivendevelopment）。在這種模式下，這些團(tuán)隊(duì)在有空余產(chǎn)能時，會接手來自其他產(chǎn)品或工作流的功能開發(fā)。雖然這在短期內(nèi)看似高效，但實(shí)際上是一種局部優(yōu)化，僅適用于應(yīng)對突發(fā)的需求高峰。當(dāng)這種做法被常態(tài)化后，會增加認(rèn)知負(fù)荷和技術(shù)債務(wù)；在最糟糕的情況下，隨著跨產(chǎn)品上下文切換的成本不斷累積，可能導(dǎo)致整體的擁塞崩潰。擁有空余產(chǎn)能的團(tuán)隊(duì)更應(yīng)專注于提升系統(tǒng)健康度。為了更有效地管理產(chǎn)?Thoughtworks,Inc.AllRightsReserved.劇。盡管有充分證據(jù)顯示，這類工具可顯著加快開發(fā)速度――尤其是在原型開發(fā)和全新項(xiàng)目場景中――但研究GitClear2024年的研究發(fā)現(xiàn)，重復(fù)代碼和代碼的反復(fù)變動比預(yù)期增長更多，而提交歷史中的重構(gòu)活動則有所下降。類似趨勢也出現(xiàn)在微軟研究中：知識型員工因AI助手而增強(qiáng)的自信，往往以批判性思維能力下降為代審。正如任何系統(tǒng)一樣，流水線中的某一環(huán)提速后，其他環(huán)節(jié)的壓力也會隨之增加。我們的團(tuán)隊(duì)發(fā)現(xiàn)，要在生30.獨(dú)立數(shù)據(jù)工程團(tuán)隊(duì)組織獨(dú)立數(shù)據(jù)工程團(tuán)隊(duì)來開發(fā)和擁有數(shù)據(jù)管道和產(chǎn)品――與它們服務(wù)的流對齊業(yè)務(wù)域分離――是一種會導(dǎo)致效率低下和業(yè)務(wù)成果薄弱的反模式。這種結(jié)構(gòu)重復(fù)了過去隔離DevOps、測試或部署功能的錯誤孤島、瓶頸和浪費(fèi)的精力。若沒有密切協(xié)作，數(shù)據(jù)工程師往往缺乏設(shè)計(jì)有意義的數(shù)據(jù)產(chǎn)品所需的業(yè)務(wù)和領(lǐng)域上下文，限制了采用的可能性和價(jià)值。相比之下，數(shù)據(jù)平臺團(tuán)隊(duì)?wèi)?yīng)該專注于維護(hù)共享基礎(chǔ)設(shè)施，而由跨職能業(yè)務(wù)團(tuán)隊(duì)遵循數(shù)據(jù)網(wǎng)格原則構(gòu)建和落地他們的數(shù)據(jù)產(chǎn)品。我們將這種做法置于“暫緩”狀態(tài)，旨在勸退各自為政的22?Thoughtworks,Inc.AllRightsReserved.2231.TexttoSQLTexttoSQL利用大語言模型（LLM）將自然語言翻譯為可執(zhí)行的SQL，但其可靠性往往低于預(yù)期。我數(shù)據(jù)檢索甚至意外的數(shù)據(jù)修改。此外，LLM輸出的我們建議TexttoSQL，并要求對所有生成的查詢進(jìn)行人工審核。對于智能化商業(yè)分析場景，應(yīng)避免直接訪問數(shù)據(jù)庫，而應(yīng)通過受治理的數(shù)據(jù)抽象語義層來實(shí)現(xiàn)，例如Cube或dbt的語義層；或者使用具有更強(qiáng)語義表達(dá)能力的訪問層，如GraphQL或MCP。平臺32.云上Arm33.ApachePaimon34.DataDogLLMObservability35.DeltaSharing36.Dovetail37.Langdock38.LangSmith39.模型上下文協(xié)議（MCP）40.n8n41.OpenThread42.AG-UI協(xié)議43.Agent-to-Agent(A2A)協(xié)議44.AmazonS3Vectors45.Ardoq46.CloudNativePG47.Coder48.Graft49.groundcover50.Karmada52.Oxide53.Restate54.SkyPilot55.StarRocks56.Uncloud—暫緩評估試驗(yàn)333242333242433444353645384638394737394748494051414849405141535053505552555256545654新的●挪進(jìn)/挪出●沒有變化24?Thoughtworks,Inc.AllRightsReserved.2432.云上Arm云端Arm計(jì)算實(shí)例近年來因其相較傳統(tǒng)x86實(shí)例更具成本效益和能效，受到了越來越多的關(guān)注。主流云商――包括AWS、Azure和GCP――如這類實(shí)例尤其具備吸引力。我們的多個團(tuán)隊(duì)已順利將微服務(wù)、開源數(shù)據(jù)庫，甚至高性能計(jì)算等工作負(fù)載遷移至Arm平臺，只需極少的代碼修改和輕微的構(gòu)建腳本調(diào)整。越來越多新興云原生應(yīng)用和系統(tǒng)，也默認(rèn)選擇云端算實(shí)例?，F(xiàn)代工具（如多架構(gòu)Docker鏡像）也進(jìn)一步簡化了Arm與x86環(huán)境的構(gòu)建與部署流程。