工具
采纳
-
51. Renovate
Renovate 已经变成了我们很多团队在依赖项版本管理工具的首选。虽然Dependabot仍然是 GitHub 仓库的一个安全默认选项，我们依然推荐评估 Renovate，因为它提供了更全面且可定制的方案。为了最大程度发挥 Renovate 的优势，应配置它来监控并更新所有依赖项，包括工具、基础设施以及私有或内部托管的依赖项。同时为了减少开发者的工作量，可以考虑自动合并依赖更新的 PR.
-
52. uv
自上一次技术雷达以来，我们积累了更多关于 uv 的实践经验，并收到了团队的极大好评。uv 是一个由 Rust 编写的下一代 Python 包和项目管理工具，其核心价值主张是“极快的速度”。在基准测试中，uv 的性能远超其他 Python 包管理工具，加速了构建和测试周期，显著提升了开发者体验。除了性能，uv 还提供了统一的工具集，有效取代了像 Poetry、pyenv 和 pipx 等工具。然而，我们对包管理工具的担忧依然存在：一个强大的生态系统、成熟的社区和长期支持至关重要。由于 uv 相对较新，将其移至 Adopt 阶段是一个大胆的决定。然而，许多数据团队都渴望 摆脱 Python 的传统包管理系统。而我们的前线开发者也一致推荐 uv，认为这是目前最好的工具。
-
53. Vite
自从 Vite 上次出现在 radar 以来，它的影响力在进一步提升。作为一个高性能的前端构建工具，Vite 提供了快速热重载的特性。它正在被众多前端框架采用并推荐为默认选择，比如 Vue, SvelteKit，以及最近 废弃了 create-react-app的 React。此外 Vite 最近获得了重大投资，这促成了VoidZero 的成立。VoidZero 是一个专注于 Vite 发展的组织，这笔投资预计将加速 Vite 的开发，并提升其项目的长期可持续性。
试验
-
54. Claude Sonnet
Claude Sonnet 是一款擅长编码，写作，分析和视觉处理的先进语言模型。它可在浏览器，终端和大多数主流 IDE 中使用，并支持与GitHub Copilot 集成。截至目前的基准测试显示，该模型在 3.5 和 3.7 版本中的表现显著优于早前推出的模型。它还擅长解析图表并从图片中提取文本，同时提供以开发者体验为中心的特性，譬如它在浏览器 UI 中的“Artifacts”功能，用于生成和交互动态内容（如代码片段和 HTML 设计）。
我们在软件开发中较为广泛地使用了 Claude Sonnet 的 3.5 版本，并发现它在多个项目中显著地提高了生产力。它在从零开始的项目（greenfield projects）中表现尤为出色，特别是在协同软件设计和架构讨论方面。尽管目前还难言有 AI 模型是“稳定”的编码助手，但 Claude Sonnet 已经是我们使用过的模型中最可靠的一个。截至撰写本文时，Claude 3.7也已发布，并展现出很大潜力，但我们尚未在生产环境中进行全面测试。
-
55. Cline
Cline 是一个开源的 VSCode 扩展程序，目前在监督型 软件工程代理领域中是最强有力的竞争者之一。它让开发者能够完全通过 Cline 聊天来驱动实现，并与他们已经使用的 IDE 无缝集成。Cline 的核心功能包括计划与执行模式（Plan & Act mode）、透明的 token 使用跟踪以及 MCP 集成，帮助开发者高效地与 LLM 交互。Cline 展现了在处理复杂开发任务方面的高级能力，尤其是在结合 Claude 3.5 Sonnet 时表现突出。它支持处理大型代码库、自动化无头浏览器测试，并能够主动修复错误。与基于云的解决方案不同，Cline 通过本地存储数据增强了隐私保护。其开源特性不仅确保了更高的透明度，还支持社区驱动的改进。需要注意的是，由于 Cline 的代码上下文编排虽然高效，但资源消耗较高，因此开发者需关注 token 使用成本。另外，Cline 可能面临 速率限制 的潜在瓶颈，这可能会减慢工作流。在此问题解决之前，建议使用像 OpenRouter 这样提供更优速率限制的 API 提供商。
-
56. Cursor
我们依然对 Cursor 这款以 AI 为核心的代码编辑器印象深刻，它在竞争激烈的 AI 代码辅助领域依然保持领先地位。其代码上下文编排功能十分高效，并支持多种模型，包括使用自定义 API 密钥的选项。Cursor 团队经常在其他厂商之前推出创新的用户体验功能，并在聊天功能中集成了丰富的上下文提供者，例如 Git 差异对比（git diffs）、先前的 AI 对话、网络搜索、库文档以及 MCP 集成等。与 Cline 和 Windsurf 等工具类似，Cursor 也因其强大的智能代理编码模式而脱颖而出。该模式允许开发者直接通过 AI 聊天界面指导实现过程，工具可以自主读取和修改文件，并执行命令。此外，我们还欣赏 Cursor 在检测生成代码的 lint 及编译错误方面的能力，它能够主动识别并进行修正。
-
58. Databricks Delta Live Tables
