Linguagens & Frameworks

O OpenTelemetry está rapidamente se tornando o padrão da indústria para observabilidade. O lançamento da especificação do protocolo OpenTelemetry (OTLP) estabeleceu um padrão para lidar com traces, métricas e logs, reduzindo a necessidade de várias integrações ou grandes reescritas ao passo que o monitoramento de soluções distribuídas e os requisitos de interoperabilidade continuam crescendo. À medida que o OpenTelemetry se expande para suportar logs e profiling, o OTLP garante um formato de transporte consistente para todos os dados de telemetria, simplificando a instrumentação e tornando a observabilidade full-stack mais acessível e escalável para arquiteturas de microsserviços. Adotado por fornecedores como Datadog, New Relic e Grafana, o OTLP permite que as organizações construam pilhas de observabilidade flexíveis e independentes de um fornecedor específico, sem ficarem presas a soluções de um proprietário. Ele suporta compressão gzip e zstd, reduzindo o tamanho dos dados de telemetria e diminuindo o uso de largura de banda — uma vantagem chave para ambientes que lidam com grandes volumes de dados de telemetria. Projetado para crescimento de longo prazo, o OTLP garante que o OpenTelemetry continue sendo um padrão robusto e à prova de futuro, consolidando sua posição como a escolha de fato para transporte de telemetria.

Destacamos o React Hook Form como uma alternativa ao Formik. Ao usar componentes não controlados por padrão, ele oferece um desempenho significativamente melhor, especialmente para formulários grandes. React Hook forms é bem integrado a diversas bibliotecas de validação baseadas em esquema, incluindo Yup, Zod e outras. Além disso, React Hook Form oferece muita flexibilidade, facilitando a integração com bases de código existentes e outras bibliotecas.

É possível usá-lo com bibliotecas externas de componentes controlados, como shadcn ou AntD. Com alto desempenho, integração fluida e desenvolvimento ativo, é uma ótima opção para construir formulários grandes ou aplicações com muitos formulários.

Effect é uma poderosa biblioteca de TypeScript para construir programas síncronos e assíncronos complexos. O desenvolvimento de aplicações web frequentemente exige código repetitivo para tarefas como assincronia, concorrência, gerenciamento de estado e tratamento de erros. O Effect-TS simplifica esses processos utilizando uma abordagem de programação funcional. Aproveitando o sistema de tipos do TypeScript, o Effect ajuda a identificar problemas difíceis de detectar durante a compilação.

Nossa equipe anteriormente utilizava o TypeScript para programação funcional, mas descobriu que o Effect-TS oferece abstrações que se alinham melhor às tarefas do dia a dia. Além disso, ele facilita a composição e os testes do código. Embora abordagens tradicionais como Promise/try-catch ou async/await possam lidar com esses cenários, depois de usar o Effect, nossa equipe não encontrou motivo para voltar atrás.

O Hasura GraphQL engine é uma camada de acesso a dados universal que simplifica a construção, execução e governança de APIs de alta qualidade em diferentes fontes de dados. Proporciona acesso instantâneo as APIs GraphQL sobre várias bases de dados (incluindo PostgreSQL, MongoDB e ClickHouse) e fontes de dados, permitindo que desenvolvedoras busquem apenas os dados de que precisam de forma rápida e segura. Achamos o Hasura fácil de implementar GraphQL para agregação de recursos no servidor e o aplicamos em múltiplos projetos de produtos de dados. No entanto, nós permanecemos cautelosas quanto à sua poderosa consulta federada e gestão de esquema unificado. Uma adição recente notável é o recurso PromptQL do Hasura, que permite às desenvolvedoras aproveitar modelos de linguagem de grande porte (LLMs) para interações de dados mais naturais e intuitivas.

LangGraph é um framework de orquestração projetado para criar aplicações multiagente com persistência de estado usando modelos de linguagem de grande porte (LLMs). Ele fornece um conjunto de primitivas de nível mais baixo, como nós e arestas, em comparação com as abstrações de nível mais alto do LangChain, oferecendo às desenvolvedoras controle mais detalhado sobre fluxos de agentes, gerenciamento de memória e persistência de estado. Essa abordagem baseada em grafos garante fluxos de trabalho previsíveis e personalizáveis, facilitando a depuração, escalabilidade e manutenção de aplicações em produção. Embora tenha uma curva de aprendizado mais íngreme, o design leve e modular do LangGraph o torna um framework poderoso para a criação de aplicações agentivas.

