÷ÈÓ°Ö±²¥

O est¨¢ rapidamente se tornando o padr?o da ind¨²stria para observabilidade. O lan?amento da especifica??o do estabeleceu um padr?o para lidar com traces, m¨¦tricas e logs, reduzindo a necessidade de v¨¢rias integra??es ou grandes reescritas ao passo que o monitoramento de solu??es distribu¨ªdas e os requisitos de interoperabilidade continuam crescendo. ? 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 instrumenta??o e tornando a observabilidade full-stack mais acess¨ªvel e escal¨¢vel para arquiteturas de microsservi?os. Adotado por fornecedores como , e , o OTLP permite que as organiza??es construam pilhas de observabilidade flex¨ªveis e independentes de um fornecedor espec¨ªfico, sem ficarem presas a solu??es de um propriet¨¢rio. Ele suporta compress?o gzip e zstd, reduzindo o tamanho dos dados de telemetria e diminuindo o uso de largura de banda ¡ª 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 padr?o robusto e ¨¤ prova de futuro, consolidando sua posi??o como a escolha de fato para transporte de telemetria.

Destacamos o React Hook Form como uma alternativa ao Formik. Ao usar componentes n?o controlados por padr?o, ele oferece um desempenho significativamente melhor, especialmente para formul¨¢rios grandes. React Hook forms ¨¦ bem integrado a diversas bibliotecas de valida??o baseadas em esquema, incluindo , e outras. Al¨¦m disso, React Hook Form oferece muita flexibilidade, facilitando a integra??o com bases de c¨®digo existentes e outras bibliotecas.

? poss¨ªvel us¨¢-lo com bibliotecas externas de componentes controlados, como shadcn ou . Com alto desempenho, integra??o fluida e desenvolvimento ativo, ¨¦ uma ¨®tima op??o para construir formul¨¢rios grandes ou aplica??es com muitos formul¨¢rios.

¨¦ uma poderosa biblioteca de TypeScript para construir programas s¨ªncronos e ass¨ªncronos complexos. O desenvolvimento de aplica??es web frequentemente exige c¨®digo repetitivo para tarefas como assincronia, concorr¨ºncia, gerenciamento de estado e tratamento de erros. O Effect-TS simplifica esses processos utilizando uma abordagem de programa??o funcional. Aproveitando o sistema de tipos do TypeScript, o Effect ajuda a identificar problemas dif¨ªceis de detectar durante a compila??o.

Nossa equipe anteriormente utilizava o para programa??o funcional, mas descobriu que o Effect-TS oferece abstra??es que se alinham melhor ¨¤s tarefas do dia a dia. Al¨¦m disso, ele facilita a composi??o e os testes do c¨®digo. Embora abordagens tradicionais como Promise/try-catch ou async/await possam lidar com esses cen¨¢rios, depois de usar o Effect, nossa equipe n?o encontrou motivo para voltar atr¨¢s.

O ¨¦ uma camada de acesso a dados universal que simplifica a constru??o, execu??o e governan?a de APIs de alta qualidade em diferentes fontes de dados. Proporciona acesso instant?neo as APIs GraphQL sobre v¨¢rias bases de dados (incluindo PostgreSQL, MongoDB e ClickHouse) e fontes de dados, permitindo que desenvolvedoras busquem apenas os dados de que precisam de forma r¨¢pida e segura. Achamos o Hasura f¨¢cil de implementar GraphQL para agrega??o de recursos no servidor e o aplicamos em m¨²ltiplos projetos de produtos de dados. No entanto, n¨®s permanecemos cautelosas quanto ¨¤ sua poderosa consulta federada e gest?o de esquema unificado. Uma adi??o recente not¨¢vel ¨¦ o recurso do Hasura, que permite ¨¤s desenvolvedoras aproveitar modelos de linguagem de grande porte (LLMs) para intera??es de dados mais naturais e intuitivas.