33.ApachePaimon現(xiàn)高吞吐、實(shí)時更新，并內(nèi)置可定制的合并引擎，支持去重、部分更新和聚合。這一設(shè)計(jì)使得在數(shù)據(jù)湖中直接進(jìn)行高效的流數(shù)據(jù)寫入及可變狀態(tài)管理成為可能。除此之外，Paimon還提供成熟的數(shù)據(jù)湖能力，包括可擴(kuò)展需要統(tǒng)一存儲層以實(shí)現(xiàn)高效處理大規(guī)模追加式數(shù)據(jù)和復(fù)雜實(shí)時流更新的項(xiàng)目中評估使用P34.DataDogLLMObservabilityDataDogLLMObservability為大語言模型和智能體應(yīng)用工作流提供端到端的跟蹤、監(jiān)控和診斷。它將每個提對于已經(jīng)使用Datadog并熟悉其成本結(jié)構(gòu)的組織而言，如果這些工作負(fù)載可以進(jìn)行插樁，LLM可觀測性功能可能是一種直接了解AI工作負(fù)載的方法。然而，配置和使35.DeltaSharingDeltaSharing是一個用于安全與跨平臺數(shù)據(jù)共享的開放標(biāo)準(zhǔn)和協(xié)議，由Databricks和LinuxFoundation開發(fā)。它與云平臺無關(guān)，使組織能夠在云提供商和本地位置之間共享實(shí)時數(shù)據(jù)，而無需復(fù)制或重復(fù)數(shù)據(jù)，從而保持?jǐn)?shù)據(jù)的新鮮度并消除重復(fù)成本。我們看到一家電子商務(wù)公司成功使用DeltaSharing將分散的合作伙伴數(shù)據(jù)模型和筆記本。雖然它提供了強(qiáng)大的集中治理和審計(jì)功能，但用戶仍應(yīng)注意云出站費(fèi)用，如果管理不當(dāng)，這可25?Thoughtworks,Inc.AllRightsReserved.2536.DovetailDovetail解決了長期困擾團(tuán)隊(duì)的零散定性調(diào)研數(shù)據(jù)管理難題。它為用戶訪談、轉(zhuǎn)錄和洞察提供集中存儲，將原37.LangdockLangdock是一個供組織開發(fā)和運(yùn)行生成式AI智能體和工作流以進(jìn)行內(nèi)部運(yùn)營的平臺。它提供了一個統(tǒng)一的環(huán)境，包括內(nèi)部聊天助手、用于連接多個LLM的API層，以及用于構(gòu)建與Slack、Confluence和GoogleDrive等系統(tǒng)集成的智能體工作流的工具。該平臺強(qiáng)調(diào)數(shù)據(jù)主權(quán)，提供本地部署和歐盟托管選項(xiàng)，并符合企業(yè)合規(guī)標(biāo)準(zhǔn)。38.LangSmithLangSmith是由LangChain團(tuán)隊(duì)推出的托管平臺，用于為大型語言模型（LLM）應(yīng)用提供可觀測性、追蹤和評估功能。它能夠捕獲鏈、工具和提示的詳細(xì)追蹤信息，幫助團(tuán)隊(duì)調(diào)試和分析模型行為、監(jiān)控性能回退以及管理評估數(shù)據(jù)集。LangSmith是一個專有的SaaS服務(wù)，對非LangChain工作流的支持有限，因此主要適用于已經(jīng)深度使用LangChain生態(tài)的團(tuán)隊(duì)。與開源替代方案（如Langfuse）相比，它在提示評估和實(shí)驗(yàn)集成方面模型上下文協(xié)議（ModelContextProtocol，MCP）是一個開放標(biāo)準(zhǔn)，用于定義LLM應(yīng)用程序和智能體如何負(fù)責(zé)智能體間通信的Agent2Agent(A2A)協(xié)議。它定義了服務(wù)器（用于訪問數(shù)據(jù)庫、Wiki和服務(wù)等數(shù)據(jù)與工司加入生態(tài)系統(tǒng)，包括JetBrains（IntelliJ）和Apple，以及新興框架如FastMCP。MCP注冊表預(yù)覽版現(xiàn)已26?Thoughtworks,Inc.AllRightsReserved.2640.n8nn8n是一個公平代碼許可的工作流自動化平臺，類似于Zapier或Make（前身為Integromat但專為希望獲得自托管、可擴(kuò)展和代碼可控選項(xiàng)的開發(fā)者而構(gòu)建。它提供了比ApacheAirflow更低代碼的可視化工作流創(chuàng)建方法，同時仍支持JavaScript或Python的自定義代碼。其主要用例是將多個服務(wù)集成到自動化工作流中，但它也可以將大語言模型與可配置的數(shù)據(jù)源、內(nèi)存和工具連接起來。我們的許多團(tuán)隊(duì)使用n8n來快速構(gòu)建由聊天應(yīng)用程序或Webhook觸發(fā)的智能體工作流原型，并經(jīng)常41.OpenThreadOpenThread是Google開發(fā)的Thread網(wǎng)絡(luò)協(xié)議的開源實(shí)現(xiàn)。