# Thoughtworks 技术雷达 Vol.34 深度分析报告

----
## 一、引言

Thoughtworks 技术雷达是全球软件工程领域最具影响力的技术趋势风向标之一。每半年发布一期，由 22 位高级技术专家组成的 Technology Advisory Board（TAB）经过深入讨论后产出。本期（Vol.34）于 2026 年 4 月发布，基于 2026 年 3 月在班加罗尔举行的面对面会议。
如果说前几期雷达还在观察 AI 对软件开发的影响，那么本期雷达传递的信号非常明确：**AI Agent 已经从"值得关注"跃升为整个行业的核心关切**。118 个条目中，超过一半直接与 AI/Agent 相关。但本期雷达绝非一味唱赞歌——它同时发出了冷静的警告：工程纪律不可丢弃，安全防线不可松懈，认知债务正在加速累积。
本报告将从核心主题、各象限重点解读、关键趋势提炼、对企业的行动建议四个层面展开分析。


----
## 二、核心主题解读

本期雷达提出了四大主题，每一个都直指当前技术行业的核心矛盾。
### 2.1 Agent 时代的技术评估困境

AI 不仅改变了技术本身，也改变了我们评估技术的方式。雷达编辑团队明确指出了三个突出问题：
**语义扩散（Semantic Diffusion）**——新术语的涌现速度远超其含义稳定的速度。例如"spec-driven development"和"harness engineering"在不同语境下含义重叠，缺乏统一标准。这导致评估时难以判断我们看到的是真正的新方法论，还是换个标签的旧实践。
**工具生命周期的不确定性**——AI 降低了构建开发工具的门槛，出现了大量由单人 + 编码 Agent 维护的工具，有些甚至不满一个月。这冲击了雷达传统的评估节奏：等待成熟则建议过时，快速推进则可能推荐昙花一现的项目。
**代码库认知债务（Codebase Cognitive Debt）**——这是一个本期雷达提出的关键概念。随着 AI 生成代码比例增加，开发者越来越容易在不理解"为什么"的情况下采纳解决方案。这种理解缺口会随时间累积，使系统越来越难推理、调试和演进。
>**核心判断**：评估技术的难度正在系统性上升，需要建立更严格的筛选标准，对"AI 加速诞生"的工具保持审慎。

### 2.2 保留原则，放弃旧模式

这是一个充满辩证意味的主题。AI 在推动我们向前看的同时，也在迫使我们向后看——重新审视软件工艺的根本。
**经典实践回归**：结对编程、零信任架构、变异测试、DORA 指标、整洁代码、可测试性、无障碍设计——这些不是怀旧，而是对抗 AI 速度所带来复杂性的必要制衡。
**命令行的复兴**：经过多年以可用性之名将其抽象化之后，Agentic 工具正在将开发者带回终端作为主要交互界面。
**但并非一切不变**：AI 辅助软件开发代表着工程实践的根本性转变，需要我们重新思考——在某些情况下抛弃——长期持有的假设。团队协作和结构可能需要演进，我们可能需要同时考虑 Agent 拓扑和团队拓扑。
>**核心判断**：AI 时代不是抛弃工程实践的理由，而是加倍依赖它们的理由。速度没有纪律只会复利成本。

### 2.3 为"权限饥渴"的 Agent 筑牢安全防线

本期雷达用了一个生动的比喻：像一个刚学会转弯就自信地冲向最难的黑色雪道的滑雪者——Agent 的野心远超安全措施的成熟度。
**"致命三合一"正在成为常态**：Simon Willison 定义的不安全 Agent 三个条件——私有数据、不可信内容、外部操作——现在几乎描述了所有有用的 Agent。Prompt 注入意味着模型仍然无法可靠区分可信指令和不可信输入。Agent 的行为仍然不一致：一次成功的任务不保证下次也能成功。
**防御方向**：零信任、最小权限、模型改进和深度防御已成为基本要求。安全的 Agent 系统不会是单体 Agent，而是由多个受限 Agent 组成的流水线，配备强监控和控制。新兴实践如 Agent Skills（作为 MCP 的受控替代方案）、Durable Agents、防止 Agent 指令膨胀等技术都在指向这个方向。
>**核心判断**：当前阶段，谨慎是避免昂贵失误的关键。Agent 安全问题没有银弹，需要系统性的多层防御。

