技术雷达

毫不意外，生成式 AI 和大语言模型 (LLM) 成为了本期雷达中讨论的焦点话题，尤其是开发者们使用它们的新兴模式。伴随这些模式不可避免的也出现了对应的反模式——那些开发者应避免的情境化问题。我们在过度亢奋的 AI 领域中已经看到了一些反模式的出现，包括错误地认为人类可以完全用 AI 取代结对编程伙伴、过度依赖编码辅助建议、生成代码的质量问题以及代码库的快速膨胀。AI 往往通过蛮力而非抽象概念解决问题，比如使用大量嵌套条件语句而不是应用一个策略设计模式。代码质量问题尤其突显了开发者和架构师需要持续关注的领域，以确保他们不会在一堆“能用但很糟糕”的代码中迷失。因此，团队成员应该加强良好的工程实践，如单元测试、架构适应度函数以及其他经过验证的治理和检验技术，确保 AI 能够帮助你的工作，而不是通过复杂性加密你的代码库。

Rust 逐渐成为首选的系统编程语言。在每一次的雷达会议中，Rust 都反复出现在我们讨论的潜台词中；我们讨论的许多工具都是用 Rust 编写的。当替换旧的系统级实用工具时，它是首选语言，同时也是为了提高性能而重写生态系统某些部分的选择——基于 Rust 的工具最常见的描述是“极其快速”。例如，我们看到 Python 生态系统中有几种工具提供了基于 Rust 的替代方案，以支持明显更好的性能。语言设计者和社区成功创建了一个备受欢迎的核心 SDK、库和开发工具生态系统，同时提供了出色的执行速度，且比许多前辈语言的陷阱更少。我们团队中的许多人都是 Rust 的粉丝，而使用 Rust 的大多数开发者似乎也对其高度评价。

WASM（WebAssembly）是一种用于基于栈的虚拟机的二进制指令格式，这听起来对大多数开发者来说太深奥和底层，直到人们看到其潜在的影响：能够在浏览器沙箱中运行复杂的应用程序。WASM 可以在现有的 JavaScript 虚拟机中运行，使得开发者过去只能在原生框架和扩展中实现的应用程序可以嵌入到浏览器中。现在，四大主要浏览器（Chrome、Firefox、Safari 和 Edge）都支持 WASM 1.0，这为复杂的可移植和跨平台开发开辟了令人兴奋的可能性。过去几年，我们对此标准一直保持高度关注，看到它开始展现作为一个合理部署目标的能力，我们感到非常高兴。

根据过去几期雷达报告中设定的轨迹，我们预计生成式人工智能将在讨论中占据重要地位。然而，我们仍然对支持语言模型的技术生态的迅猛发展感到惊讶：包括安全边界、评估工具、构建智能体的工具、处理结构化输出的框架、向量数据库、云服务和可观察性工具。在许多方面，这种快速多样的增长是合理的：最初通过简单文本提示与语言模型互动的体验，如今已转变为软件产品的工程化。虽然这些产品可能无法实现人们在向 ChatGPT 发送首个提示词后所做的梦想和夸大宣传，但我们在许多客户中看到了生成式人工智能的合理高效的应用，这些工具、平台和框架在将基于 LLM 的解决方案投入生产中发挥了重要作用。就像 2015 年左右 JavaScript 生态系统的爆发一样，我们预计这种混乱的增长还将持续一段时间。