它支持Thread規(guī)范的所有關(guān)鍵功能――包括IPv6、6LoWPAN和LR-WPAN等網(wǎng)絡(luò)層，以及允許設(shè)備同時作為節(jié)點(diǎn)和邊界路由器運(yùn)行的網(wǎng)狀網(wǎng)絡(luò)功能。OpenThread可在廣泛的硬件平臺上運(yùn)行，它利用靈活的抽象層和集成鉤子，使供應(yīng)商能夠整合他們自己的無線電和加密功能。這一成熟的協(xié)議已廣泛應(yīng)用于商業(yè)產(chǎn)品中，并且根據(jù)我們的經(jīng)驗(yàn)，它已被證明是構(gòu)建各種物42.AG-UI協(xié)議AG-UI是一個開放協(xié)議和庫，旨在規(guī)范豐富用戶界面與智能體之間的通信。該協(xié)議專注于面向用戶的智能體應(yīng)用，并通過中間件和客戶端集成實(shí)現(xiàn)前端與后端的通用交互。協(xié)議定義了后端智能體與前端應(yīng)用交流的一致方式，使AI和人類用戶之間能夠進(jìn)行實(shí)時、有狀態(tài)的協(xié)作。它支持多種傳輸協(xié)并提供標(biāo)準(zhǔn)化的事件類型，用于描述智能體執(zhí)行的不同階和PydanticAI，并有社區(qū)集成其他解決方案。43.Agent-to-Agent(A2A)協(xié)議Cards描述智能體間通信的關(guān)鍵元素，包括技能發(fā)現(xiàn)和傳輸及安全方案的規(guī)范。A2A通過專注于智能體間通），該協(xié)議提倡最佳實(shí)踐，例如對長時間運(yùn)行的任務(wù)采用異步優(yōu)先方法，對增量更新采用流式響應(yīng)，以及使用HTTPS、身份驗(yàn)證和授權(quán)進(jìn)行安全傳輸。為了方便快速采用，A2A提供了Pytho?Thoughtworks,Inc.AllRightsReserved.44.AmazonS3VectorsAmazonS3Vectors為S3對象存儲原生擴(kuò)展了向量能力，提供內(nèi)置的向量存儲與相似度檢索功能。它可與包括AmazonBedrock、OpenS治理等附加特性。盡管目前仍處于預(yù)覽階段且受限制與約束影響，我們認(rèn)為它的價(jià)值主張極具吸引力。這種高45.ArdoqArdoq是一個企業(yè)架構(gòu)（EA）平臺，使組織能夠構(gòu)建、管理和擴(kuò)展其架構(gòu)知識庫，從而更有效地進(jìn)行未來規(guī)劃。與容易產(chǎn)生漂移和孤島化的傳統(tǒng)靜態(tài)文檔不同，Ardoq的數(shù)據(jù)驅(qū)動方法從現(xiàn)有系統(tǒng)中提取信息，創(chuàng)建動態(tài)知識圖譜，并隨著環(huán)境變化保持更新。我們發(fā)現(xiàn)其中一個特別有用的功能是ArdoqScenarios，它允許使用類46.CloudNativePGCloudNativePG是一個KubernetesOperator，用于簡化在Kubernetes中托管和管理高可用PostgreSQL集自動故障切換以提升最一致的副本以及自動重建失敗的副本。如果你計(jì)劃在KubernetCloudNativePG是一個可靠的起點(diǎn)。47.CoderCoder是一個平臺，用于快速配置標(biāo)準(zhǔn)化編碼環(huán)境，遵循我們之前描述的云上開發(fā)環(huán)境實(shí)踐。與類似工具，如Gitpod（現(xiàn)已重新命名為Ona）和GitHubCodespaces相比，Coder通過Terraform提供了對工作站定制的更大控制。它將工作站在您自己的基礎(chǔ)設(shè)施上托管，無論是云中還是數(shù)據(jù)中心，而不是在供應(yīng)商28?Thoughtworks,Inc.AllRightsReserved.2848.GraftGraft是一款事務(wù)型存儲引擎，專為在邊緣和分布式環(huán)境中實(shí)現(xiàn)強(qiáng)一致性、高效率的數(shù)據(jù)同步而設(shè)計(jì)。它通過惰性復(fù)制（LazyReplication）實(shí)現(xiàn)按需同步數(shù)據(jù)，通過部分復(fù)制（PartialReplication）最大限度地減少帶寬消耗，并通過可序列化快照隔離來保證數(shù)據(jù)完整性。我們曾在雷達(dá)中提及Electric，它針對類似用例，但Graft的獨(dú)特之處在于它將對象存儲轉(zhuǎn)變?yōu)橐粋€事務(wù)型系統(tǒng)，支持在不強(qiáng)制規(guī)定數(shù)據(jù)格式的情況下，對數(shù)據(jù)子集進(jìn)行一致性的頁面級更新。這使其非常適合作為本地優(yōu)先應(yīng)用的底層支持、管理復(fù)雜的跨平臺同步，以及作為無服49.groundcovergroundcover是一個云原生可觀測性平臺，將日志、追蹤、指標(biāo)和Kubernetes事件統(tǒng)一在一個面板中。