MarkItDown converte vários formatos (PDF, HTML, PowerPoint, Word) em Markdown, melhorando a legibilidade do texto e a retenção de significado. Como os modelos de linguagem de grande porte (LLMs) extraem o contexto a partir de pistas de formatação, como títulos e seções, o Markdown ajuda a preservar a estrutura para uma melhor compreensão. Em aplicações baseadas em RAG, nossas equipes usaram o MarkltDown para pré-processar documentos em Markdown, garantindo que marcadores lógicos (títulos, subseções) permanecessem intactos. Antes da geração de embeddings, a segmentação estruturada ajudou a manter o contexto complexo das seções, melhorando a clareza das respostas às consultas, especialmente para documentos complexos. Amplamente utilizado para documentação, o Markdown também torna a CLI do MarkltDown uma ferramenta valiosa para a produtividade de desenvolvedoras.

A federação de módulos permite especificar módulos compartilhados e a deduplicação de dependências entre micro frontends. Com a versão 2.0, a federação de módulos evoluiu para funcionar de forma independente do webpack. Esta atualização introduz funcionalidades importantes, incluindo um runtime próprio, uma nova API de plugins e suporte para frameworks populares como React e Angular, além de empacotadores conhecidos, como Rspack e Vite. Ao adotar a federação de módulos, grandes aplicações web podem ser divididas em micro frontends menores e mais gerenciáveis, permitindo que diferentes equipes desenvolvam, implantem e escalem de forma independente, enquanto compartilham dependências e componentes de maneira eficiente.

O Prisma ORM é um kit de ferramenta de banco de dados de código aberto que simplifica o trabalho com bancos de dados em aplicações Node.js e TypeScript. Ele oferece uma abordagem moderna e segura para acesso a bancos de dados, automatiza a migração de esquema de bancos de dados e fornece uma API de consulta intuitiva. Ao contrário dos ORMs típicos, o PrismaORM usa objetos JavaScript simples para definir os tipos de bancos de dados sem usar decorators ou classes. Nossa experiência com o PrismaORM é positiva; achamos que ele não apenas se alinha melhor com o panorama geral de desenvolvimento do TypeScript, como também se integra bem com o paradigma de programação funcional.

.NET Aspire está diseñado para simplificar la orquestación de aplicaciones distribuidas en la máquina local de un desarrollador. Aspire permite orquestar múltiples servicios en un entorno de desarrollo local; incluyendo múltiples proyectos .NET, bases de datos dependientes y contenedores Docker, todo con un solo comando. Además, Aspire proporciona herramientas de observabilidad; incluyendo logs, trazabilidad y paneles de métricas, para el desarrollo local, desacopladas de las herramientas utilizadas en entornos de pruebas o producción. Esto mejora significativamente la experiencia del desarrollador al crear, ajustar y depurar los aspectos de observabilidad de cualquier sistema en el que esté trabajando.

Google, en colaboración con Samsung y Qualcomm presentó Android XR, un nuevo sistema operativo diseñado para visores XR. El soporte ha sido planificado para gafas y otros dispositivos. La mayoría de las aplicaciones Android son compatibles con pocos o ningún cambio, pero la idea es construir nuevas aplicaciones espaciales desde cero o “espacializar” las aplicaciones existentes. El nuevo Android XR SDK se posiciona como el SDK de referencia para este tipo de proyectos y Google proporciona una guía sobre cómo escoger herramientas y tecnologías que forman parte del SDK. Actualmente está disponible una versión en vista previa para desarrolladores.

Browser Use Es una biblioteca de código abierto que permite a los agentes de IA basados en LLM, usar navegadores web para acceder a aplicaciones web. Puede controlar el navegador y realizar acciones que incluyen navegaciones, entrada y extracción de textos. Con la capacidad de manejar múltiples pestañas, puede orquestar acciones coordinadas a través de múltiples aplicaciones web. Es útil en escenarios donde los agentes basados en LLM necesitan acceso a contenido web, realizar acciones en él y obtener los resultados. La biblioteca puede trabajar con una variedad de LLMs. Utiliza Playwright para controlar el navegador web, combinando la comprensión visual con la extracción de estructura HTML para mejorar la interacción web. Esta biblioteca está ganando terreno en entornos multiagente, permitiendo a los agentes colaborar en flujos de trabajo complejos que involucran interacciones web.

CrewAI es una plataforma diseñada para ayudarte a construir y gestionar agentes de IA que pueden trabajar juntos para llevar a cabo tareas complejas. Piénsalo como una forma de crear una tripulación de trabajadores de IA, cada uno con sus propias habilidades especiales, que pueden colaborar para alcanzar un objetivo común. Hemos mencionado anteriormente en el Radar bajo agentes autónomos impulsados por LLM. Además de la biblioteca de Python de código abierto, CrewAI ahora cuenta con una solución empresarial para que las organizaciones puedan crear aplicaciones basadas en agentes para casos de negocio reales, ejecutarlas en su infraestructura en la nube y conectarlas a fuentes de datos existentes, como Sharepoint o JIRA. Hemos utilizado CrewAI en múltiples ocasiones para abordar desafíos de producción, desde la validación automatizada de códigos promocionales hasta la investigación de fallas en transacciones y consultas de soporte al cliente. Mientras el panorama de los agentes de IA sigue evolucionando rápidamente, estamos seguros de ubicar a CrewAI en Assess.