¨¦ um framework de orquestra??o projetado para criar aplica??es multiagente com persist¨ºncia de estado usando modelos de linguagem de grande porte (LLMs). Ele fornece um conjunto de primitivas de n¨ªvel mais baixo, como n¨®s e arestas, em compara??o com as abstra??es de n¨ªvel mais alto do LangChain, oferecendo ¨¤s desenvolvedoras controle mais detalhado sobre fluxos de agentes, gerenciamento de mem¨®ria e persist¨ºncia de estado. Essa abordagem baseada em grafos garante fluxos de trabalho previs¨ªveis e personaliz¨¢veis, facilitando a depura??o, escalabilidade e manuten??o de aplica??es em produ??o. Embora tenha uma curva de aprendizado mais ¨ªngreme, o design leve e modular do LangGraph o torna um framework poderoso para a cria??o de aplica??es agentivas.

converte v¨¢rios formatos (PDF, HTML, PowerPoint, Word) em Markdown, melhorando a legibilidade do texto e a reten??o de significado. Como os modelos de linguagem de grande porte (LLMs) extraem o contexto a partir de , como t¨ªtulos e se??es, o Markdown ajuda a preservar a estrutura para uma melhor compreens?o. Em aplica??es baseadas em RAG, nossas equipes usaram o MarkltDown para pr¨¦-processar documentos em Markdown, garantindo que marcadores l¨®gicos (t¨ªtulos, subse??es) permanecessem intactos. Antes da gera??o de embeddings, a segmenta??o estruturada ajudou a manter o contexto complexo das se??es, melhorando a clareza das respostas ¨¤s consultas, especialmente para documentos complexos. Amplamente utilizado para documenta??o, o Markdown tamb¨¦m torna a CLI do MarkltDown uma ferramenta valiosa para a produtividade de desenvolvedoras.

A permite especificar m¨®dulos compartilhados e a deduplica??o de depend¨ºncias entre micro frontends. Com a vers?o 2.0, a federa??o de m¨®dulos evoluiu para funcionar de forma independente do webpack. Esta atualiza??o introduz funcionalidades importantes, incluindo um runtime pr¨®prio, uma nova API de plugins e suporte para frameworks populares como React e Angular, al¨¦m de empacotadores conhecidos, como Rspack e Vite. Ao adotar a federa??o de m¨®dulos, grandes aplica??es web podem ser divididas em micro frontends menores e mais gerenci¨¢veis, permitindo que diferentes equipes desenvolvam, implantem e escalem de forma independente, enquanto compartilham depend¨ºncias e componentes de maneira eficiente.

O ¨¦ um kit de ferramenta de banco de dados de c¨®digo aberto que simplifica o trabalho com bancos de dados em aplica??es Node.js e TypeScript. Ele oferece uma abordagem moderna e segura para acesso a bancos de dados, automatiza a migra??o de esquema de bancos de dados e fornece uma API de consulta intuitiva. Ao contr¨¢rio dos ORMs t¨ªpicos, o PrismaORM usa objetos JavaScript simples para definir os tipos de bancos de dados sem usar decorators ou classes. Nossa experi¨ºncia com o PrismaORM ¨¦ positiva; achamos que ele n?o apenas se alinha melhor com o panorama geral de desenvolvimento do TypeScript, como tamb¨¦m se integra bem com o paradigma de programa??o funcional.

foi projetado para simplificar a orquestra??o de aplica??es distribu¨ªdas na m¨¢quina local da desenvolvedora. Ele permite orquestrar v¨¢rios servi?os em um ambiente de desenvolvimento local ¡ª incluindo m¨²ltiplos projetos .NET, bancos de dados dependentes e cont¨ºineres Docker ¡ª com um ¨²nico comando. Al¨¦m disso, Aspire oferece ferramentas de observabilidade ¡ª como logs, rastreamento e pain¨¦is de m¨¦tricas ¡ª para desenvolvimento local, separadas das usadas em ambientes de teste ou produ??o. Isso melhora significativamente a experi¨ºncia da desenvolvedora no momento de criar, ajustar e depurar os aspectos de observabilidade de qualquer sistema em que esteja trabalhando.

O Google, em parceria com a Samsung e a Qualcomm, lan?ou o Android XR, um novo sistema operacional projetado para headsets XR. O suporte est¨¢ planejado para ¨®culos e outros dispositivos. A maioria dos aplicativos Android ¨¦ compat¨ªvel, necessitando de poucas ou nenhuma modifica??o, mas a ideia ¨¦ criar novos aplicativos espaciais do zero ou espacializar aplicativos existentes. O novo ¨¦ colocado como o kit de desenvolvimento de software (SDK) ideal para esses projetos, e o Google fornece sobre como escolher as ferramentas e tecnologias inclu¨ªdas no SDK. No momento, ele est¨¢ dispon¨ªvel em vers?o pr¨¦via para desenvolvedoras.