它利用eBPF技術(shù)，無需編寫任何代碼即可捕獲細(xì)粒度的可關(guān)鍵功能包括深度內(nèi)核級可見性、自帶云（BYOC）架構(gòu)用于數(shù)據(jù)隱私和數(shù)據(jù)量無關(guān)的定價(jià)模型，從而保證成50.KarmadaKarmada（“KubernetesArmada”）是一個可在多個Kubernetes集群、云和數(shù)據(jù)中心間編排工作負(fù)臺。許多團(tuán)隊(duì)當(dāng)前通過Flux等GitOps工具或ArgoCD結(jié)合自定義決方案備受歡迎。Karmada利用原生KubernetesAPI，無需對已為云原生環(huán)境構(gòu)建的應(yīng)用進(jìn)行任何更改。它Karmada仍然相對較新，因此評估團(tuán)隊(duì)所依賴功能的成熟度尤為重要。不過，作為一個CNCF項(xiàng)勢頭迅猛，我們已有多個團(tuán)隊(duì)成功部署使用。需要注意的是，諸如跨集群的網(wǎng)絡(luò)、狀態(tài)與存儲管理等領(lǐng)域并不在Karmada的功能范圍內(nèi)。大多數(shù)團(tuán)隊(duì)仍需配合Istio或Linkerd這類服務(wù)網(wǎng)格進(jìn)行流量管理，并提前規(guī)劃51.OpenFeature隨著企業(yè)規(guī)模的擴(kuò)大，特性開關(guān)管理通常變得日益復(fù)雜；團(tuán)隊(duì)需要一個能夠超越最簡單的特性開關(guān)的抽象層。關(guān)的定義與消費(fèi)方式，將應(yīng)用代碼與管理方案解耦。這樣的靈活性讓團(tuán)隊(duì)可以方便地切換供應(yīng)商――無論是使用環(huán)境變量或內(nèi)存配置等基礎(chǔ)方案，還是像ConfigCat或LaunchDarkly這樣成熟的平臺。不過，仍然有一個關(guān)鍵的提醒：各團(tuán)隊(duì)必須對不同類型的開關(guān)進(jìn)行有紀(jì)律的分別管理，以避免開關(guān)泛濫、應(yīng)用復(fù)雜度增加和過多29?Thoughtworks,Inc.AllRightsReserved.2952.Oxide構(gòu)建和運(yùn)營私有基礎(chǔ)設(shè)施非常復(fù)雜，這也是公共云成為大多數(shù)組織默認(rèn)選擇的主要原因之一。然而，對于有這類需求的團(tuán)隊(duì)，Oxide提供了一種替代方案，無需從零組裝和集成硬件與軟件。它提供預(yù)構(gòu)建的機(jī)架，包括計(jì)算、網(wǎng)絡(luò)和存儲，并運(yùn)行完全集成的系統(tǒng)軟件。團(tuán)隊(duì)可以通過Oxide的IaaSAPI使用Terraform等自動化工戴爾和VMware的VxRail、Nutanix以及HPESimpliVity也提供的獨(dú)特之處在于其專用設(shè)計(jì)方法。它從電路板、電源到固件設(shè)計(jì)整個堆棧，而不是從不同供應(yīng)商Oxide還開發(fā)并開源了Hubris，這是一個為嵌入式系統(tǒng)設(shè)計(jì)的輕量級、內(nèi)存保護(hù)、消息傳遞內(nèi)核，采用Rust53.RestateRestate是一個持久化執(zhí)行平臺，旨在解決構(gòu)建有狀態(tài)、容錯應(yīng)用程序時的復(fù)雜分布式系統(tǒng)挑戰(zhàn)。它通過執(zhí)行日志記錄記錄每個步驟，確保容錯、可靠恢復(fù)和跨服務(wù)的精確一次通信。平臺的關(guān)鍵架構(gòu)優(yōu)勢在于將應(yīng)用程序邏輯分離為三種持久化服務(wù)類型：基本服務(wù)用于無狀態(tài)函數(shù)；虛擬對象用于建模并發(fā)、有狀態(tài)的實(shí)體；工作流用于編排復(fù)雜、多步驟的過程。我們在一個大型保險(xiǎn)系統(tǒng)中仔細(xì)評54.SkyPilotSkyPilot是一個開源平臺，用于在本地或云端運(yùn)行和擴(kuò)展AI工作負(fù)載。由加州大學(xué)伯克利分校的SkyComputingLab開發(fā)，SkyPilot充當(dāng)智能中介，能夠自動尋找并分配主要云服務(wù)和Kubernetes集群中最便生的穩(wěn)健性、對Pod的直接SSH訪問，以及幫派調(diào)度和多集群支持等功能，簡化55.StarRocksStarRocks是一個分析型數(shù)據(jù)庫，通過結(jié)合傳統(tǒng)OLAP系統(tǒng)的速度與現(xiàn)代Lakehouse架構(gòu)的靈活性，重新定義了實(shí)時商業(yè)智能。它通過SIMD優(yōu)化的執(zhí)行引無需預(yù)計(jì)算或復(fù)制數(shù)據(jù)。盡管該領(lǐng)域存在許多平臺，我們認(rèn)為StarRocks30?Thoughtworks,Inc.AllRightsReserved.3056.UncloudUncloud是一款輕量級的容器編排與集群管理工具，旨在幫助開發(fā)者將DockerCompose應(yīng)用快速部署到生產(chǎn)環(huán)境。