Delta Live Tables（DLT）在简化和优化数据管道管理方面持续展现出其价值，通过声明式方法支持实时流处理和批量处理。通过自动化复杂的数据工程任务（如手动检查点管理），DLT 减少了运营开销，同时确保了端到端系统的稳健性。其简化管道编排的能力，几乎无需人工干预，大大提升了可靠性和灵活性。此外，像物化视图这样的功能为特定用例提供了增量更新和性能优化。
然而，团队需要深入理解 DLT 的细节，才能充分利用其优势并规避潜在的陷阱。作为一种有主见的抽象层，DLT 自行管理表数据，并限制每次仅允许单个管道插入数据。流式表仅支持追加操作，这需要在设计中仔细考量。此外，删除 DLT 管道时会同时删除底层表和数据，可能带来一定的操作性问题。
-
59. JSON Crack
JSON Crack 是一个用于在 Visual Studio Code 中将文本数据渲染为交互式图表的扩展工具。尽管其名称中包含“JSON”，但它实际上支持包括 YAML、TOML 和 XML 在内的多种格式。与 Mermaid 和 D2 不同，这些工具通过文本形式生成特定的可视化图表，而 JSON Crack 则是一个用于直观查看以文本格式存储数据的工具。其布局算法表现良好，并且支持选择性隐藏分支和节点，是探索数据集的绝佳选择。此外，它还提供了一个基于 Web 的配套工具，但我们对在线代码格式化或解析服务的依赖仍需保持谨慎。需要注意的是，JSON Crack 有节点数量的限制，对于超过几百个节点的文件会引导用户使用其商业版工具。
-
62. NeMo Guardrails
NeMo Guardrails 是 NVIDIA 提供的一个易于使用的开源工具包，可帮助开发者为用于对话式应用的大型语言模型实施“护栏”。自我们上一次在技术雷达中提到它以来，NeMo 在团队中的应用显著增加，并且不断改进。最近对 NeMo Guardrails 的更新主要集中在扩展集成能力和加强安全性、数据管理及控制方面，与该项目的核心目标保持一致。
NeMo 的文档进行了重大改进，提高了可用性，并新增了多个集成，包括 AutoAlign 和 Patronus Lynx，同时支持 Colang 2.0。关键升级包括增强了内容安全性和安全功能，以及最近发布的支持通过输出轨道流式处理 LLM 内容的功能，从而提高性能。我们还看到新增了对 Prompt Security 的支持。此外，NVIDIA 还发布了三种新的微服务：内容安全微服务、主题控制微服务 和 越狱检测微服务，这些微服务都已集成至 NeMo Guardrails。
基于其不断扩展的功能集和在生产中的日益广泛使用，我们将 NeMo Guardrails 的状态提升至试验（Trial）。建议查看最新的发布说明，以全面了解自我们上次提到以来的所有更新内容。
-
63. Nyx
Nyx 是一个多功能的语义化版本发布工具，支持各种软件工程项目。它对编程语言无依赖，并兼容所有主流的持续集成和源代码管理平台，具备极高的适配性。尽管许多团队在 主干开发 中使用语义化版本管理，Nyx 还支持 Gitflow、OneFlow 和 GitHub Flow 等工作流。在生产环境中，Nyx 的一大优势是其自动生成变更日志的能力，并且内置支持 Conventional Commits 规范。
如前几期技术雷达中所提到的，我们对依赖长期分支的开发模式（如 Gitflow 和 GitOps）持谨慎态度，因为这些模式引入了许多挑战，即使是像 Nyx 这样强大的工具也难以完全解决这些问题。我们强烈推荐在 CI/CD 工作流中尝试 Nyx，尤其是在主干开发中，我们已经多次见证其成功应用。
-
64. OpenRewrite
OpenRewrite 一直是我们进行大规模代码重构的得力工具，尤其适用于基于规则的重构场景，例如迁移到广泛使用的库的新 API 版本，或对从相同模板创建的多个服务进行更新。除了对 Java 的强大支持外，OpenRewrite 还引入了对 JavaScript 等语言的支持。在框架（如 Angular）采用短期 LTS 发布周期的背景下，保持项目及时升级变得越来越重要，而 OpenRewrite 在这一过程中表现出色。虽然使用 AI 编程助手是另一种选择，但对于基于规则的更改，AI 通常运行较慢、成本更高且可靠性较低。我们特别欣赏 OpenRewrite 内置的丰富规则集（recipes），这些规则明确描述了需要执行的更改。其重构引擎、内置规则集以及构建工具插件均为开源软件，这为团队在需要进行大规模代码更新时提供了更大的便利和灵活性。
-
66. 软件工程代理(software engineering agents)
自我们六个月前首次讨论 软件工程代理(software engineering agents) 以来，行业内仍然缺乏对“代理(Agent)”这一术语的统一定义。然而，一个重要的进展已经浮现——并非完全自主的编码代理（其能力仍然令人怀疑）——而是在 IDE 内的监督代理模式(supervised agentic modes)。这些模式允许开发者通过聊天驱动实现，工具不仅可以修改多个文件中的代码，还能执行命令、运行测试并响应 IDE 反馈（如 linting 或编译错误）。