ElysiaJS es un framework web con seguridad de tipos de extremo a extremo para TypeScript, diseñado principalmente para Bun pero también compatible con otros entornos de ejecución de JavaScript. A diferencia de alternativas como tRPC, que impone estructuras específicas de interfaz de API, ElysiaJS no impone ninguna estructura de interfaz de API. Esto permite a los desarrolladores crear APIs que sigan prácticas establecidas en la industria, como RESTful, JSON: API u OpenAPI, y también proporciona seguridad de tipos de extremo a extremo. ElysiaJS ofrece un alto rendimiento cuando se utiliza con el entorno de ejecución de Bun, llegando a ser comparable a frameworks web de Java o Go en algunos benchmarks. ElysiaJS es una opción que vale la pena considerar, especialmente al crear un backend-for-frontend (BFF).

FastGraphRAG es una implementación de código abierto de GraphRAG diseñada para ofrecer gran precisión y alto rendimiento en la recuperación de información. Emplea Personalized PageRank para limitar la navegación del grafo únicamente a los nodos más relevantes, mejorando así la precisión de la recuperación y la calidad de las respuestas del LLM. También proporciona una representación visual del grafo, ayudando a los usuarios a comprender mejor las relaciones entre nodos y el proceso de búsqueda. Con compatibilidad para actualizaciones incrementales, se adapta muy bien a conjuntos de datos dinámicos y en constante evolución. Optimizado para casos de uso de GraphRAG a gran escala, FastGraphRAG mejora el rendimiento al tiempo que minimiza el consumo de recursos.

Erlang/OTP es una plataforma potente para construir sistemas distribuidos altamente concurrentes, escalables y tolerantes a fallos. Tradicionalmente, sus lenguajes han sido de tipado dinámico, pero Gleam introduce seguridad de tipos a nivel de lenguaje. Construido sobre BEAM, Gleam combina la expresividad de la programación funcional con la seguridad de tipos en tiempo de compilación, reduciendo errores en tiempo de ejecución y mejorando la mantenibilidad. Con una sintaxis moderna, se integra bien con el ecosistema OTP, aprovechando las fortalezas de Erlang y Elixir al mismo tiempo que garantiza una interoperabilidad sólida. La comunidad de Gleam es activa y acogedora, y esperamos con interés su desarrollo continuo.

GoFr es un framework para construir microservicios en Golang, diseñado para simplificar el desarrollo al abstraer el código repetitivo de funcionalidades comunes de microservicios, como el registro de logs, trazabilidad, métricas, gestión de configuración y documentación de API con Swagger. Soporta múltiples bases de datos, gestiona migraciones y facilita la comunicación pub/sub con brokers como Kafka y NATs. Además, GoFr incluye la programación de tareas con cron jobs. Reduce la complejidad de crear y mantener microservicios, y permite a los desarrolladores centrarse en escribir la lógica de negocio en lugar de preocuparse por la infraestructura. Aunque existen otras librerías populares de Go para construir APIs web, GoFr está ganando reconocimiento y vale la pena explorarlo para microservicios basados en Golang.

La criptografía asimétrica, que hace seguras la mayoría de las comunicaciones modernas, está basada en la resolución de un problema matemáticamente difícil. Sin embargo, el problema utilizado en los algoritmos actuales será fácil de resolver con computadoras cuánticas, lo que impulsa la investigación en alternativas. La criptografía basada en retículos es actualmente la candidata más prometedora. Aunque a las computadoras cuánticas les faltan años para ser criptográficamente relevantes, vale la pena considerar la criptografía postcuántica para aplicaciones que deben permanecer seguras durante décadas. También existe el riesgo de que datos cifrados estén siendo recolectados ahora mismo para ser descifrados una vez que se pueda hacer uso de las computadoras cuánticas.

La criptografía postcuántica en Java dará sus primeros pasos en JDK 24, que estará disponible de forma general a finales de marzo. Esta versión de lanzamiento incluye JEP 496 y JEP 497, que implementan un mecanismo de encapsulación de claves y un algoritmo de firma digital, ambos basados en estándares y diseñados para ser resistentes a futuros ataques de computación cuántica. Aunque liboqs, parte del proyecto Open Quantum Safe, proporciona implementaciones en C con un contenedor JNI, es grato también ver emerger una implementación nativa en Java.