它提供了一種簡化的云端體驗(yàn)，同時避免了Kubernetes帶來的復(fù)雜運(yùn)和負(fù)載均衡服務(wù)。Uncloud的核心架構(gòu)優(yōu)勢在于其徹底的去中心化設(shè)計(jì)，這種設(shè)計(jì)消除了對中心控制平面的依賴，確保即使集群中的單臺機(jī)器離線，服務(wù)和集群操作仍能維持功能。借助Uncloud，用戶可以靈活地將云虛工具7862798066636869825783585984工具78627980666368698257835859846064657270677374757776采納試驗(yàn)新的●挪進(jìn)/挪出●沒有變化57.ClickHouse58.NeMoGuardrails59.pnpm60.Pydantic62.Barman63.ClaudeCode64.Cleanlab65.Context767.DatabricksAssistant68.Hoppscotch69.NVIDIADCGMExporter70.RelationalAI72.v073.AugmentCode74.AzureAI文檔智能75.Docling79.MCP-Scan81.Poweruserfordbt82.Serena83.SweetPad—32?Thoughtworks,Inc.AllRightsReserved.32工具工具57.ClickHouseClickHouse是一個開源、分布式的列式在線分析處理（OLAP）數(shù)據(jù)庫，適用于實(shí)時分析。它已經(jīng)發(fā)展成為高性能、可擴(kuò)展的數(shù)據(jù)分析引擎，能夠處理大規(guī)模數(shù)據(jù)分析任務(wù)。其增量物化視圖、高效查詢引擎和強(qiáng)大的數(shù)據(jù)壓縮功能，使其非常適合交互式查詢。內(nèi)置的近似聚合函數(shù)支持在精度與性能之間折衷，特別適用于高基數(shù)分析。S3存儲引擎和MergeTree的加入，實(shí)現(xiàn)了存儲與計(jì)我們還發(fā)現(xiàn)ClickHouse是OpenTelemetry數(shù)據(jù)以及如Sentry這類崩潰分析工具的優(yōu)秀后端選擇。對于希望獲得快速、開源分析引擎的團(tuán)隊(duì)來說，ClickHouse是極佳選擇。58.NeMoGuardrails活的對話流程和管理對話，執(zhí)行預(yù)定義的路徑和操作程序。NeMoGuardrails還提供了異步優(yōu)先的API以獲得更好的性能，并支持內(nèi)容安全、安全性和輸入輸出審核的保障措施。我們看到，從簡單的聊天機(jī)器人到復(fù)雜的代理工作流，各個團(tuán)隊(duì)都在穩(wěn)步采用NeMoGuardrails構(gòu)建各種類型的應(yīng)用程序。隨著見LLM漏洞的成熟覆蓋，我們決定將NeMoGuardrails移至采用評級。59.pnpm自上次技術(shù)雷達(dá)發(fā)布以來，我們持續(xù)收到團(tuán)隊(duì)對pnpm的積極反饋。pnpm是一個Node.js的包管理器，相比其他替代方案，它在速度和磁盤空間效率方面都有顯著提升。它通過將多個項(xiàng)目的node_mo復(fù)的包以硬鏈接（hardlink）的方式指向磁盤上的單一位置，從而節(jié)省空間；同時還支持基于文件級的增量優(yōu)化，進(jìn)一步提升性能。由于pnpm能夠在幾乎沒有兼容性問題的情況下提供更快的反饋循環(huán)，它已成為我們在Node.js包管理中的默認(rèn)選擇。60.PydanticPydantic是一個Python庫，使用標(biāo)準(zhǔn)類型提示來定義數(shù)據(jù)模型并在運(yùn)行時強(qiáng)制執(zhí)行數(shù)據(jù)模式。最初，Python添加類型注解是為了靜態(tài)分析，但其日益多樣化的用途已擴(kuò)展到運(yùn)行時驗(yàn)證。基于高性能的Rust核心，Pydantic提供高效的數(shù)據(jù)驗(yàn)證、解析和序列化。雖然Pydantic在WebAPI開發(fā)中最為人知，但它在LLM應(yīng)用中也變得不可或缺。我們通常使用從LLMs獲取結(jié)構(gòu)化輸出技術(shù)來管理LLM的不確定性。通過定義嚴(yán)格的數(shù)據(jù)模式，它為模型輸出的不確定性提供了安全網(wǎng)――將自由格式的文本響應(yīng)轉(zhuǎn)換為確定性、類型安全的Python對象（例如JSON）。這種方法通常通過PydanticAI或LangChain實(shí)現(xiàn)，將潛在脆弱的LLM交互轉(zhuǎn)化為可靠的、機(jī)器可讀的數(shù)據(jù)契約。我們的團(tuán)隊(duì)已成功在生產(chǎn)環(huán)境中使用Pydantic從非結(jié)構(gòu)化文檔中提取結(jié)構(gòu)化表示，確保輸出符合有效結(jié)構(gòu)。鑒于其成熟度、性能和可靠性，Pydantic現(xiàn)在是我們生產(chǎn)級PythonAI應(yīng)用的默認(rèn)選擇。