这种方式有时被称为“面向聊天的编程(chat-oriented programming，CHOP)”或“从提示到代码(prompt-to-code)”，它让开发者保持控制的同时，将更多责任转移给 AI，这跟传统的自动补全类辅助工具有很大不同。该领域的领先工具包括 Cursor、Cline 和 Windsurf，而 GitHub Copilot 稍显落后，但正在快速追赶。这些代理模式的有效性取决于所使用的模型（以 Claude's Sonnet 系列为当前业界领先）以及工具与 IDE 集成的深度，为开发者提供良好的体验。
我们发现这些工作流具有吸引力且潜力巨大，并显著提高了编码速度。然而，保持问题范围小有助于开发者更好地审查 AI 生成的更改。这种方法在低抽象提示以及AI 友好的代码库中效果最佳——这些代码库结构良好且经过充分测试。随着这些模式的改进，它们也会加剧开发者自满于 AI 生成的代码。为了缓解这一问题，我们建议采用结对编程和其他严格的审查实践，尤其是在生产代码中。
-
67. Tuple
Tuple 是一款专为远程结对编程优化的工具，最初设计是为了填补 Slack 的 Screenhero 停止服务后留下的空白。自我们上次在技术雷达中提到它以来，Tuple 已获得更广泛的应用，并解决了之前的诸多问题和限制，现在还支持 Windows 平台。一个关键的改进是增强了桌面共享功能，新增的隐私功能允许用户在共享屏幕时隐藏私人应用窗口（如短信），同时专注于共享工具（例如浏览器窗口）。此前，UI 限制让 Tuple 更像是一个专用的结对编程工具，而不是通用的协作工具。随着这些更新，用户现在可以在 IDE 之外的内容上进行协作。
但需要注意的是，远程结对的伙伴可以访问整个桌面。如果没有正确配置，这可能会成为安全隐患，尤其是在结对伙伴不够值得信任的情况下。我们强烈建议在使用 Tuple 之前，教育团队了解其隐私设置、最佳实践和使用礼仪。
我们鼓励团队将最新版 Tuple 纳入开发工作流中进行尝试。它与我们的务实的远程结对建议一致，提供了低延迟的结对体验、直观的用户体验（UX）和显著的易用性改进。
-
68. Turborepo
Turborepo 通过分析、缓存、并行化和优化构建任务，帮助管理大型 JavaScript 或 TypeScript monorepo，从而加速构建过程。在大型 monorepo 中，项目之间通常存在相互依赖关系；每次更改时重新构建所有依赖项既低效又耗时，而 Turborepo 简化了这一过程。与Nx 不同，Turborepo 的默认配置使用多个
package.json文件（每个项目一个）。这种方式允许在单个 monorepo 中包含不同版本的依赖项（如不同版本的 React），而 Nx 并不提倡这种做法。尽管这可能被视为一种反模式，但它确实能够解决某些特定用例，例如从多仓库迁移到 monorepo 的过程中，团队可能暂时需要多个版本的依赖项。根据我们的经验，Turborepo 设置相对简单且性能表现优秀。
评估
-
69. Anythingllm
AnythingLLM es una aplicación de escritorio de código abierto que permite chatear con documentos o fragmentos de contenido extensos, respaldada por una integración lista para usar con modelos de lenguaje de gran tamaño (LLMs) y bases de datos vectoriales. Cuenta con una arquitectura modular para modelos de incrustación y puede utilizarse con la mayoría de los LLM comerciales, así como con modelos de código abierto gestionados por Ollama. Además de RAG, se pueden crear diferentes habilidades y organizarlas como agentes para realizar tareas y flujos de trabajo personalizados. La aplicación permite a los usuarios organizar documentos e interacciones en distintos espacios de trabajo, que funcionan como hilos de conversación persistentes con diferentes contextos. Recientemente, también se ha añadido la posibilidad de desplegarlo como una aplicación web multiusuario mediante una imagen de Docker. Algunos de nuestros equipos lo están utilizando como asistente personal local y lo consideran una herramienta potente y útil.