### 2.4 给编码 Agent 系上缰绳

随着编码 Agent 越来越强大，人类越来越倾向于退出循环。为缓解人类监督减少的风险，团队开始投资编码 Agent 的"缰绳"系统，分为两大类：
**前馈控制**（在代码生成前引导 Agent 行为）：
- Agent Skills——模块化指令和约定，按需加载
- Plugin Marketplace——分发 Skills 和上下文配置
- Spec-Driven Development 框架（如 GitHub Spec-Kit、OpenSpec）——结构化工作流

**反馈控制**（在 Agent 行动后观察并创建自纠循环）：
- 反馈传感器——编译器、linter、类型检查器、测试套件直接集成到 Agent 工作流
- 变异测试工具（如 cargo-mutants）——暴露"永远绿色"的测试
- 代码质量分析工具（如 CodeScene）——检测架构偏移

>**核心判断**：编码 Agent 的成熟不在于让 Agent 更自主，而在于为它构建更完善的前馈+反馈控制系统。


----
## 三、各象限重点解读

### 3.1 Techniques（技术实践）——41 个条目

#### Adopt 环（6 项）


|技术|核心要点|
|:-:|:-:|
|**Context Engineering**|从 Prompt Engineering 演化而来，将上下文窗口视为设计面，系统性构建 AI 的信息环境。包括上下文设置、动态检索、上下文图谱、上下文管理等子技术|
|**Curated Shared Instructions**|将 AI 指令视为团队共享的工程资产，通过服务模板（CLAUDE.md、AGENTS.md）和参考应用来统一分发|
|**DORA Metrics**|在 AI 时代更加重要——用代码行数衡量 AI 生产力是误导性的，真正的改进必须反映在交付流和稳定性上|
|**Passkeys**|基于 FIDO2 的通行密钥正式成为默认认证方案，全球超过 150 亿合格账户，Google 报告登录成功率提升 30%|
|**Structured Output from LLMs**|约束模型产生预定义格式的响应，建议作为所有消费 LLM 响应的应用的默认做法|
|**Zero Trust Architecture**|Agent 时代的安全基石——"永不信任，始终验证"，将 SPIFFE 标准应用于 Agent 身份|
**分析**：6 个 Adopt 条目中有 4 个与 AI/Agent 直接相关（Context Engineering、Curated Shared Instructions、Structured Output、Zero Trust），1 个是经典实践的回归强化（DORA），1 个是安全认证的成熟（Passkeys）。这清晰表明：**行业共识是 AI Agent 的基础工程实践已经成熟到可以规模化采纳的程度**。
#### Trial 环（9 项）

值得关注的核心条目：
- **Agent Skills**——作为开放标准，将上下文模块化，按需加载。已成为 Agent 生态系统的核心构建块
- **Feedback Sensors for Coding Agents**——将编译器、linter、测试套件等确定性质量门禁直接接入 Agent 工作流
- **Mutation Testing**——AI 生成测试的时代，变异测试是检测"永远绿色测试"的最诚实信号
- **Sandboxed Execution for Coding Agents**——Agent 沙箱执行从可选增强升级为明智默认
- **Progressive Context Disclosure**——渐进式上下文披露，避免一次性加载过多指令导致"上下文腐烂"

