InfoQ ·

InfoQ 软件架构与设计趋势报告 - 2025

💡 原文英文，约1900词，阅读约需7分钟。

📝

内容提要

随着大型语言模型的普及，AI创新正转向小型语言模型和自主AI。检索增强生成（RAG）成为提升LLM效果的常用技术。架构师需关注AI开发工具的效率与质量，并探索降低软件碳足迹的方法。设计应以开发者为中心，去中心化决策逐渐兴起。

🎯

关键要点

大型语言模型（LLMs）已广泛应用，AI创新正转向小型语言模型和自主AI。
检索增强生成（RAG）成为提升LLM效果的常用技术，架构师需设计系统以适应RAG。
架构师需关注AI开发工具的效率与质量，考虑公民开发者的使用方式。
架构师探索降低软件碳足迹的方法，云成本降低是效率的合理代理。
以开发者为中心的系统设计逐渐被采纳，去中心化决策正在兴起。
软件架构决策涉及权衡，趋势的成熟度影响其采用情况。
AI相关主题在过去一年中不断演变，LLMs已从早期采用者跃升至晚期主流。
自主AI和小型语言模型（SLMs）是软件架构师应关注的创新领域。
SLMs通常比LLMs更专业，训练成本更低，操作成本和碳足迹更小。
RAG是提高LLM结果的常用技术，架构师需调整系统以支持RAG。
AI辅助开发已成为早期主流，架构师需关注公民程序员的使用情况。
绿色软件是一个创新趋势，关注减少软件系统的碳足迹。
隐私工程作为主要特性被重视，架构师需考虑数据传输和使用合规性。
社会技术架构关注软件系统的设计应围绕开发和维护人员，促进决策过程的高效性。

🔎

延伸解读

小型语言模型的优势

小型语言模型（SLMs）因其专业化和训练成本低而受到关注。与大型语言模型（LLMs）相比，SLMs在特定任务上表现更佳，且操作成本和碳足迹更小。架构师应考虑SLMs的部署方式，以提高数据安全性和降低延迟。

检索增强生成的实施挑战

检索增强生成（RAG）已成为提升LLM效果的常用技术，但有效实施仍需努力。架构师需调整系统以便更好地支持RAG用例，未来可能需要设计专门为RAG消费的数据架构，以提高系统的整体效率。

绿色软件的创新趋势

绿色软件关注减少软件系统的碳足迹，架构师需考虑软件运行的时间和地点，以利用可再生能源。通过优化服务器的运行状态和本地处理数据，可以有效降低能耗，推动绿色软件的发展。

隐私工程的重要性

隐私工程作为一种创新趋势，强调在设计阶段就考虑隐私问题。随着AI技术的应用，架构师需关注数据传输的合规性，确保在使用LLM时符合相关的隐私政策和使用条款。

❓

延伸问答

大型语言模型（LLMs）在软件架构中的应用现状如何？

大型语言模型（LLMs）已广泛应用，已从早期采用者跃升至晚期主流，成为公司使用AI的主要工具。

什么是检索增强生成（RAG），它如何影响软件架构？

检索增强生成（RAG）是一种提升LLM效果的技术，架构师需设计系统以支持RAG的有效实施。

小型语言模型（SLMs）相比大型语言模型（LLMs）有哪些优势？

小型语言模型（SLMs）通常更专业，训练成本更低，操作成本和碳足迹更小，适合特定任务。

软件架构师如何降低软件的碳足迹？

软件架构师探索降低碳足迹的方法，包括优化云成本和利用可再生能源，但这仍然具有挑战性。

去中心化决策在软件架构设计中有什么重要性？

去中心化决策有助于消除架构师作为瓶颈的情况，使团队能够更快地做出决策，提升设计的适应性。

隐私工程在软件架构中如何被重视？

隐私工程被视为主要特性，架构师需考虑数据传输的合规性及其对未来模型训练的影响。

🏷️