-
70. Gemma Scope
La interpretabilidad mecánica, el entendimiento del funcionamiento interno de los grandes modelos de lenguaje, se está convirtiendo en un campo cada vez más importante. Herramientas como Gemma Scope y librerías open-source Mishax proporcionan perspectivas sobre la familia Gemma2 de modelos abiertos. Las herramientas de interpretabilidad desempeñan un papel crucial a la hora de depurar comportamientos inesperados, identificando los componentes responsables de alucinaciones, sesgos u otros casos que causan fallos y, en última instancia, generan confianza ofreciendo una visibilidad más detallada de los modelos. Aunque este campo puede ser de especial interés para los investigadores, cabe señalar que con la reciente publicación de DeepSeek-R1, el entrenamiento de modelos es cada vez más factible para las empresas más allá de los actores establecidos. A medida que la GenAI siga evolucionando, tanto la interpretabilidad como la seguridad irán ganando importancia.
-
71. Hurl
Hurl es una herramienta versátil para realizar secuencias de solicitudes HTTP, definidas en archivos de texto plano utilizando una sintaxis específica de Hurl. Además de enviar solicitudes, Hurl puede validar respuestas, asegurando que una solicitud devuelva un código de estado HTTP específico; comprobar condiciones en los encabezados de respuesta o en el contenido usando XPATH, JSONPath o expresiones regulares; y extraer datos de la respuesta en variables, que luego pueden usarse para encadenar solicitudes.
Gracias a su conjunto de características, Hurl es útil para automatizaciones de API simples, pero también sirve como una herramienta de pruebas de API automatizada. Su capacidad para generar informes de pruebas detallados en formato HTML o JSON mejora su utilidad en flujos de trabajo de pruebas. Aunque herramientas especializadas como Bruno y Postman ofrecen interfaces gráficas de usuario (GUIs) y características adicionales, nos gusta Hurl por su simplicidad. Al igual que Bruno, que también usa archivos de texto plano, las pruebas de Hurl pueden almacenarse en el repositorio de código.
-
72. Jujutsu
Git es el principal sistema de control de versiones distribuido (VCS), acumulando la vasta mayoría de la cuota de mercado. Aún así, y pese a más de una década de liderazgo, los desarrolladores aún encuentran dificultades con los complejos flujos de trabajo para la gestión de ramas, la fusión, el rebase y la resolución de conflictos. Esta frustración constante ha dado lugar a una serie de herramientas diseñadas para aliviar este problema; algunas ofreciendo ayudas visuales para aclarar la complejidad, otras a través de interfaces gráficas que abstraen la misma por completo.
Jujutsu va un paso más allá, ofreciendo una alternativa completa a Git, pero manteniendo la compatibilidad al usar repositorios de Git como almacenamiento de backend. Esto permite a los desarrolladores seguir utilizando servidores y servicios Git existentes mientras se benefician de los flujos de trabajo optimizados de Jujutsu. Posicionado como “simple y poderoso”, Jujutsu enfatiza la facilidad de uso para desarrolladores de todos los niveles de experiencia. Una de sus características destacadas es la resolución de conflictos de primera clase, con el potencial de mejorar significativamente la experiencia de desarrollo.