¨¦ uma biblioteca python de c¨®digo aberto que permite que agentes de IA baseados em modelos de linguagem de grande porte (LLMs) usem navegadores da web e acessem aplica??es web. Ela pode controlar o navegador e executar etapas que incluem explora??o de p¨¢ginas, entrada de dados e extra??o de textos. Com a capacidade de gerenciar v¨¢rias guias, ela pode executar a??es coordenadas em diferentes aplica??es web. Isso ¨¦ ¨²til para cen¨¢rios onde agentes baseados em LLM precisam acessar conte¨²do da web, executar a??es nele e obter resultados. A biblioteca pode trabalhar com uma variedade de LLMs. Ela aproveita o Playwright para controlar o navegador, combinando compreens?o visual com extra??o de estrutura HTML para melhor intera??o na web. Esta biblioteca est¨¢ ganhando for?a em cen¨¢rios multiagentes, permitindo que os agentes colaborem em fluxos de trabalho complexos envolvendo intera??es na web.

¨¦ uma plataforma projetada para ajudar a construir e gerenciar agentes de IA que podem trabalhar em conjunto para executar tarefas complexas. Pense nela como uma forma de criar um grupo de agentes de IA, cada um com suas pr¨®prias especialidades, colaborando para alcan?ar um objetivo comum. N¨®s j¨¢ a mencionamos previamente no Radar, no t¨®pico Agentes aut?nomos impulsionados por LLM. Al¨¦m da biblioteca de c¨®digo aberto em Python, a CrewAI agora oferece uma solu??o empresarial para que organiza??es possam criar aplica??es baseadas em agentes voltadas a cen¨¢rios reais de neg¨®cio, execut¨¢-las em sua pr¨®pria infraestrutura de nuvem e conect¨¢-las a fontes de dados existentes como Sharepoint ou JIRA. J¨¢ utilizamos CrewAI em v¨¢rios desafios em produ??o, desde a valida??o automatizada de c¨®digos promocionais at¨¦ a investiga??o de falhas em transa??es e consultas de suporte ao cliente. Embora o cen¨¢rio de agentes inteligentes continue evoluindo rapidamente, estamos confiantes em colocar a CrewAI na categoria Avalie.

¨¦ um framework ponta a ponta com tipagem segura para TypeScript, projetado primariamente para Bun mas tamb¨¦m compat¨ªvel com outros runtimes JavaScript. Diferente de alternativas como que imp?e estruturas de interface de API espec¨ªficas, ElysiaJS n?o imp?e nenhuma estrutura de interface de API. Isso permite que desenvolvedoras criem APIs que seguem pr¨¢ticas estabelecidas pela ind¨²stria como RESTful, JSON: API ou OpenAPI, garantindo ao mesmo tempo a seguran?a de tipos de ponta a ponta. Quando usado com o Bun, ElysiaJS apresenta alto desempenho, sendo compar¨¢vel a frameworks web de Java ou Go em alguns benchmarks. Vale a pena considerar o ElysiaJS, especialmente ao desenvolver um backend-for-frontend (BFF).

¨¦ uma implementa??o de c¨®digo aberto do GraphRAG projetada para alta precis?o e desempenho na recupera??o de informa??es. Ele utiliza o para limitar a navega??o no gr¨¢fico apenas aos n¨®s mais relevantes entre todos os n¨®s relacionados, aumentando a precis?o da recupera??o e melhorando a qualidade das respostas de modelos de linguagem de grande porte (LLMs). Ele tamb¨¦m fornece uma representa??o visual do gr¨¢fico, ajudando as usu¨¢rias a entender os relacionamentos dos n¨®s e o processo de recupera??o. Com suporte para atualiza??es incrementais, ¨¦ adequado para conjuntos de dados din?micos e em evolu??o. Otimizado para casos de uso do GraphRAG em larga escala, o FastGraphRAG melhora o desempenho ao mesmo tempo em que minimiza o consumo de recursos.

