主要观点总结
该文章讨论了软件架构与设计领域的最新发展趋势，特别是与AI相关的趋势。文章指出，随着AI的普及，与AI相关的趋势如Agentic AI、小语言模型（SLM）、检索增强生成（RAG）、AI辅助开发等已成为行业创新重点。同时，绿色软件和隐私工程等也是值得关注的创新趋势。此外，文章还讨论了架构师角色的演变以及架构实践方式的变化。
关键观点总结
关键观点1: AI趋势的发展和创新，包括Agentic AI、小语言模型（SLM）、检索增强生成（RAG）等。
文章指出Agentic AI、小语言模型等是软件架构师需要关注的新兴AI趋势，它们在设计、性能、可扩展性等方面提供了新的思路和解决方案。
关键观点2: 绿色软件和隐私工程的重要性。
文章强调绿色软件和隐私工程是值得关注和创新趋势，它们涉及到软件的碳足迹和隐私保护问题，是软件架构师需要考虑的重要因素。
关键观点3: 软件架构与设计的新趋势。
文章指出软件架构师需要关注软件架构与设计的新趋势，包括社会技术架构、平台架构等，这些趋势反映了软件架构师角色的演变和架构实践方式的变化。
正文
读者可以关注 InfoQ 的
AI、ML & 数据工程
话题，以便获取更多信息。
除了 LLM，软件架构师应该关注的 AI 创新领域还有 Agentic AI 和小语言模型（SLM）。Agentic AI 之前叫作“AI 智能体”，其理念是设计能够自主完成任务的 AI 模型。在某些情况下，多个智能体可以协作以获得更好的结果。在传统软件中，我们可能会看到用于管理工作流的编排模式。Agentic AI 从让智能体执行特定任务开始，后续可能发展成为一种监督式的方法，由 AI 来决定在业务流程中遵循哪些步骤。由于公司对非确定性软件做出重要决策的信任度存在较大差距，因此这种方法仍处于创新者阶段。
架构师在设计 Agentic 工作流时可以借鉴微服务的一些模式，让每个智能体都有明确的边界和交互模式。这种设计能带来更好的结果，因为智能体之间的响应和执行任务的质量可以被观察和调整。可维护性也得到了提升，随着新模型的出现，个体智能体模块可以被升级或替换。为了确保智能体响应得当，需随着智能体或其行动的演变持续进行测试。
观看
Shruti Bhat 在 QCon San Francisco 的主题演讲：开拓未来：推进 AI 智能体的基础设施
以获取更多信息。
架构师正在将小语言模型（SLMs）视为利用 LLM 特性的一种选择，同时也在改进它们的一些缺点。SLM 通常比 LLM 更专业化，因此能够在某些任务中超越 LLM 的表现。这种专业化也意味着它们的训练过程更简便、成本更低，使得更多的公司能够创建专业化的模型。它们较小的规模还带来了较低的运营成本、更小的碳足迹以及更多的部署选项。与通过云托管的 API 访问 LLM 不同，SLM 可以部署在自托管的硬件上，或者部署在边缘计算机上，从而消除了网络流量延迟并提升了数据安全性。
关注 InfoQ 的
大语言模型话题
（大多数 SLM 内容与 LLM 相关）以获取更多信息。
要从 LLM 获取更高质量的结果，最常用的技术是 RAG。尽管 RAG 已迅速成为一种主流方法，但要实现有效应用仍需付出努力。软件架构师正在调整他们的系统，以便提供更易于被 RAG 场景使用的数据。在未来，系统的设计可能会直接围绕着将数据应用于 RAG 场景来进行。这与数据驱动架构的趋势相契合。