-
73. kubenetmon
La monitorización y la comprensión del tráfico de red asociado a Kubernetes puede ser desafiante, particularmente cuando tu infraestructura se extiende a múltiples zonas, regiones o nubes.kubenetmon, creado por ClickHouse y recientemente disponible en código abierto, tiene la esperanza de resolver este problema ofreciendo mediciones detalladas del tráfico de datos de Kubernetes a través de los mayores proveedores de servicios en la nube. Si usas Kubernetes y te has frustrado por costos opacos de transferencia de datos en tu factura, puede merecer la pena que explores kubenetmon.
-
74. Mergiraf
Resolver conflictos de fusión es probablemente una de las actividades menos apreciadas en el desarrollo de software. Y aunque existen técnicas que reducen la complejidad de las fusiones —por ejemplo practicar la integración continua, en el sentido original de fusionar con una rama principal compartida, al menos una vez al día—, vemos que se dedica demasiado esfuerzo a las fusiones. Long-lived feature branches es uno de los culpables, pero la codificación asistida por IA también tiende a incrementar el tamaño de los conjuntos de cambios. La ayuda podría llegar en forma de Mergiraf, una nueva herramienta que resuelve conflictos de fusión analizando el árbol sintáctico en lugar de tratar el código como líneas de texto. Como un controlador de fusión para git, puede configurarse para que subcomandos como
mergeycherry-pickusen automáticamente Mergiraf en lugar de los métodos predeterminados. -
75. ModernBERT
El sucesor de BERT (Bidirectional Encoder Representations from Transformers), ModernBERT constituye la nueva generación de modelos transformadores centrados exclusivamente en la fase de codificación diseñados para abordar un amplio espectro de tareas de procesamiento del lenguaje natural (PLN). Como sustituto directo de BERT, ModernBERT no solo incrementa el rendimiento y la precisión, sino que también solventa algunas de sus limitaciones; destacando especialmente su capacidad de manejar longitudes de contexto notablemente mayores gracias a la técnica denominadaAlternating Attention. Para los equipos que requieran soluciones de PLN, resulta recomendable evaluar ModernBERT antes de adoptar un modelo generativo de propósito general.
-
76. OpenRouter
OpenRouter es una API unificada para acceder a múltiples modelos de lenguaje extenso. Ofrece un punto de integración único para principales proveedores de LLM, simplificando la experimentación, reduciendo la dependencia de un proveedor y optimizando los costos al enrutar las solicitudes al modelo más apropiado. Herramientas populares como Cline y Open WebUI utilizan OpenRouter como su punto de acceso primario. Durante el análisis del Radar, cuestionamos la necesidad real de alternar entre modelos en la mayoría de los proyectos, dado que OpenRouter debe añadir un margen de precio como modelo de negocio sobre esta capa de encapsulación. Sin embargo, también reconocemos que OpenRouter proporciona diversas estrategias de balanceo de carga para ayudar a optimizar los costos. Una característica particularmente útil es su capacidad para evitar los límites de tasa de las APIs. Si una aplicación excede la tasa límite de un solo proveedor de LLM, OpenRouter puede ayudar a evitar esta restricción y lograr un mejor rendimiento.
-
77. Redactive
Redactive es una plataforma empresarial de habilitación de IA diseñada para ayudar a organizaciones reguladas a preparar de forma segura datos no estructurados para aplicaciones de inteligencia artificial, como asistentes y copilotos potenciados por IA. Se integra con plataformas de contenido como Confluence, creando índices de texto seguros para búsquedas con generación mejorada por recuperación (RAG). Al servir únicamente datos en vivo y aplicar en tiempo real los permisos de usuario desde los sistemas fuente, Redactive garantiza que los modelos de IA accedan a información precisa y autorizada sin comprometer la seguridad. Además, proporciona a los equipos de ingeniería herramientas para construir casos de uso de IA de forma segura usando cualquier LLM. Para las organizaciones que están explorando soluciones impulsadas por IA, Redactive ofrece un enfoque simplificado para la preparación de datos y el cumplimiento, equilibrando seguridad y accesibilidad para equipos que experimentan con capacidades de IA en un entorno controlado.