33?Thoughtworks,Inc.AllRightsReserved.33工具工具61.AIDesignReviewer領(lǐng)域感知的建議，幫助團(tuán)隊(duì)建立共享的設(shè)計(jì)詞匯和設(shè)計(jì)選擇背后的理由62.BarmanBarman（BackupandRecoveryManager）是一個用于管理PostgreSQL服務(wù)器備份和災(zāi)難恢復(fù)的開源工具。它支持完整的災(zāi)難恢復(fù)流程，通過多種方法簡化物理備份的創(chuàng)建，將備份組織到一個全面的目錄中，并支持將備份恢復(fù)到運(yùn)行中的服務(wù)器，同時具備時間點(diǎn)恢復(fù)功能。我們發(fā)現(xiàn)Barman功能強(qiáng)大且易于使用，并63.ClaudeCodeAnthropic的ClaudeCode是一款具備智能體特性的AI編碼工具，它為規(guī)劃和執(zhí)行復(fù)雜的多步驟工作流提供了自然語言接口和智能體執(zhí)行模型。自發(fā)布不到一年以來，它已經(jīng)在Thoughtworks內(nèi)部和外部的開發(fā)者中被廣泛采用，因此我們將其納入Trial階段?；诿钚械木幋a智能體，如OpenAI的CodexCLI、也紛紛加入了智能體模式。即便如此，ClaudeCode仍然深受歡迎。我們觀察到，團(tuán)隊(duì)不僅使用它來編寫和修64.Cleanlab在以數(shù)據(jù)為中心的AI范式中，改善數(shù)據(jù)集質(zhì)量通常比調(diào)整模型本身帶來更大的性能提升。Cleanlab是一個開源Python庫，旨在通過自動識別常見的數(shù)據(jù)問題來解決這一挑戰(zhàn)――如存在于文本、圖像、表格和音頻數(shù)據(jù)集之中錯誤標(biāo)簽、異常值和重復(fù)項(xiàng)。基于置信學(xué)習(xí)原理構(gòu)建，Cleanlab利用34?Thoughtworks,Inc.AllRightsReserved.34工具工具這種與模型無關(guān)的方法使開發(fā)者能夠診斷和糾正數(shù)據(jù)集錯誤，然后重新訓(xùn)練模型以提高健壯性和準(zhǔn)確性。我們的團(tuán)隊(duì)在生產(chǎn)環(huán)境中成功使用了Cleanlab，確認(rèn)了它在實(shí)際環(huán)境中的有效性。在A65.Context7Context7是一個MCP服務(wù)器，旨在解決AI生成代碼中Context7通過直接從框架的源代碼庫中提取最新的文檔和可運(yùn)行的代碼示例，并在提示時將其注入到LLM的67.DatabricksAssistantDatabricksAssistant是一款直接集成于Databricks平臺的AI驅(qū)動對話式工具，為數(shù)據(jù)專業(yè)人員充當(dāng)上下文相關(guān)的結(jié)對編程助手。與通用代碼助手不同，DatabricksAssistant能原生理解Databricks環(huán)境和數(shù)據(jù)上下文，包括來自UnityCatalog的元數(shù)據(jù)。其能力不僅限于生成代碼片段，還能編寫復(fù)雜的多步SQL和Python68.HoppscotchHoppscotch是一個輕量級開源工具，用于API開發(fā)、調(diào)試、測試和共享。它支持多種協(xié)議，包括HTTP、GraphQL和WebSocket，并提供適用于Web、桌面和雖然API工具領(lǐng)域競爭激烈，有Postman、Insomnia和Bruno等替代方案，Hoppscotch以其輕量體積和注35?Thoughtworks,Inc.AllRightsReserved.35工具NVIDIADCGMExporter是一個開源工據(jù)中心GPU管理器（DCGM）的專有遙測數(shù)據(jù)轉(zhuǎn)換為兼容標(biāo)準(zhǔn)監(jiān)控系統(tǒng)的開放格式整個流程――可能降低吞吐量超過10%，并浪模環(huán)境設(shè)計(jì)，可與Prometheus和Grafana無縫集成，幫助確保每個GPU在最佳性能范圍內(nèi)運(yùn)行。70.RelationalAI生應(yīng)用，RelationalAI使團(tuán)隊(duì)能夠構(gòu)建復(fù)雜模型，以捕捉有意義的概念、定義核心業(yè)務(wù)實(shí)體，并將復(fù)雜邏輯直接嵌入到Snowflake表之上。其強(qiáng)大的圖推理器允許用戶基于這些模型創(chuàng)置的算法有助于探索圖結(jié)構(gòu)并揭示隱藏模式。對于管理海量、快速變化數(shù)據(jù)集的組織而言，構(gòu)建知識圖譜對于71.UXPilotUXPilot是一款支持多階段UX設(shè)計(jì)流程的AI工具接受文本或圖像輸入，并能夠自動生成界面、流程和布局。其Autoflow功能可創(chuàng)建用戶流程過渡，而DeepDesign則生成更豐富、更細(xì)致的輸出。UXPilot還提供Figma插件，可將生成的設(shè)計(jì)導(dǎo)出以在標(biāo)準(zhǔn)設(shè)計(jì)工具將項(xiàng)目故事列表轉(zhuǎn)化為產(chǎn)品愿景板和Epic級別的設(shè)計(jì)72.v0v0自上次在Radar中亮相以來已有所發(fā)展。