人工智能|以一敌百：没有 Infra 团队，那就打造自己的技术雷达

在 AI 加持下，技术选型这件事已经不只是“你愿不愿意学”，而是“你有没有来得及阻止”。

背景

现在的节奏你应该感受到了：

大模型能生成代码、部署脚本、CRUD 界面，甚至能帮你生成一整套微服务架构。看起来开发门槛变低了，但实际上，技术栈扩散的速度却越来越快。

前一秒还在用 Python 写服务，后一秒已经把 LangChain、RAG、Vector DB 给你上到线上环境。甚至你根本没来得及开个技术评审会，项目就已经“跑起来”了。

如果你没有专门的架构组、不是大厂那种团队规模，背后没有 Infra 团队兜底，AI赋能编码就很容易从“创新”变成“事故”。（真实体验）

所以，需要用某个框架来限定这种意外发生！

什么是技术雷达？

一句话解释：技术雷达 = 团队的技术共识地图 + 选型建议库 + 禁用黑名单

这不是某种高大上的“架构治理平台”，它非常朴素：

一个文档或可视化页面，记录团队允许、推荐、尝试或禁止的技术
有标准的分类方式（比如 Adopt / Trial / Assess / Hold）
有合理的分组维度（比如工具 / 框架 / 平台 / 语言）
最重要的是，它可读、可更新、有共识

举个例子：


css
 代码解读
复制代码
{
  "label": "LangChain",
  "group": "Frameworks",
  "ring": "Trial",
  "description": "适合构建简单的 LLM 应用原型，暂不推荐用于核心生产服务"
}

起步，就是这样一个简单的例子。

当然，也有复杂的版本：


css
 代码解读
复制代码
{
  "entries": [
    {
      "label": "PostgreSQL",
      "ring": "Adopt",
      "quadrant": "Platforms",
      "active": true,
      "description": "主力关系型数据库，适用于99%的业务系统。推荐默认使用。"
    },
    {
      "label": "MongoDB",
      "ring": "Hold",
      "quadrant": "Platforms",
      "active": false,
      "description": "在部分早期项目中使用，但维护成本高、权限体系薄弱，不建议在新项目中选用。"
    },
    {
      "label": "Go + Wire + Fx",
      "ring": "Adopt",
      "quadrant": "Languages & Frameworks",
      "active": true,
      "description": "Go作为主要微服务语言，配合Wire进行依赖注入，适合稳定高并发服务场景。"
    },
    {
      "label": "LangChain",
      "ring": "Trial",
      "quadrant": "Frameworks",
      "active": true,
      "description": "快速构建大模型应用的Python框架，推荐在原型验证和非核心路径中试用。"
    },
    {
      "label": "Vector DB: Qdrant",
      "ring": "Assess",
      "quadrant": "Platforms",
      "active": true,
      "description": "新兴的开源向量数据库，支持快速向量检索，考虑用于AI检索场景替代Milvus。"
    },
    {
      "label": "PaddleOCR + FastAPI",
      "ring": "Trial",
      "quadrant": "Tools",
      "active": true,
      "description": "适用于轻量化文档识别服务，已在内部审批流转系统中集成试点。"
    },
    {
      "label": "Vue3 + Vite + Pinia",
      "ring": "Adopt",
      "quadrant": "Languages & Frameworks",
      "active": true,
      "description": "推荐Web端主力技术栈，支持现代化组件化开发，已在多个前台系统落地。"
    },
    {
      "label": "Java + SpringBoot 2.7",
      "ring": "Adopt",
      "quadrant": "Languages & Frameworks",
      "active": true,
      "description": "老系统主力框架，适用于对 Java 生态有依赖的流程类/审批类服务。"
    },
    {
      "label": "OpenAI API + Function Call",
      "ring": "Trial",
      "quadrant": "Platforms",
      "active": true,
      "description": "面向业务场景进行智能化编排的推荐方案，需结合 RAG 架构审慎使用。"
    },
    {
      "label": "LLM Prompt Management: Langfuse",
      "ring": "Assess",
      "quadrant": "Tools",
      "active": true,
      "description": "面向 LLM 项目的 prompt 管理和 A/B 测试平台，正在评估引入是否可控。"
    },
    {
      "label": "Jenkins",
      "ring": "Hold",
      "quadrant": "Tools",
      "active": false,
      "description": "已被 GitHub Actions + ArgoCD 替代为主力CI/CD平台，仅用于维护旧流水线。"
    },
    {
      "label": "K8s Operator（自定义资源）",
      "ring": "Assess",
      "quadrant": "Techniques",
      "active": true,
      "description": "面向复杂 DevOps 任务的自动化运维尝试，需评估团队编排能力。"
    }
  ]
}

这个 JSON 可以直接配合 github.com/bicatu/tech… 来生成可视化图谱。

工具

如果不想自己搭建，也可以直接引用开源：www.thoughtworks.com/radar

雷达分四个象限：技术手段（Techniques）、工具（Tools）、平台（Platforms）、语言与框架（Languages & Frameworks）

每个条目根据成熟度被归类为：

Adopt（推荐使用） ：我们已实践并认可，广泛使用；
Trial（尝试） ：部分团队用过，推荐试点项目；
Assess（评估） ：值得关注，有潜力，候选技术；
Hold（谨慎/停用） ：历史遗留、或踩坑较多，建议避开。

可以挂在自己内网里，自定义公司的版本，并设定“每季度一次更新”机制等等。

这不是形式主义，而是团队技术资产的盘点，经验之谈：在AI加速狂奔的当下，如果没有一个指引方向，代码最终的负债一定会失控。

📌 如果你觉得这篇文章对你有帮助，欢迎点赞收藏，你也可以加威 atar24，有交流群，抽奖 + 技术福利持续发放中！

背景

什么是技术雷达？

工具

评论记录：