-
78. System Initiative
Seguimos entusiasmados con System Initiative. Esta herramienta experimental representa una radical nueva dirección para el trabajo en DevOps. Nos gusta mucho el pensamiento creativo detrás de esta herramienta y esperamos que motive a otros a romper con el status quo de los enfoques de infraestructura como código. System Initiative ha superado la fase beta, ahora está disponible de forma gratuita y open source bajo licencia Apache 2.0. Aunque sus desarrolladores la utilizan para gestionar su infraestructura en producción, aún le falta camino por recorrer antes de poder escalar y satisfacer las demandas de grandes empresas. Sin embargo, seguimos creyendo que vale la pena probarla para experimentar un enfoque completamente diferente a otras herramientas de DevOps.
-
79. TabPFN
TabPFN es un modelo basado en transformadores, diseñado para una clasificación rápida y precisa de conjuntos pequeños de datos tabulares. Aprovecha el aprendizaje contextual (ICL) para hacer predicciones directamente a partir de ejemplos etiquetados sin ajustar hiperparámetros ni entrenamiento adicional. Pre entrenado en millones de conjuntos de datos sintéticos, TabPFN generaliza bien a través de diversas distribuciones de datos y maneja eficazmente valores ausentes y valores atípicos. Sus fortalezas incluyen procesamiento eficiente de datos heterogéneos y robustez frente a características poco informativas.
TabPFN es especialmente adecuado para aplicaciones a pequeña escala en las que la velocidad y la precisión son cruciales. Sin embargo, se enfrenta a desafíos de escalabilidad con conjuntos de datos más grandes y tiene limitaciones en el manejo de tareas de regresión. Como una solución vanguardista, merece la pena evaluar TabPFN por su potencial para superar a los modelos de clasificación tabular tradicionales, especialmente cuando los transformadores se aplican con menos frecuencia.
-
80. v0
v0 de Vercel es una herramienta de IA para generar código de interfaz web a partir de una captura de pantalla, diseño de Figma o un simple prompt. Soporta React, Vue, shadcn y Tailwind entre otros frameworks de interfaz web. Más allá del código generado por IA, v0 proporciona una gran experiencia de usuario, que incluye la posibilidad de previsualizar el código generado y desplegarlo en Vercel en un solo paso. Aunque la construcción de una aplicación real implica la integración de múltiples funcionalidades más allá de una única pantalla, v0 proporciona una manera sólida de prototipar y puede usarse para inicializar un punto de partida para el desarrollo de aplicaciones complejas.
-
81. Windsurf
Windsurf es un asistente de código con IA desarrollado por Codeium que destaca por sus habilidades agénticas. Es similar a Cursor y Cline, permitiendo a los desarrolladores dirigir su implementación a través de un chat con IA que navega y modifica el código, además de ejecutar comandos. Con frecuencia, lanza nuevas funciones e integraciones para su modo agéntico. Recientemente, por ejemplo, ha introducido una vista previa del navegador que facilita el acceso del agente a los elementos del DOM y la consola del navegador, así como una capacidad de investigación web que le permite buscar documentación y soluciones en internet cuando sea necesario. Windsurf ofrece acceso a una variedad de modelos populares y permite a los usuarios activar y referenciar la búsqueda en la web, la documentación de bibliotecas y la integración con MCP como proveedores de contexto adicionales.
-
82. YOLO
La serie YOLO (You Only Look Once), desarrollada por Ultralytics, sigue avanzando en los modelos de visión por computadora. La última versión, YOLO11, ofrece mejoras significativas tanto en precisión como en eficiencia en comparación con sus versiones anteriores. YOLO11 es capaz de realizar clasificación de imágenes a alta velocidad con recursos mínimos, lo que la hace idónea para aplicaciones en tiempo real en dispositivos periféricos. También, encontramos que la capacidad de utilizar este mismo framework para llevar a cabo la estimación de posturas, detección de objetos, segmentación de imágenes y otras tareas es muy poderosa. Este importante desarrollo también nos recuerda que emplear modelos de aprendizaje automáticos “tradicionales” para tareas específicas puede ser más eficaz que utilizar modelos generales de Inteligencia Artificial, como los LLMs.
暂缓
无法找到需要的信息？每期技术雷达中的条目都在试图反映我们在过去六个月中的技术洞见，或许你所搜索的内容已经在前几期中出现过。由于我们有太多想要谈论的内容，有时候不得不剔除一些长期没有发生变化的条目。技术雷达来自于我们的主观经验，而非全面的市场分析，所以你可能会找不到自己最在意的技术条目。