#### Caution 环（8 项）——本期最重要的警示集合


|警示|核心风险|
|:-:|:-:|
|**Agent Instruction Bloat**|AGENTS.md 等文件不断膨胀，指令相互冲突，模型对中间内容的注意力下降|
|**AI-Accelerated Shadow IT**|AI 降低非技术人员构建系统的门槛，缺乏治理的 Agentic 工作流带来安全风险|
|**Codebase Cognitive Debt**|AI 加速代码产出但团队理解跟不上，形成认知债务与设计意图丢失的恶性循环|
|**Coding Agent Swarms**|数十上百个 Agent 协同工作仍处于实验阶段，成本高昂且远未成熟|
|**Coding Throughput as Measure of Productivity**|用代码行数/PR数量衡量 AI 生产力是危险的——会催生大量低质量代码|
|**Ignoring Durability in Agent Workflows**|忽视 Agent 工作流持久性导致开发环境成功但生产环境失败|
|**MCP by Default**|不加区分地将 MCP 作为默认集成层，忽视了 CLI 等更简单的替代方案|
|**Pixel-Streamed Dev Environments**|像素流式开发环境牺牲开发体验换取集中控制，导致持续的认知摩擦|
**分析**：这 8 个 Caution 条目几乎全部与 AI/Agent 的不当使用相关。它们共同构成了一个明确的信号：**行业对 AI 的热情需要被工程纪律和安全意识所制衡**。特别是"Coding Throughput as Measure of Productivity"——当组织用 AI 生成的代码量来衡量开发者生产力时，结果往往是大量需要反复返工的低质量代码，反而拖慢了交付速度。
### 3.2 Platforms（平台）——24 个条目

本期平台象限无 Adopt 和 Caution 条目，全部集中在 Trial（8 项）和 Assess（16 项），反映出一个快速扩张但尚未收敛的平台生态。
**Trial 环亮点**：
- **Graphiti**——来自 Zep 的开源时序知识图谱引擎，解决 LLM 的记忆问题。不同于扁平向量存储，它以离散事件形式摄取数据，维护双时态有效性窗口。经同行评审的基准测试报告精度提升 18.5%，延迟降低 90%
- **AWS Bedrock AgentCore**——但雷达建议的用法值得注意：只使用其运行时能力（会话隔离、安全、可观测性），而将编排逻辑保留在外部框架中，避免被锁定
- **AG-UI Protocol**——标准化 Agent 与前端 UI 通信的开放协议，但正面临 MCP 内嵌 UI 组件趋势的挑战
- **Apache APISIX**——作为传统 Nginx 的现代替代，在动态微服务场景中表现突出
- **SigNoz**——基于 ClickHouse 的开源可观测性平台，作为 Datadog 的自托管替代

**Assess 环亮点**：
- **Agent Trace**——Cursor 提出的开放规范，标准化 AI 代码归属追踪，定义了 human/AI/mixed/unknown 四种贡献者类型
- **DuckLake**——将数据湖仓架构简化为"标准 SQL 数据库做元数据管理 + Parquet 文件做存储"的轻量方案
- **Sprites**——Fly.io 的有状态沙箱环境，提供无限检查点和恢复能力，为 Agent 沙箱的持久化方向提供了参考

### 3.3 Tools（工具）——32 个条目

#### Adopt 环（5 项）——编码 Agent 双雄格局确立


|工具|核心要点|
|:-:|:-:|
|**Claude Code**|Anthropic 的 Agentic AI 编码工具。晋升 Adopt 是因为团队已在生产环境中日常使用，被视为能力和可用性的标杆。其 Skills、子代理、远程控制和团队工作流等特性引领了品类方向|
|**Cursor**|最广泛采用的 IDE 内编码 Agent 之一。Plan Mode、Hooks、子代理等特性使其成为完整的 Agentic 环境。Agent Client Protocol 进一步降低了 JetBrains 用户的使用门槛|
|**Axe-core**|开源无障碍测试工具，在 European Accessibility Act 等法规推动下成为 CI 流水线的标配|
|**Kafbat UI**|Apache Kafka 的开源 Web UI，内置和可插拔的 SerDes 支持让加密消息可读|
|**mise**|从 asdf 的替代品进化为开发环境管理首选，整合了工具版本管理、环境变量和任务执行|
**分析**：Claude Code 和 Cursor 同时晋升 Adopt 意味着**编码 Agent 已经从"值得尝试"正式进入"应该采用"的阶段**。雷达特别指出 Agentic Coding 将开发者的工作重心从手动实现转向"指定意图、约束和审查边界"，这需要配套的纪律性操作实践。
#### Trial 环（6 项）