Presidio es un SDK de protección de datos para identificar y anonimizar datos sensibles en texto estructurado y no estructurado. Presidio detecta información de identificación personal (PII) como números de tarjetas de crédito, nombres y ubicaciones, usando reconocimiento de nombres, expresiones regulares y lógica basada en reglas. Presidio admite reconocimiento de entidades de PII personalizable, lo que permite a las empresas adaptarlo a sus requisitos específicos de privacidad. A pesar de que, Presidio automatiza la identificación de información sensible, no es infalible y puede perder o identificar erróneamente los datos. Tenga cuidado al confiar en sus resultados.

A medida que las tecnologías para construir aplicaciones y agentes basados en LLM continúan evolucionando rápidamente, los frameworks para construir y orquestar tales aplicaciones a menudo luchan por mantenerse actualizados o encontrar las abstracciones correctas y eternas. PydanticAI es el último participante en este espacio, con el objetivo de simplificar las implementaciones mientras se evita complejidad innecesaria. Desarrollado por los creadores del popular Pydantic, se basa en las lecciones aprendidas de marcos anteriores, muchos de los cuales ya dependen de Pydantic. En lugar de intentar ser aplicable para toda situación, PydanticAI ofrece un enfoque ligero pero poderoso. Se integra con todas las principales APIs de modelos e incluye herramientas integradas de salida estructurada de LLMs e introduce una abstracción basada en grafos para gestionar flujos de trabajo complejos de agentes.

Desde el lanzamiento de Swift 6.0, el lenguaje ha expandido su alcance más allá del ecosistema de Apple con un soporte mejorado para los principales sistemas operativos, lo que hace que sea más viable usar Swift para aplicaciones con recursos limitados. Tradicionalmente, este espacio ha sido dominado por C, C++ y, más recientemente, Rust, debido a su control de bajo nivel, alto rendimiento y disponibilidad de compiladores y bibliotecas certificadas que cumplen con los estándares como MISRA, ISO 26262 y ASIL. Mientras Rust ha comenzado a obtener certificaciones similares, Swift aún no ha iniciado este proceso, lo que limita su uso en aplicaciones críticas para la seguridad.

La creciente adopción de Swift se debe a su equilibrio entre rendimiento y características de seguridad, que incluyen una robusta seguridad de tipos y el recuento automático de referencias para la gestión de memoria. Mientras el modelo de propiedad de Rust ofrece garantías más fuertes de seguridad de memoria, Swift ofrece un enfoque diferente que algunos desarrolladores encuentran más accesible. Tanto Swift como Rust comparten el backend del compilador LLVM/Clang, lo que permite que los avances en uno beneficien al otro. Con su capacidad para compilar código de máquina optimizado, su desarrollo de código abierto y su creciente soporte multiplataforma, Swift está emergiendo como un contendiente para una gama más amplia de aplicaciones — mucho más allá de sus raíces en iOS.

Tamagui es una biblioteca para compartir estilos de manera eficiente entre React web y React Native. Ofrece un sistema de diseño con componentes reutilizables, tanto con estilos como sin ellos, que se renderizan perfectamente en diversas plataformas. Su compilador optimizador opcional mejora el rendimiento al convertir los componentes con estilo en CSS atómico con divs en la web y objetos de estilo elevados en vistas nativas.

torchtune es una librería de PyTorch para la autoría, post-entrenamiento y experimentación con LLMs. Soporta configuraciones individuales y multi-GPU y habilita entrenamiento distribuído con FSDP2. La librería provee de recipes basadas en YAML para tareas como ajustes finos, inferencia, evaluación y entrenamiento consciente de la cuantización. Cada receta ofrece un set de características enfocado, evitando configuraciones complejas basadas en flags. Prioriza simpleza, favoreciendo la caridad del código por sobre abstracciones excesivas. Además incluye un CLI para descargar modelos, administrando recetas y ejecutando experimentos de forma eficiente.

Hace unos años, observamos una sobrecarga de Node : Node.js se utilizaba a menudo por razones cuestionables o sin tener en cuenta otra alternativa. Aunque entendemos que algunos equipos prefieren un stack de un solo lenguaje, a pesar de las desventajas, seguimos defendiendo la programación políglota. En aquel momento, señalamos que Node.js tenía una merecida reputación de eficiencia en cargas de trabajo con uso intensivo de E/S, pero mencionamos que otros frameworks se habían puesto al día y ofrecían mejores APIs y un rendimiento general superior. También advertimos que Node.js nunca fue adecuado para cargas de trabajo de cómputo intensivo, una limitación que sigue siendo un desafío significativo. Ahora, con el auge de las cargas de trabajo con uso intensivo de datos, también vemos a los equipos tener dificultades con estas.