51CTO热榜 | 什么火了

51CTO · 实时热榜

3小时前更新

01
买家发来的糊图，怎么直接上详情页 # 智绘鸿蒙·如 7 而至#
买家发来的糊图，怎么直接上详情页智绘鸿蒙·如7而至前言做电商工具的都懂这个流程：买家在聊天里甩过来一张商品图，说"用这个做主图"。你...
02
端侧文搜图：先搞清它按什么匹配，再决定搜索框怎么写 # 智绘鸿蒙·如 7 而至#
端侧文搜图：先搞清它按什么匹配，再决定搜索框怎么写智绘鸿蒙·如7而至前言假设你在做一个旅行相册应用。用户拍了几千张照片，文件名全是I...
03
别再手搓 Agent！三款开源 Harness 底座架构解析，打造企业定制智能体
本文实战探索如何基于 Pi、DeepSeek Harness、Codex Harness 构建自己的 Agent 系统。
04
中文用户全线中招！Claude网页限速，只因回复里有汉字
今天凌晨，Anthropic放出一篇硬核的工程复盘。他们把一个内部研究版Claude扔进Slack频道，「连轴转」了两周，硬生生把claude.ai网页版和桌面端的整体速度拉快了3倍。
05
别被 AI 吓住了：大部分 AIOps 岗位就是用好工具，不是造算法
AIOps 的本质是运维工程，即把现成的 AI 工具接进来、用好它、保证它稳定跑起来。你不是在造 AI，你是在用 AI。
06
Meta靠自研Manus翻身！股价一夜暴涨11%，登顶苹果商店，增速反超ChatGPT
Meta版OpenClaw——Meta Muse，杀疯了。需要取消保险？Muse拨打客服电话、扯皮、搞定。
07
EMNLP最新GraphRAG，RSI杀疯了
今天介绍的文章是深圳大学、大湾区大学、蚂蚁集团等提出的GTA-RAG：从实体-文档图采样连通路径合成多跳QA轨迹，经部署检索器验证后做轨迹引导GRPO训练——检索到新目标文档加分、空手回扣分，答对且证据链完整拿最高档。
08
错误码排查从 3～8 小时到分钟级，Agent 怎么做到的？
这篇文章重点分享三个实践：如何组织多源证据、如何让长链路排查稳定产出，以及如何用案例和回归评测持续迭代 Skill。
09
面试官：ReAct 和 Plan-and-Execute，你平时怎么选？你答「看复杂程度」，他听到的是「我没选过」
ReAct 和 Plan-and-Execute 的差别不在难度，在「不确定性落在哪」。这篇文章给你一套能当场判定的选型流程，以及三种形态各自的失败模式。
10
MCP 就是 AI 时代的 JDBC：14 个 AI 热词的 Spring 翻译表
用你已经滚瓜烂熟的 Spring 技术栈，把 AI 这一整套新词翻译一遍。不是打比方，是结构同构。你会发现 AI 工程化这几年踩的坑，Spring 社区十年前基本都踩过一遍了。
11
为啥总在交换机日志中出现终端 MAC 地址漂移？原因是啥？怎么解决？
交换机漂移监测页面和系统日志页面随机不定时出现个别终端MAC在多个端口的漂移的日志，客户反馈可能存在网络异常，需要明确漂移日志产生的原因。
12
突发：Claude自主发现未知生物系统，或能编辑基因
在人类科学家只提供高层次研究方向的情况下，Claude 在搜索海量基因组数据库时自主发现了一个此前未被表征的酶系统。
13
超越GPT-6 Astra登顶RoboDojo，成立3个月的Simate让机器人学会「设计下一个自己」
能否让机器人智能不再完全依附于人类工程师的疲劳战术，拥有自主发现能力瓶颈、主动生成验证假设并持续迭代自身物理智能的闭环能力？
14
Jev vs Decitron：同为决策AI，为什么不是一回事？
同样都在讲“决策AI”，Jev和Decitron，到底是不是一回事？
15
EMNLP上新GraphRAG, 斯坦福出品