- **Claude Code Plugin Marketplace**——通过 Git 分发模型共享命令、提示和 Skills
- **OpenAI Codex**——从 IDE 插件进化为独立的 Agentic 编码工具
- **Dev Containers**——从开发环境一致性工具获得了新角色：编码 Agent 的沙箱执行环境
- **Figma Make**——利用设计系统真实组件生成高保真原型
- **cargo-mutants**——Rust 的零配置变异测试工具
- **Typst**——LaTeX 的现代替代

#### Caution 环（1 项）

- **OpenClaw**——"超个性化 AI 助手"类别，需要大量权限（日历、邮件、文件、通信），正是"致命三合一"的典型体现

### 3.4 Languages & Frameworks（语言与框架）——21 个条目

#### Adopt 环（6 项）——前端框架大丰收


|技术|核心要点|
|:-:|:-:|
|**React JS**|React 19 + React Compiler 实现构建时自动记忆化，React Foundation 成立确保长期稳定性|
|**React Native**|新架构（JSI + Fabric）解决了 Bridge 瓶颈，性能接近原生|
|**Svelte**|编译时优化、小包体积、简洁组件模型，从 Trial 晋升为 React/Vue 的可信替代|
|**Apache Iceberg**|开放表格式成为 Lakehouse 架构默认选择，所有主要平台均已支持|
|**Declarative Automation Bundles**|将 Databricks 资源作为代码管理，CI/CD 实践带入数据平台|
|**Typer**|Python CLI 构建库，在 AI 相邻的开发者工作流中越来越重要|
**分析**：本期框架象限 Adopt 环迎来大丰收——React、React Native、Svelte 同时晋升，加上已有的 Typer 和 Apache Iceberg。这反映了前端生态在经历了数年的碎片化后，**主流选择正在收敛**。同时 Apache Iceberg 的 Adopt 确认了开放数据格式的胜出。
#### Trial 环（7 项）——LangGraph 降级值得关注

- **LangGraph**——**从 Adopt 降级到 Trial**。雷达明确指出，将每个多 Agent 系统都建模为有状态图+全局共享状态并非最佳方案。简单 Agent 通过代码执行通信，必要时再添加图结构，往往更精简有效。这是一个重要的方向修正
- **LiteLLM**——从薄抽象层发展为完整 AI 网关，成为多 LLM 提供商场景的务实选择
- **DeepEval**——扩展到支持复杂 Agentic 工作流和多轮对话评估
- **Docling**——开源文档转换库，作为 Azure Document Intelligence 等商业服务的自托管替代
- **Modern.js**——ByteDance 的 React 元框架，因 nextjs-mf 即将停止维护而成为 Module Federation 架构的推荐框架
- **ADK**——Google 的 Agent 框架，在 Google 生态内的项目中表现良好

#### Assess 环（8 项）

- **GitHub Spec Kit**——Spec-Driven Development 的代表工具，通过"Constitution"文件定义项目规则
- **Superpowers**——可组合的 Skills 工作流，鼓励先头脑风暴再编码、先计划再实现
- **TanStack Start**——比 Next.js 更显式和可预测的全栈框架
- **TOON**——为 LLM 交互优化的 JSON 编码，减少 Token 消耗
- **Unsloth**——大幅降低 LLM 微调的 GPU 门槛


