作者 | Thomas Betts, Sarah Wells, Eran Stiller, Daniel Bryant

審校 | 明知山

策劃 | Tina

每年，InfoQ 的編輯都會與行業專家會聚在一起，討論我們在軟件架構與設計領域觀察到的最新發展趨勢。我們借助 Geoffrey A. Moore 的《跨越鴻溝》模型對這些趨勢進行分類。基于我們集體的洞察與判斷，那些被認定為創新者或早期采用者的趨勢是 InfoQ 編輯團隊下一年的主要關注點。這些也是 InfoQ 讀者應該關注的話題，因為它們可能會為用戶解決方案的靈感來源。除了本報告和趨勢圖外，附帶的播客還包含了一場小組討論，深入探討了一些趨勢。

由于軟件架構決策總是充滿了權衡，從來就不存在一種能夠解決所有挑戰的完美方案。正因為如此，編輯們對于某個趨勢何時應該沿著采用曲線移動，一直保持著一種積極、理性且富有建設性的討論。就像在設計系統時的那些“視情況而定”的選項一樣，有時這更多的是依賴于主觀判斷，而非可量化的數據。

確定技術或趨勢所處位置的一個關鍵因素是其穩定性。通常，創新想法發展迅猛，但因缺乏成熟度和穩定性，往往需要額外的投入才能取得成功。當一個趨勢已經從早期采用者階段跨越到早期大眾階段時，這表明更多的公司應該能夠采用它，或者至少可以考慮它是否適用于他們的場景。

從架構師角度看 AI 趨勢

在過去的一年里，與 AI 相關的話題在許多方面都在不斷演變，未來仍將是整個行業的創新重點。如今，大語言模型（LLM）已經足夠普及，它們不僅跨越了鴻溝，還從早期采用者階段直接跳到了晚期大眾階段。LLM 已成為每一家公司聲稱自己在使用 AI 時最常提及的部分。然而，這種普遍性也導致了關于 LLM 應用場景及是否為合適工具的清晰度的缺失。頗具諷刺意味的是，這也揭示了另一種識別新技術何時跨越鴻溝的方式——當它開始被用于不恰當的場景時。

InfoQ AI、ML 和數據工程趨勢報告對其中一些話題進行了更深入的探討。在本報告中，我們聚焦于架構和設計趨勢，著重關注一些軟件架構師需要了解的主要趨勢。可以將這些趨勢視為上下文或組件圖中的方框。雖然架構師不必親自實現每一個組件和子系統，但他們需要了解 AI 元素如何與系統的其他部分相關聯。輸入和輸出是什么？如何衡量性能、可擴展性、成本和其他跨功能需求？

讀者可以關注 InfoQ 的AI、ML & 數據工程話題，以便獲取更多信息。

Agentic AI – 創新者

除了 LLM，軟件架構師應該關注的 AI 創新領域還有 Agentic AI 和小語言模型（SLM）。Agentic AI 之前叫作“AI 智能體”，其理念是設計能夠自主完成任務的 AI 模型。在某些情況下，多個智能體可以協作以獲得更好的結果。在傳統軟件中，我們可能會看到用于管理工作流的編排模式。Agentic AI 從讓智能體執行特定任務開始，后續可能發展成為一種監督式的方法，由 AI 來決定在業務流程中遵循哪些步驟。由于公司對非確定性軟件做出重要決策的信任度存在較大差距，因此這種方法仍處于創新者階段。

架構師在設計 Agentic 工作流時可以借鑒微服務的一些模式，讓每個智能體都有明確的邊界和交互模式。這種設計能帶來更好的結果，因為智能體之間的響應和執行任務的質量可以被觀察和調整。可維護性也得到了提升，隨著新模型的出現，個體智能體模塊可以被升級或替換。為了確保智能體響應得當，需隨著智能體或其行動的演變持續進行測試。

觀看Shruti Bhat 在 QCon San Francisco 的主題演講：開拓未來：推進 AI 智能體的基礎設施以獲取更多信息。

小語言模型（SLM）– 創新者

架構師正在將小語言模型（SLMs）視為利用 LLM 特性的一種選擇，同時也在改進它們的一些缺點。SLM 通常比 LLM 更專業化，因此能夠在某些任務中超越 LLM 的表現。這種專業化也意味著它們的訓練過程更簡便、成本更低，使得更多的公司能夠創建專業化的模型。它們較小的規模還帶來了較低的運營成本、更小的碳足跡以及更多的部署選項。與通過云托管的 API 訪問 LLM 不同，SLM 可以部署在自托管的硬件上，或者部署在邊緣計算機上，從而消除了網絡流量延遲并提升了數據安全性。