O ¨¦ uma plataforma poderosa para construir sistemas distribu¨ªdos altamente concorrentes, escal¨¢veis e tolerantes a falhas. Tradicionalmente, suas linguagens s?o dinamicamente tipadas, mas o introduz, a n¨ªvel de linguagem, seguran?a de tipos. Constru¨ªdo sobre o , o Gleam combina a expressividade da programa??o funcional com seguran?a de tipo em tempo de compila??o, reduzindo os erros em tempo de execu??o e melhorando a manutenibilidade. Com uma sintaxe moderna, ele integra bem com o ecossistema OTP, aproveitando os pontos fortes do Erlang e do Elixir enquanto garante forte interoperabilidade. A comunidade do Gleam ¨¦ ativa e acolhedora, e estamos ansiosas para o seu desenvolvimento cont¨ªnuo.

¨¦ um framework para a constru??o de microsservi?os em Golang, projetado para simplificar o desenvolvimento ao abstrair o c¨®digo repetitivo necess¨¢rio para funcionalidades comuns de microsservi?os, como logging, rastreamento, m¨¦tricas, gerenciamento de configura??o e documenta??o de API com Swagger. Ele suporta m¨²ltiplos bancos de dados, gerencia migra??es de banco e facilita a comunica??o pub/sub com brokers como Kafka e NATs. Al¨¦m disso, o GoFr inclui agendamento de tarefas com cron jobs. Isso reduz a complexidade da cria??o e manuten??o de microsservi?os, permitindo que as pessoas desenvolvedoras se concentrem na escrita da l¨®gica de neg¨®cio em vez de lidar com preocupa??es relacionadas ¨¤ infraestrutura. Embora existam outras bibliotecas populares para constru??o de APIs web em Go, o GoFr est¨¢ ganhando popularidade e vale a pena explor¨¢-lo para microsservi?os baseados em Golang.

No cerne da criptografia assim¨¦trica, que garante a seguran?a da maioria das comunica??es modernas, est¨¢ um problema matematicamente complexo. No entanto, o problema usado nos algoritmos atuais ser¨¢ facilmente resolvido por computadores qu?nticos, o que impulsiona a pesquisa por alternativas. ¨¦ atualmente a candidata mais promissora. Embora computadores qu?nticos relevantes para a criptografia ainda estejam a anos de dist?ncia, a criptografia p¨®s-qu?ntica merece considera??o para aplica??es que precisam permanecer seguras por d¨¦cadas. H¨¢ tamb¨¦m o risco de que dados criptografados sejam registrados hoje para serem descriptografados quando os computadores qu?nticos estiverem dispon¨ªveis.

A criptografia p¨®s-qu?ntica em Java d¨¢ seus primeiros passos no , definido para disponibilidade geral no final de mar?o. Esta vers?o inclui o e , que implementam um mecanismo de encapsulamento de chaves e um algoritmo de assinatura digital, ambos baseados em padr?es e projetados para serem resistentes a futuros ataques de computa??o qu?ntica. Embora a do projeto Open Quantum Safe forne?a implementa??es baseadas em C com um wrapper JNI, ¨¦ encorajador ver uma implementa??o nativa em Java surgindo tamb¨¦m.

¨¦ um kit de desenvolvimento de software (SDK) de prote??o de dados para e dados confidenciais em texto estruturado e n?o estruturado. Ele detecta informa??es de identifica??o pessoal (PII) ¡ª ou seja, dados sens¨ªveis que podem identificar um indiv¨ªduo ¡ª, como n¨²meros de cart?o de cr¨¦dito, nomes e locais, usando reconhecimento de entidade nomeada, express?es regulares e l¨®gica baseada em regras. O Presidio suporta reconhecimento e desidentifica??o de entidades PII, permitindo que as empresas o adaptem aos seus requisitos de privacidade espec¨ªficos. Embora o Presidio automatize a identifica??o de informa??es confidenciais, n?o ¨¦ infal¨ªvel e pode perder ou identificar dados incorretamente. Tenha cuidado ao confiar em seus resultados.