----
## 四、关键趋势总结

### 趋势一：Context Engineering 取代 Prompt Engineering

本期雷达将 Context Engineering 提升为 Adopt，明确宣告：Prompt Engineering（关注措辞）的时代正在让位于 Context Engineering（关注信息环境设计）。这包含四个层次：
1. **Context Setup**——利用 Prompt Caching 前置加载静态指令
2. **Dynamic Retrieval**——按需选择工具和加载 MCP Server
3. **Context Graph**——将机构推理建模为结构化可查询数据
4. **Context Management**——通过有状态压缩和子代理管理长工作流

### 趋势二：编码 Agent 生态快速成熟

Claude Code 和 Cursor 双双晋升 Adopt，Plugin Marketplace、Dev Containers、Agent Skills 等配套工具进入 Trial。编码 Agent 已经不再是实验性工具，而是生产级开发环境的核心组成部分。
### 趋势三：Agent 安全成为不可忽视的议题

从零信任架构到沙箱执行，从有毒流程分析到 Agent 指令膨胀的警示，安全贯穿了本期雷达的每一个象限。Agent 越强大、权限越广泛，安全防护就越需要系统化和多层化。
### 趋势四：工程纪律的回归而非抛弃

AI 时代最需要加强的不是 AI 本身，而是支撑 AI 可靠运行的工程实践。DORA 指标、变异测试、零信任、整洁代码——这些经典实践不是 AI 的对立面，而是让 AI 真正交付价值的保障。
### 趋势五：前端生态收敛，数据格式开放化

React + React Native + Svelte 的 Adopt 表明前端主流选择正在收敛。Apache Iceberg 的 Adopt 则确认了开放数据格式在 Lakehouse 架构中的胜出。LangGraph 的降级暗示 Agent 框架领域也可能走向"简单有效优于复杂全面"。
### 趋势六：Caution 条目是对行业误区的精准制衡

8 个 Caution 条目几乎构成了一份"AI 时代不应该做什么"的清单：不要用代码行数衡量生产力、不要忽视工作流持久性、不要默认使用 MCP、不要让指令膨胀失控、不要放任认知债务累积。这些警示与 Adopt/Trial 条目的正面建议形成了辩证平衡。


----
## 五、企业行动建议

### 对于技术领导者（CTO / VP Engineering）

1. **立即行动**：将 Context Engineering 和 Curated Shared Instructions 纳入团队的 AI 开发标准。为所有项目建立标准化的 AI 指令模板（如 CLAUDE.md）
2. **投资 Agent 缰绳**：优先建设 Feedback Sensors 和 Sandbox Execution 基础设施，而非追求 Agent 的更大自主性
3. **用 DORA 指标替代代码行数**：立即停止用 AI 生成代码量来衡量团队生产力，转向 First-Pass Acceptance Rate 和 DORA 指标
4. **安全先行**：在部署任何生产级 Agent 之前，确保零信任架构和有毒流程分析到位

### 对于开发团队

1. **采用编码 Agent**：Claude Code 或 Cursor 已达到 Adopt 级别，应作为团队标配工具
2. **拥抱变异测试**：在 AI 大量生成测试代码的背景下，变异测试是确保测试质量的最后一道防线
3. **警惕认知债务**：不要对 AI 生成的代码掉以轻心，确保团队理解每一行代码的"为什么"
4. **实践渐进式上下文披露**：避免在 Agent 指令文件中堆砌所有信息，按需加载

### 对于平台工程团队

1. **评估 Apache Iceberg**：作为 Lakehouse 架构的默认开放表格式
2. **部署 SigNoz 或类似方案**：作为 Datadog 等商业可观测性方案的开源替代
3. **关注 Agent Trace 标准**：为 AI 代码归属追踪做好工具准备
4. **审慎对待 MCP**：不要默认使用 MCP，优先评估 CLI 等更简单的替代方案

### 对于安全团队

1. **推行 Passkeys**：作为新认证实现的默认起点
2. **建立 Agent 安全评估流程**：参考"致命三合一"框架评估所有 Agent 部署
3. **监控 AI 加速的 Shadow IT**：为非技术人员的 AI 工作流提供受控的实验环境


