O Thoughtworks Technology Radar é um panorama semestral de ferramentas, técnicas, plataformas, linguagens e frameworks. Essa ferramenta de compartilhamento de conhecimento é baseada na experiência de nossas equipes globais e destaca coisas que você pode querer explorar em seus projetos.
Cada insight que compartilhamos é representado por um ponto. Os pontos podem ser novos no Radar mais recente, ou podem mudar de anel conforme nossa recomendação muda.
Os anéis são:
- Adote. Pontos que achamos que você deve considerar seriamente usar.
- Experimente. Coisas que achamos que estão prontas para uso, mas não tão comprovadas quanto as do anel Adote.
- Avalie. Coisas para observar atentamente, mas não necessariamente experimentar ainda - a menos que você ache que seja um encaixe particularmente bom para você.
- Mantenha-se cauteloso. Proceda com cautela.
Explore a versão interativa por quadrante ou baixe o PDF para ler o Radar completo. Se quiser saber mais sobre o Radar, como usá-lo ou como ele é construído, consulte as Perguntas Frequentes (FAQ).
Temas para este volume
Em cada volume do Radar Tecnológico, buscamos padrões emergentes nos pontos que discutimos. Esses padrões formam a base de nossos temas.
Antipadrões em assistência de codificação
Para a surpresa de ninguém, IA generativa e LLMs dominaram nossas conversas nesta edição do Radar, incluindo padrões emergentes em torno do seu uso por desenvolvedoras. Padrões inevitavelmente levam a antipadrões — situações contextualizadas que as pessoas desenvolvedoras devem evitar. Nós identificamos alguns antipadrões começando a aparecer no espaço hiperativo da IA, incluindo a noção equivocada de que humanos podem substituir totalmente a programação em pares pela IA como companheira a dependência excessiva em sugestões de assistência de codificação, problemas de qualidade com códigos gerados e taxas de crescimento aceleradas nas bases de código. A IA tende a resolver problemas por meio de força bruta em vez de usar abstrações, como utilizar dezenas de condicionais empilhadas em vez do padrão Strategy. Particularmente, os problemas de qualidade de código destacam uma área de esforço contínuo por parte de desenvolvedoras e arquitetas para que não se afoguem em um código terrível mas funcional. Assim, integrantes das equipes devem redobrar as boas práticas de engenharia, como testes unitários, funções de aptidão arquitetural e outras técnicas de governança e validação comprovadas, para garantir que a IA esteja ajudando em seus esforços em vez de complicar suas bases de código com complexidade.
Rust é tudo, menos ultrapassada
Rust se tornou gradualmente a linguagem de programação de sistemas preferida. Em cada sessão do Radar, ela aparece repetidamente nas entrelinhas de nossas conversas; um grande número das ferramentas que discutimos é escrito em Rust. É a linguagem escolhida ao substituir utilitários de sistema mais antigos e também na categoria de reescrita de parte de um ecossistema para melhorar o desempenho — o epíteto mais comum para ferramentas baseadas em Rust parece ser "incrivelmente rápido". Por exemplo, notamos várias ferramentas no ecossistema Python que têm alternativas baseadas em Rust, oferecendo desempenho visivelmente melhor. As pessoas que criaram a linguagem e a comunidade conseguiram gerar um ecossistema bem recebido de SDKs, bibliotecas e ferramentas de desenvolvimento, ao mesmo tempo em que proporcionam uma velocidade de execução excepcional com menos armadilhas do que muitos de seus predecessores. Muitas pessoas dos nossos times são fãs do Rust, e parece que a maioria das pessoas desenvolvedoras que a utilizam a tem em alta consideração.
A ascensão gradual do WASM
WASM (WebAssembly) é um formato de instrução binária para uma máquina virtual baseada em pilha, que soa esotérico e de nível muito baixo para a maioria dos interesses da desenvolvedora até que as pessoas vejam as implicações: a capacidade de executar aplicativos complexos dentro de um sandbox de navegador. WASM pode ser executado dentro de máquinas virtuais JavaScript existentes, permitindo que aplicações, que as desenvolvedoras anteriormente só poderiam implementar em frameworks e extensões nativas, sejam incorporadas em navegadores. Os quatro principais navegadores agora suportam WASM 1.0 (Chrome, Firefox, Safari e Edge), abrindo possibilidades interessantes para o desenvolvimento portátil e a multiplataforma sofisticada. Temos observado esse padrão nos últimos anos com grande interesse, e estamos felizes em vê-lo começar a flexionar suas capacidades como um alvo de implantação legítimo.
A explosão cambriana de ferramentas de IA generativa
Seguindo a trajetória estabelecida nos últimos volumes do Radar, esperávamos que a IA generativa tivesse um lugar de destaque em nossas discussões. E, ainda assim, ficamos surpresas com a explosão do ecossistema de tecnologia de suporte a modelos de linguagem: guardrails, evals, ferramentas para criar agentes, frameworks para trabalhar com resultados estruturados, bancos de dados vetoriais, serviços de nuvem e ferramentas de observabilidade. De muitas maneiras, esse crescimento rápido e variado faz todo sentido: a experiência inicial, a simplicidade de um prompt de texto simples para um modelo de linguagem, deu lugar à engenharia de produtos de software. Esses produtos podem não estar à altura dos sonhos e das afirmações extravagantes que foram feitas depois que as pessoas enviaram seus primeiros prompts para o ChatGPT, mas acompanhamos o uso sensato e produtivo da IA generativa em muitas de nossas clientes, e todas essas ferramentas, plataformas e frameworks desempenham um papel importante na colocação em produção de soluções baseadas em LLM. Assim como aconteceu com a explosão do ecossistema JavaScript por volta de 2015, esperamos que esse crescimento caótico continue por algum tempo.
Conteúdos em destaque
Contribuidoras
O Technology Radar é preparado pelo Conselho Consultivo de Tecnologia (TAB) da Thoughtworks, composto por:
Rachel Laycock (CTO) • Martin Fowler (Chief Scientist) • Rebecca Parsons (CTO Emerita) • Bharani Subramaniam • Birgitta Böckeler • Camilla Falconi Crispim • Erik Doernenburg • James Lewis • Ken Mugrage • Maya Ormaza • Mike Mason • Neal Ford • Pawan Shah • Scott Shaw • Selvakumar Natesan • Shangqi Liu • Sofia Tania • Thomas Squeo • Vanya Seth • Will Amaral
O volume 31 foi traduzido para o português pelo seguinte grupo:
Aloysio Chagas • Arthur Santos • Elisa Sattyam • Gabriela Alves • Giovanni Watanabe • Gisele Hammerschmitt • Guilherme Silveira • Guilherme Vandresen • Francisco Silva • Isaías Barroso • Marcelo Viana • Marcelo Vidal • Nina da Hora • Pietra Freitas • Patrick Prado • Pedro Souza • Rafael Auday • Renan Martins • Thiago Gregorio • Taluna Mendes • Vanessa Cordeiro
Inside the Technology Radar é um documentário que oferece insights sobre o Radar.
Assine. Fique por dentro.
Publicamos conteúdos relacionados ao Technology Radar ao longo do ano. Inscreva-se para recebê-los.