Thoughtworks Technology Radar, Volume 29 é publicado

Visualiza e explica as tendências mais recentes nas áreas de técnicas/ferramentas/plataformas/linguagens e frameworks de desenvolvimento em quatro estágios: Hold/Assess/Trial/Adopt

Desenvolvimento de software com suporte de IA

• LLMs open source para programação devem chacoalhar o ecossistema de ferramentas de desenvolvimento
• Além de programar, também há grande potencial para apoiar a escrita de user stories, pesquisa com usuários, elevator pitch e outras tarefas relacionadas a linguagem
• Ao mesmo tempo, os desenvolvedores precisam usar todas essas ferramentas com responsabilidade e tomar cuidado com questões como dependências alucinatórias

Quão produtiva é a medição de produtividade?

• O desenvolvimento de software às vezes pode parecer magia para quem não é especialista técnico, o que leva gestores a tentar medir o quão produtivos os desenvolvedores estão sendo
• Martin Fowler escreveu em 2003 o texto "produtividade não pode ser medida"
• Ainda assim, entre os frameworks SPACE (Satisfaction and well-being, Performance, Activity, Communication and collaboration, Efficiency and flow), indicadores substitutos ligados a Activity, como número de pull requests ou de issues resolvidas, não são lá muito bons
• Em vez disso, o setor começou a focar em "eficiência de engenharia", defendendo que, em vez de medir produtividade, deve-se "medir os fatores que contribuem ou atrapalham o fluxo"
• Em vez de focar na atividade individual, é preciso focar nas causas de desperdício no sistema e nas condições que podem ser demonstradas empiricamente como influenciando a percepção de "produtividade" dos desenvolvedores
• Novas ferramentas como DX DevEx 360 abordam esse problema ao focar na experiência do desenvolvedor, e não na medição de entregáveis específicos
• No entanto, muitos líderes ainda falam da 'produtividade' dos desenvolvedores de forma vaga e qualitativa
• Pelo menos parte desse interesse renovado parece estar ligada ao impacto do desenvolvimento de software com suporte de IA, levantando a pergunta: "está tendo um impacto positivo?"
• A medição real de produtividade continua sendo difícil

Muitos LLMs

• LLMs (grandes modelos de linguagem) formam a base de muitas inovações modernas em IA
• Atualmente, muitos experimentos incluem apresentar interfaces de usuário no estilo chat, como ChatGPT ou Bard
• Em termos amplos, LLMs são ferramentas capazes de resolver uma variedade de problemas, desde geração de conteúdo (texto, imagem e vídeo) até geração de código, resumo e tradução
• Esses modelos, que usam "linguagem natural" como uma poderosa camada de abstração, oferecem um conjunto de ferramentas universalmente atraente e por isso vêm sendo usados por muitos trabalhadores do conhecimento
• Há discussões sobre vários aspectos dos LLMs, incluindo self-hosting, que permite mais customização e controle mais forte do que LLMs hospedados na nuvem
• À medida que a complexidade dos LLMs aumenta, consideramos especialmente a capacidade de quantizar e executar LLMs em formatos menores, sobretudo em dispositivos de borda e ambientes restritos
• Também analisamos "ReAct Prompting", que promete ganhos de desempenho, junto com agentes autônomos baseados em LLM que podem ser usados para criar aplicações dinâmicas que vão além de interações de pergunta e resposta
• Também menciona vários bancos de dados vetoriais, incluindo Pinecone, que estão voltando a ganhar destaque graças aos LLMs
• As capacidades básicas dos LLMs, incluindo especialização e self-hosting, continuam em crescimento explosivo

As soluções paliativas do delivery remoto amadurecem

• Equipes remotas de desenvolvimento de software usam tecnologia há anos para superar restrições geográficas, mas o impacto da pandemia acelerou a inovação nessa área e consolidou o trabalho totalmente remoto ou híbrido como uma tendência duradoura
• Nesta edição do Radar, discutimos como os métodos e ferramentas de desenvolvimento remoto de software amadureceram e como as equipes continuam ampliando os limites com foco em colaboração eficaz em ambientes mais distribuídos e dinâmicos do que nunca
• Algumas equipes continuam apresentando soluções inovadoras com novas ferramentas de colaboração
• Outras seguem adaptando e refinando práticas presenciais já existentes para atividades como pair programming em tempo real, Mob programming e workshops distribuídos (por exemplo, remote event storming). Tanto formas assíncronas quanto síncronas são possíveis
• O trabalho remoto oferece diversos benefícios (incluindo um pool de talentos mais diverso), mas o valor da interação presencial é evidente
• As equipes não devem permitir que loops de feedback importantes desapareçam e precisam reconhecer os prós e contras que surgem ao migrar para uma configuração remota

[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]

Divulgado o Thoughtworks Technology Radar, Volume 28
Publicada a edição 27 do Thoughtworks Technology Radar
Thoughtworks Technology Radar, Volume 26 (PDF de 39p)
Publicada a edição 23 do Thoughtworks Technology Radar
Publicada a edição 22 do Thoughtworks Technology Radar [PDF de 32p]
Notícias de tecnologia publicadas pela ThoughtWorks a cada 6 meses - Radar Vol.21