它現(xiàn)在包含設(shè)計(jì)模式，UI原型的門檻。最新版本引入了內(nèi)部模型，具有大上下文窗口和多模態(tài)能力，使v0能適的模型。然而，這項(xiàng)功能仍處于早期階段，目前36?Thoughtworks,Inc.AllRightsReserved.36工具73.AugmentCodeAugmentCode是一款A(yù)I編碼助手，可在大型代碼庫中提供深度、具備上下文感知能力的開發(fā)支持。它的亮點(diǎn)在于先進(jìn)的上下文工程，即使在代碼頻繁變更時，也能實(shí)包括ClaudeSonnet4和4.5、GPT-5在內(nèi)的大型模型，可集成GitHub、Jira、Confluence，并支持用于外74.AzureAI文檔智能結(jié)構(gòu)化數(shù)據(jù)。它使用預(yù)訓(xùn)練的深度學(xué)習(xí)模型來理解布局和語義，并且可以通過無代碼界面訓(xùn)練自定義模型以處理特定格式。不過，在某些情況下，高級用戶可能需要自定義減少了人工數(shù)據(jù)錄入，提高了數(shù)據(jù)準(zhǔn)確性并加快了報(bào)告速度，從而推動了更快速的數(shù)據(jù)驅(qū)動決策。與AmazonTextract和GoogleDocumentAI類似，它提供企業(yè)級文檔處理能力，并具有強(qiáng)大的布局理解能力。一種新興相比，ADI不僅捕獲文本，還捕獲結(jié)構(gòu)和關(guān)系，使其易于集成到下游數(shù)據(jù)管道中。不過，我們也觀察到在75.DoclingDocling是一個開源的Python和TypeScript庫，用于對非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行高級文檔處理。它解決了常被忽視的“最后一公里”問題，即將真實(shí)世界的文檔――如PDF和PowerPoint――轉(zhuǎn)換為干凈、可機(jī)器讀式。與傳統(tǒng)提取器不同，Docling使用基于計(jì)算機(jī)視覺的方法來解析文檔的布局和語義結(jié)構(gòu)，使其輸出對于增LLM的結(jié)構(gòu)化輸出等技術(shù)。這與ColPaliDocling的開源特性和基于Python的核心（建立在自定義的Pydantic數(shù)據(jù)模型上）為團(tuán)隊(duì)提供了靈活的自托管替代方案，相比于Azure文檔智能、AmazonTextract和GoogleDocumentAI等專有云工具更具自主性。該項(xiàng)目由IBMResearch支持，開發(fā)快速，并提供可即插即用的架構(gòu)，可與LangGraph等其他框架集成，非76.E2B虛擬機(jī)構(gòu)建，支持智能體安全地執(zhí)行代碼、分析數(shù)據(jù)、開展研究或操作虛擬機(jī)。這樣，你可以構(gòu)建與部署企業(yè)37?Thoughtworks,Inc.AllRightsReserved.37工具77.Helix編輯器近年來，簡單文本編輯器有所回潮，試圖取代命令行中的熱門選擇Vim。Helix就是其中之一，在擁擠的市場Tree-sitter支持以及集成的語言服務(wù)器協(xié)議（LSP）支持，這也是最初吸引我們注意的地方。Helix正在積極78.KueueKueue是一個Kubernetes原生的作業(yè)隊(duì)列控制器，用于管理配額和資源消耗。它提供了處理不同優(yōu)先級和資源需求的Kubernetes工作負(fù)載的API，充當(dāng)作業(yè)級管理器，決定何時允許或驅(qū)逐作業(yè)。效的資源管理、作業(yè)優(yōu)先級排序和高級調(diào)度，幫助優(yōu)化Kubernetes環(huán)境中的工作負(fù)載執(zhí)行，尤其適用于使用Kubeflow等工具的機(jī)器學(xué)習(xí)工作負(fù)載。它與cluster-autoscaler和kube-scheduler協(xié)同工作，而非替代它79.MCP-ScanMCP-Scan是一種為ModelContextProtocol(MCP)服務(wù)器設(shè)計(jì)的安全掃描器，擁有掃描和代理兩種運(yùn)行模式。在掃描模式下，它分析配置和工具描述以檢測已知漏洞，例如提示詞注入、工具投毒和有害流分析。在代理模式下，MCP-Scan作為智能體系統(tǒng)與MCP服務(wù)器之間的橋梁，持續(xù)監(jiān)控運(yùn)行時流量，并可強(qiáng)制執(zhí)行自定義安全規(guī)則和防護(hù)措施，包括工具調(diào)用校驗(yàn)、敏感信息檢測和數(shù)據(jù)流約束。該工具為智能體系統(tǒng)提供了主動型安全防線，即使惡意提示被接受，也能確保智能體無法執(zhí)行有害操作。MCP-Scan是為新興的智能體系統(tǒng)安全80.oRPCoRPC(OpenAPIRemoteProcedureCall)在TypeScript中提供端到端的類型安全API，同時完全遵循OpenAPI規(guī)范。