----
## 六、结语

Thoughtworks 技术雷达 Vol.34 的核心信息可以浓缩为一句话：**AI Agent 正在重塑软件开发的方方面面，但速度没有纪律只会复利成本。**
本期雷达最令人印象深刻的不是那些令人兴奋的新技术，而是贯穿始终的冷静与辩证。它在推荐 Context Engineering 的同时警告指令膨胀；在将编码 Agent 晋升 Adopt 的同时警示认知债务；在展示 Agent 能力边界扩展的同时强调安全防线的不可妥协。
这种"拥抱创新，坚守纪律"的态度，或许是每一个技术团队在 AI 时代最需要保持的。
>速度没有纪律只会复利成本——当 Agentic 系统让快速行动变得前所未有地容易时，这个原则值得我们坚守。
—— Thoughtworks Technology Radar Vol.34


----
报告基于 Thoughtworks Technology Radar Volume 34 (April 2026) 全部 118 个技术条目编写

Thoughtworks 技术雷达是全球软件工程领域最具影响力的技术趋势风向标之一。每半年发布一期，由 22 位高级技术专家组成的 Technology Advisory Board（TAB）经过深入讨论后产出。本期（Vol.34）于 2026 年 4 月发布，基于 2026 年 3 月在班加罗尔举行的面对面会议。如果说前几期雷达还在观察 AI 对软件开发的影响，那么本期雷达传递的信号非常明确：AI Agent 已经从"值得关注"跃升为整个行业的核心关切。118 个条目中，超过一半直接与 AI/Agent 相关。但本期雷达绝非一味唱赞歌——它同时发出了冷静的警告：工程纪律不可丢弃，安全防线不可松懈，认知债务正在加速累积。本报告将从核心主题、各象限重点解读、关键趋势提炼、对企业的行动建议四个层面展开分析。

Thoughtworks 技术雷达 Vol.34 深度分析报告

Thoughtworks 技术雷达是全球软件工程领域最具影响力的技术趋势风向标之一。每半年发布一期，由 22 位高级技术专家组成的 Technology Advisory Board（TAB）经过深入讨论后产出。本期（Vol.34）于 2026 年 4 月发布

人工智能

职业发展

新闻资讯

Thoughtworks技术雷达Vol.34深度分析AI技术趋势，指出AIAgent已成为行业核心关切。报告强调工程纪律的重要性，提出六大关键趋势：ContextEngineering取代PromptEngineering、编码Agent生态成熟、安全议题凸显、工程纪律回归、前端生态收敛、行业误区警示。为企业提供具体行动建议，帮助把握AI时代技术发展方向。

软件开发

数据管理

软件工程

SQL数据库

编译器

数据库

零信任

数据湖

Agent

JSON

4核4G3M云服务器 新用户低至38元/年！

2026采购季 | AI焕新·智启新局

tcap

tchousec

tencentdb-catalog

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云AI代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

功能1上新10个字符

功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符。

功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符。

功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符

功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符

功能4上新

文章&问答评论现已支持表情

全新交互，全新视觉，新增快捷键、悬浮工具栏、高亮块等功能并同时优化现有功能，全面提升创作效率和体验

社区富文本编辑器全新改版！诚邀体验～ 

精选全网热门MCP server，让你的AI更好用 🚀

💥开发者 MCP广场重磅上线！

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

Thoughtworks技术雷达Vol.34深度分析AI技术趋势，指出AIAgent已成为行业核心关切。报告强调工程纪律的重要性，提出六大关键趋势：ContextEngineering取代PromptEngineering、编码Agent生态成熟、安全议题凸显、工程纪律回归、前端生态收敛、行业误区警示。为企业提供具体行...

Thoughtworks 技术雷达 Vol.34 深度分析报告-腾讯云开发者社区-腾讯云

Thoughtworks 技术雷达 Vol.34 深度分析报告

Thoughtworks 技术雷达 Vol.34 深度分析报告

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