Thoughtworks最近出版了他们的《技术雷达》第31卷，为当前的技术格局提供了一个有见地的指南。根据技术雷达，生成式人工智能和大型语言模型（LLM）占主导地位，重点是在软件开发中负责任地使用它们。人工智能驱动的编码工具正在不断发展，需要在人工智能辅助和人类专业知识之间取得平衡。Rust在系统编程中越来越突出，其中编写了许多新工具。
主流浏览器对WebAssembly（WASM）1.0的支持为跨平台开发开辟了新的可能性。该报告还指出，支持语言模型的工具生态系统快速增长，包括护栏、评估框架和向量数据库。在技术象限中，采用环中值得注意的项目包括1%的金丝雀版本、组件测试、持续部署和检索增强生成（RAG）。雷达强调，需要平衡人工智能创新与经过验证的工程实践，保持关键的软件开发技术，如单元测试和架构适应性功能。
对于平台，Radar在试用版中重点介绍了copula Unity Catalog、FastChat和GCP Vertex AI Agent Builder等工具。它还评估了Azure AI Search等新兴平台、V7、Nvidia Deepstream SDK和Roboflow等大型视觉模型平台以及SpinKube。
这个象限强调了支持语言模型的工具的快速增长，包括用于护栏、评估、代理构建和向量数据库的工具，这表明了向以人工智能为中心的平台开发的重大转变。工具部分强调了拥有一个强大的工具包的重要性，该工具包将人工智能功能与可靠的软件开发工具相结合。Radar建议采用Bruno、K9s和BackstopJS等可视化回归测试工具。
它建议试用AWS Control Tower、ClickHouse和pgvector等，反映出对云管理、数据处理和人工智能相关数据库技术的关注。对于语言和框架，建议采用dbt和测试容器。试验环包括CAP、CARLA和LlamaIdex，反映出人们对人工智能和机器学习框架的兴趣日益浓厚。
《技术雷达》还强调了人们对小型语言模型（SLM）作为大型语言模型（LLM）在某些应用中的替代品的兴趣日益浓厚，并指出它们在特定环境中具有更好的性能潜力，并且能够在边缘设备上运行。这一版本将当前人工智能技术的快速增长与2015年前后JavaScript生态系统的爆炸性扩张进行了比较。
总体而言，《技术雷达》第31卷反映了受人工智能和机器学习进步严重影响的技术格局，同时也强调了扎实的软件工程实践的持续重要性。技术雷达由Thoughtworks的技术咨询委员会创建，每年两次为在快速发展的技术生态系统中导航的开发人员、架构师和技术领导者提供有价值的见解，为采用、试验、评估或谨慎处理哪些技术提供指导。