它可以自動生成完整的OpenANode.js框架，包括Express,Fastify,Hono和Next.js。這種靈活性使其成為希望采用端到端類型安全性到現(xiàn)38?Thoughtworks,Inc.AllRightsReserved.38工具81.PoweruserfordbtPoweruserfordbt是一個VisualStudioCode擴(kuò)展，能夠直接集成dbt和dbtCloud環(huán)境。dbt一直是我們最喜歡的工具之一，因此任何能夠提升其易用性的工具都值得我們歡迎。此前，開發(fā)者需要依賴多種工具來動補(bǔ)全、實(shí)時查詢結(jié)果以及可視化的模型和列血緣關(guān)系。最后一項(xiàng)功能使在模型之間導(dǎo)航變得輕松。我們的團(tuán)82.SerenaSerena是一個強(qiáng)大的編程工具包，為像ClaudeCode這樣的編程智能體提供類IDE功能，用于語義化代碼檢索和編輯。通過在符號層面操作并理解代碼的關(guān)系結(jié)構(gòu)，Serena大幅提升了token的使用效率。編程智能體無需讀取整個文件或依賴粗糙的字符串替換，而可以使用精準(zhǔn)的Serena工具，例如find_symbol、find_referencing_symbols和insert_after_symbol來定位和編輯代碼。雖然在小型項(xiàng)目中效果有限，但隨著代碼83.SweetPadSweetPad擴(kuò)展讓開發(fā)者能夠在Apple平臺使用VSCode或Cursor完成整個Swift應(yīng)用的開發(fā)生命周期。它通過集成xcodebuild、xcode-build-server和swift-format等核心工具，免去了頻繁切換到Xcode的需85.Fastify86.LangGraph88.Crossplane89.DeepEval90.FastMCP92.MLForecast93.Nuxt94.Phoenix95.Presidio96.PydanticAI98.AgentDevelopmentKit（ADK）99.Agno100.assistant-ui102.BrowserUse103.DeepSpeed104.Drizzle106.kagent107.LangExtract108.Langflow109.LMCache112.OpenInference—采納試驗(yàn)97879787858696858696959594939493889289908892899098999899新的●挪進(jìn)/挪出●沒有變化40?Thoughtworks,Inc.AllRightsReserved.4085.Fastify我們對Fastify的體驗(yàn)持續(xù)保持積極評價(jià)。它是一款快速、靈活、低開銷的Node.jsWeb框架。它提供了極簡使其成為Node.js極簡Web開發(fā)中一個引人注86.LangGraphLangGraph是一個用于使用LLM構(gòu)建有狀態(tài)的多智能體應(yīng)用的編排框架。它提供節(jié)點(diǎn)和邊等底層原語，以及內(nèi)置功能，使開發(fā)人員能夠精細(xì)控制智能體的工作流、內(nèi)存管理和狀態(tài)持久化。這意味著開發(fā)人員可以從一個簡單的預(yù)構(gòu)建圖入手，并擴(kuò)展到復(fù)雜且不斷演進(jìn)的智能體架構(gòu)。通過支持流式處理、高級上下文管理以及模型回退和工具錯誤處理等彈性模式，LangGraph使你可預(yù)測的、可定制的工作流，并簡化了調(diào)試和擴(kuò)展。我們的團(tuán)隊(duì)使用LangGraph構(gòu)建多智能體系統(tǒng)取得了很Llama3.1(8B和70B)、Mistral7B和Llama-SQL等模型，用于開發(fā)者編碼輔助、知識搜索和自然語言數(shù)據(jù)庫交互。vLLM與OpenAISDK標(biāo)準(zhǔn)兼容，實(shí)現(xiàn)一致的模型服務(wù)。Azure的AIModelCatalog使用基于vLLM的自定義推理容器以提升服務(wù)性能，并將vLLM作為默認(rèn)推理引擎，因其高吞吐量和高效內(nèi)存管理而被廣泛采88.Crossplane自上次在技術(shù)雷達(dá)中亮相以來，Crossplan觀察仍然成立：Crossplane最適合作為Kubernetes內(nèi)部署工作負(fù)載的輔助工具，而不是完全替代Terraform尤其有效。當(dāng)管理那些生命周期簡單但并非Kubernetes原生支持的資源時，Crossplane然它現(xiàn)在可以創(chuàng)建Kubernetes集群――這一功能以前缺失――我們?nèi)越ㄗh在將Crossplane作為Terraform完全替代方案時保持謹(jǐn)慎。根據(jù)我們的經(jīng)驗(yàn)，最佳做法是以IaC作為基礎(chǔ)層，再在其上使用Crossp?Thoughtworks,Inc.AllRightsReserved.89.DeepEval用框架（如LlamaIndex或LangChain）構(gòu)建的應(yīng)用程序，也可以用于