▲

Thoughtworks Technology Radar, Volume 30 공개

 (thoughtworks.com)
9P by xguru 28일전 | favorite | 댓글 1개

테크닉/도구/플랫폼/개발언어 및 프레임워크 분야의 최신 트렌드들을 Hold/Assess/Trial/Adopt 4단계로 시각화 및 설명

개방형스러운(Open-ish) 소스 라이선스

  • 오픈 소스 소프트웨어 개발 생태계는 오랜 기간 동안 OSI(Open Source Initiative)에서 카탈로그화한 라이선스 세트에 의존해 왔음
  • 최근 몇 년 동안 널리 사용되는 도구의 핵심 기능이 갑자기 유료화되는 경우가 발생하면서, 오픈 소스 라이선스 환경에 변화가 생기고 있음
  • 소프트웨어에 대한 비용을 지불하는 것은 문제가 없지만, 생태계가 발달한 도구의 핵심 기능이 갑자기 유료화되는 것은 문제가 있음
  • 오픈 소스라고 선전하면서도 기본적인 기능은 구독료나 기타 요금을 지불한 후에야 제공되는 소프트웨어도 등장하고 있음
  • 라이선스 문제에 특별한 주의를 기울일 것을 권고함
  • 모든 파일이 최상위 수준의 라이선스에 의해 제공되는지 확인해야 함

AI 지원 소프트웨어 개발 팀

  • AI는 소프트웨어 개발의 모든 측면에서 점진적으로 이점을 얻을 수 있으며, 개발 전반에 걸친 혁신을 적극적으로 따르고 있음
  • AI가 제공하는 새로운 기능과 함께 소프트웨어 품질과 보안에 대한 새로운 위험이 따르므로, 비개발자를 포함하여 잠재적 위험에 대해 경계해야 함

LLM을 위한 새로운 아키텍처 패턴

  • LLM(Large Language Models) 사용이 증가함에 따라 일반적인 상황을 지원하기 위한 특정 아키텍처 패턴이 등장하기 시작함
    • NeMo Guardrails: LLM 사용에 대한 거버넌스 정책 구축 허용
    • Langfuse: LLM 출력으로 이어지는 단계에 대한 가시성 향상 및 생성된 코드로 가득 찬 비대한 코드베이스 처리 및 검증 방법
  • 엔터프라이즈 생태계에서 LLM 출력의 품질을 높이기 위해 RAG(retrieval-augmented generation)가 선호되는 패턴임
  • 생성형 AI가 소프트웨어 개발에 계속 스며들면서 패턴(및 불가피한 안티 패턴)의 폭발적 증가가 예상됨

적절한 CI에 가까운 PR 끌어오기(Dragging PRs closer to proper CI)

  • Thoughtworks는 빠른 피드백 루프와 지속적 통합(CI)을 강력히 지지해 왔음
  • 최근 풀 리퀘스트(PR)가 의무화되는 상황으로 인해 많은 팀이 CI/CD의 CI 부분을 무시하게 되었음
  • PR은 대규모 분산 오픈 소스 팀과 신뢰할 수 없는 기여자를 관리하기 위해 개발되었지만, 작고 긴밀한 전달 팀에서도 동료 검토의 동의어가 되었음
  • 개발자들은 실제 CI를 실행할 때 얻는 것과 같은 흐름을 갈망함
  • gitStream, Github 병합 대기열 등 PR 검토 프로세스의 고통을 완화하려는 여러 도구를 조사했음
  • AI 코딩 어시스턴트로 인해 코딩 처리량이 증가하면 더 큰 PR을 만드는 경향이 있어 비동기 코드 검토 프로세스에 더 많은 압력을 가함
  • 외부 제약으로 인해 CI를 사용할 수 없는 팀은 통합 정확도와 피드백 주기 속도를 개선할 방법을 찾을 것을 권장함

[Techniques]

Adopt

  1. Retrieval-augmented generation (RAG)

Trial

  1. Automatically generate Backstage entity descriptors
  2. Combining traditional NLP with LLMs
  3. Continuous compliance
  4. Edge functions - Cloudflare Workers
  5. Security champions
  6. Text to SQL - Vanna.ai
  7. Tracking health over debt

Assess

  1. AI team assistants
  2. Graph analysis for LLM-backed chats
  3. LLM-backed ChatOps
  4. LLM-powered autonomous agents - AutoGen
  5. Using GenAI to understand legacy codebases - Bloop
  6. VISS

Hold

  1. Broad integration tests
  2. Overenthusiastic LLM use
  3. Rush to fine-tune LLMs
  4. Web components for SSR web apps

[Platforms]

Adopt

  1. CloudEvents

Trial

  1. Arm in the cloud
  2. Azure Container Apps
  3. Azure OpenAI Service
  4. DataHub - Data Discovery Platform(DDP)의 모든 것
  5. Infrastructure orchestration platforms
  6. Pulumi
  7. Rancher Desktop
  8. Weights & Biases

Assess

  1. Bun
  2. Chronosphere
  3. DataOS
  4. Dify
  5. Elasticsearch Relevance Engine
  6. FOCUS
  7. Gemini Nano
  8. HyperDX
  9. IcePanel
  10. Langfuse
  11. Qdrant
  12. RISC-V for embedded
  13. Tigerbeetle
  14. WebTransport
  15. Zarf
  16. ZITADEL

[Tools]

Adopt

  1. Conan
  2. Kaniko
  3. Karpenter

Trial

  1. 42Crunch API Conformance Scan
  2. actions-runner-controller
  3. Android Emulator Container
  4. AWS CUDOS
  5. aws-nuke
  6. Bruno
  7. Develocity
  8. GitHub Copilot
  9. Gradio
  10. Gradle Version Catalog
  11. Maestro
  12. Microsoft SBOM tool
  13. Open Policy Agent (OPA)
  14. Philips's self-hosted GitHub runner
  15. Pop
  16. Renovate
  17. Terrascan
  18. Velero

Assess

  1. aider
  2. Akvorado
  3. Baichuan 2
  4. Cargo Lambda
  5. Codium AI
  6. Continue
  7. Fern Docs
  8. Granted
  9. LinearB
  10. LLaVA
  11. Marimo
  12. Mixtral
  13. NeMo Guardrails
  14. Ollama
  15. OpenTofu
  16. QAnything
  17. System Initiative
  18. Tetragon
  19. Winglang

[Languages & Frameworks]

Trial

  1. Astro
  2. DataComPy
  3. Pinia
  4. Ray

Assess

  1. Android Adaptability
  2. Concrete ML
  3. Crabviz
  4. Crux
  5. Databricks Asset Bundles
  6. Electric
  7. LiteLLM
  8. LLaMA-Factory
  9. MLX
  10. Mojo
  11. Otter
  12. Pkl
  13. Rust for UI
  14. vLLM
  15. Voyager
  16. WGPU
  17. Zig

Hold

  1. LangChain - LangChain은 무의미합니다, LangChain의 문제점