Conforme as tecnologias para construir aplicativos e agentes baseados em modelos de linguagem de grande porte (LLMs) evoluem rapidamente, os frameworks para construir e orquestrar essas aplica??es muitas vezes t¨ºm dificuldade em acompanhar ou encontrar as abstra??es corretas e duradouras. ¨¦ o mais novo membro deste espa?o, buscando simplificar implementa??es, evitando complexidades desnecess¨¢rias. Desenvolvido pelas criadoras do popular Pydantic, ele ¨¦ constru¨ªdo baseado nas li??es aprendidas com frameworks anteriores ¡ª muitos dos quais j¨¢ dependem do Pydantic. Ao inv¨¦s de ser um canivete su¨ª?o, o PydanticAI oferece uma abordagem leve, por¨¦m poderosa. Ele se integra com todas as principais APIs de modelos, inclui gest?o integrada de sa¨ªda estruturada de LLMs e introduz uma abstra??o baseada em grafos para gerenciar workflows complexos de agentes.

Desde o lan?amento do , a linguagem se expandiu al¨¦m do ecossistema da Apple, com suporte aprimorado para sistemas operacionais importantes, tornando-a mais vi¨¢vel para uso em aplica??es com restri??es de recursos. Tradicionalmente, esse espa?o foi dominado por C, C++ e, mais recentemente, Rust, devido ao seu controle de baixo n¨ªvel, alto desempenho e disponibilidade de compiladores e bibliotecas certificados que cumprem padr?es como MISRA, ISO 26262 e ASIL. Enquanto o Rust come?ou a alcan?ar certifica??es semelhantes, o Swift ainda n?o iniciou esse processo, limitando seu uso em aplica??es cr¨ªticas de seguran?a.

A crescente ado??o do Swift ¨¦ impulsionada por seu equil¨ªbrio entre desempenho e recursos de seguran?a, incluindo forte seguran?a de tipo e contagem autom¨¢tica de refer¨ºncia para gerenciamento de mem¨®ria. Enquanto o modelo de propriedade do Rust oferece garantias de seguran?a de mem¨®ria mais fortes, o Swift oferece um compromisso diferente que algumas desenvolvedoras acham mais acess¨ªvel. Ambos, Swift e Rust, compartilham o backend do compilador LLVM/Clang, permitindo que avan?os em um beneficiem o outro. Com sua capacidade de compilar para c¨®digo de m¨¢quina otimizado, seu desenvolvimento de c¨®digo aberto e seu suporte expansivo multiplataforma, o Swift est¨¢ emergindo como um concorrente para uma gama mais ampla de aplica??es ¡ª muito al¨¦m de suas ra¨ªzes no iOS.

¨¦ uma biblioteca que facilita o compartilhamento eficiente de estilos entre React web e React Native. Ela oferece um com componentes reutiliz¨¢veis, estilizados ou n?o, que funcionam perfeitamente em diferentes plataformas. Seu opcional impulsiona o desempenho, convertendo componentes estilizados em CSS at?mico com divs na web e objetos de estilo otimizados em visualiza??es nativas.

¨¦ uma biblioteca do PyTorch para cria??o, p¨®s-treinamento e experimenta??o com modelos de linguagem de grande porte (LLMs). Ela oferece suporte a configura??es com uma ou m¨²ltiplas GPUs e permite treinamento distribu¨ªdo com . A biblioteca fornece baseadas em YAML para tarefas como ajuste fino, infer¨ºncia, avalia??o e treinamento consciente de quantiza??o. Cada receita apresenta um conjunto de recursos focado, evitando configura??es complexas baseadas em flags. Ela prioriza a simplicidade, favorecendo a clareza do c¨®digo em vez de abstra??es excessivas. Al¨¦m disso, inclui uma para baixar modelos, gerenciar receitas e executar experimentos de forma eficiente.

Alguns anos atr¨¢s, observamos o uso excessivo de Node: o Node.js era frequentemente utilizado por raz?es question¨¢veis ou sem sequer considerar alternativas. Embora entendamos que algumas equipes prefiram uma stack de linguagem ¨²nica ¡ª apesar dos trade-offs ¡ª continuamos a defender a programa??o poliglota. Na ¨¦poca, destacamos que o Node.js tinha uma reputa??o merecida por sua efici¨ºncia em workloads intensivos em IO, mas mencionamos que outros frameworks haviam alcan?ado esse n¨ªvel, oferecendo APIs melhores e um desempenho geral superior. Tamb¨¦m alertamos que o Node.js nunca foi adequado para workloads computacionalmente intensivos, uma limita??o que continua sendo um grande desafio. Agora, com o crescimento de workloads intensivas em dados, vemos equipes enfrentarem dificuldades tamb¨¦m nesse aspecto.