關注 InfoQ 的大語言模型話題（大多數 SLM 內容與 LLM 相關）以獲取更多信息。

檢索增強生成（RAG）– 早期采用者

要從 LLM 獲取更高質量的結果，最常用的技術是 RAG。盡管 RAG 已迅速成為一種主流方法，但要實現有效應用仍需付出努力。軟件架構師正在調整他們的系統，以便提供更易于被 RAG 場景使用的數據。在未來，系統的設計可能會直接圍繞著將數據應用于 RAG 場景來進行。這與數據驅動架構的趨勢相契合。

關注 InfoQ 的檢索增強生成話題以獲取更多信息。

AI 輔助開發 – 早期大眾

此前，InfoQ 一直把低代碼 / 無代碼作為架構趨勢來跟蹤，因為良好的 API 設計為平民開發者提供了可擴展性。現在我們決定用 AI 輔助開發來取代這一趨勢，因為它們的用例有著顯著的重疊。許多專業軟件工程師正在使用 AI 工具來輔助編寫代碼，而平民程序員對 AI 工具的使用則是架構師需要關注的一個領域。在設計促進低代碼開發的系統時，通常會格外小心以確保 API 的安全性。AI 編程助手進一步降低了入門門檻，在某些情況下，它們會讓原本未為低代碼解決方案或非專業開發人員設計的 API 變得更容易使用。盡管 AI 輔助開發已經廣泛普及，但它的快速出現可能意味著架構師在設計能夠應對被編寫的代碼訪問的系統時跟不上節奏。

架構師和工程師還擔心 AI 工具生成的代碼質量，即使有專業的開發者參與也是如此。因為輸出取決于提示詞的質量，架構師正在尋找提供良好提示詞的方法，確保代碼和架構符合相關規范。目前，助力 AI 輔助開發的工具正在出現，但尚未達到其他編碼風格標準（如代碼檢查或 EditorConfig）的水平。

綠色軟件 – 創新者

碳高效和碳感知軟件仍然是值得關注的創新趨勢。許多公司專注于降低云托管成本，這可以作為減少能源消耗的有效手段。盡管能源消耗的減少帶來了諸多益處，但目前對于軟件系統碳足跡削減的關注度卻遠遠不夠。這就需要架構師們進行更深層次的思考，充分考量軟件的運行地點與運行時間，從而更好地利用可再生能源。

時間和地點是讓軟件變得更綠色的關鍵因素，因為數據中心的電力供應方式很大程度上取決于這些因素。“追日”策略通常用于最大化太陽能的利用。然而，讓服務器接近滿負荷運行通常比讓它們處于空閑狀態更節能，因此在需求較低且已有容量的情況下，在晚上執行某些任務或許會更好。網絡流量也是能源消耗的重要來源，因此應盡可能在本地處理數據。這些例子展示了綠色軟件的復雜性，也解釋了為什么這一領域將會繼續出現創新。

關注 InfoQ 的綠色軟件和可持續計算話題，收聽《構建綠色軟件》作者的播客以獲取更多信息。

隱私工程 – 創新者

2024 年，隱私工程被納入趨勢圖，以凸顯那些將隱私視為主要功能而非僅因法規或事件驅動而被動實施隱私策略的公司。在某種程度上，AI 的興起讓在前期考慮隱私問題的理由變得愈發充分。在實現大語言模型之前，架構師會著重考量將通過網絡傳輸哪些數據、這些數據是否用于訓練模型以及對數據的使用是否符合先前批準的使用條款。

關注 InfoQ 的隱私話題以獲取更多信息。

社會技術架構 – 早期采用者

架構師角色的演變以及架構實踐方式始終是一個備受關注的話題。復雜的軟件系統需要圍繞負責構建、支持和演化軟件的人員進行設計。“左移”是這一趨勢的一種體現，軟件生命周期各個階段的問題都在流程的更早期得到解決。這不應被誤認為是回歸瀑布式項目管理和前期大規模設計。相反，這是架構師更早地與利益相關者討論關注點，并設計出能夠演進且避免為滿足所有人需求而進行最后一刻返工的系統。

創新的架構師致力于在決策過程中減少瓶頸。他們不應是唯一的決策者，他們也需要幫助其他團隊成員做出架構決策。通過提供建議和引導決策過程，團隊能更快行動，做出更貼合實際的決策，并對設計有更深入的理解和信心。

團隊構建和發布軟件的方式會影響他們能夠構建的東西。因此，平臺架構是架構師需要考慮的。工程平臺已經從定制解決方案轉變為類似“平臺即產品”的商品。在做構建還是購買的決策時，要從社會技術視角出發，讓架構師和其他利益相關者考慮這些方案如何有利于軟件的編寫、部署和維護人員。

查看原文鏈接：

https://www.infoq.com/articles/architecture-trends-2025/

聲明：本文由 InfoQ 翻譯，未經許可禁止轉載。