给本地8B小模型建"具化知识图"——关系实例升成节点、证据切片挂上图，两步检索后用原文证据窗口直接作答，30篇论文的小语料上把llama3:8b的科学QA从61.37提到70.37（ +14.67% ），上下文还省了22%。出发点
16
刚刚，Claude发现神秘DNA系统！狂烧21 亿Token挖出「上帝手术刀」
Claude在噬菌体DNA中，自主发现了一套人类此前从未记录过的全新酶系统！
17
知识回顾：Vue3 组件通信十道面试题，前端必问
Vue3 组件通信是前端面试的高频考点，核心要掌握：6 种核心方式和 Vue2 的区别、Pinia vs Vuex、各种方式的选型。
18
OpenViking × LLM-Wiki：让团队文档不再“各说各话”
OpenViking × LLM-Wiki 的价值：它不只是让 Agent“搜得更快”，而是把一次次搜索、讨论和确认，变成团队下一次可以直接复用的共同知识。
19
复旦超牛SkillGraph，把准头拉起来了
智能体靠检索技能库扩展能力，但训练检索器需要大量"查询-技能"配对数据，人工标注成本极高。复旦大学联合上海交通大学提出 Skill2Query：把技能文档解析成技能知识图谱，再自动生成 70 万条"假查询"当训练信号，让智能体找技能的准头大幅提升。
20
EMNLP又一篇RAG，推理直接封神
今天介绍的文章是高丽大学联合汉阳大学、现代汽车提出APT-RAG，让推理树在递归遍历中边走边长，证据沿树拓扑流动--该分解就分解、能复用兄弟答案就不检索、子节点答案顺着树往上供。MoNaCo基准上F1超最强基线8%，检索召回50.79对39.28。
21
DeepSeek新论文公开Agent训练！梁文锋署名
DeepSeek做的这个系统叫DSec（DeepSeek Elastic Compute），干的事情就是给Agent训练批量制造沙盒。
22
00后华人天才少女、Bengio高徒，从DeepMind转会OpenAI！
在谷歌 DeepMind 深度参与了 Gemini 2.5/3、世界模型 Genie 2/3 以及具身智能体 Sima 2 研发的核心研究员 Bonnie Li 宣布离职，转会 OpenAI。
23
AI SOC Agent落地实战：为什么70%在试点，只有15%真正见效？
别只看速度提升。 AI把单条告警调查时间从20分钟降到10分钟，这是效率改善；但如果告警积压没减少，团队还是在加班，那价值就打折扣了。
24
19个AI血战《星际争霸》！GPT-6全胜，照样打不过人类新手
43分钟、11138个推理token、6批指令——0个作战单位。这是Grok 4.6在《星际争霸：母巢之战》里交出的一张绝望成绩单。
25
得物 Java 二面：23 个问题，一道八股都没有
这份面经里最值钱的一段，是中间那道性能优化题——面试官连问了三次，从「还有什么思路」到「怎么定位瓶颈」再到「如果瓶颈在权限计算呢」，一层一层往下压。能答到第三层的人不多。我把它逐题拆了一遍。下面按考察主线讲，重点在第三段和第四段。
26
AI 在场｜崔皓：AI 把活都干了，他却比以前更忙了
AI 来了以后，人应该更轻松吗？至少崔皓不是这么想的。在崔皓看来，AI 真正带来的变化，不只是把一件事情做得更快，而是让一个人能够处理更多事情。
27
Jev 深度保姆级教程：AI 开始进入 if/switch/loop 之后，编程会发生什么？
Jev 给我们的启发是软件仍然是软件。代码仍然掌握控制权。只是在那些过去无法写死的判断条件上，插入一小块智能。
28
ReentrantLock 和 synchronized 到底选哪个？源码级对比与选型
ReentrantLock 和 synchronized 是 Java 中最常用的两种互斥锁，它们的本质区别是：synchronized 是 JVM 内置的监视器锁（C++ 实现，基于对象头和锁升级），ReentrantLock 是 JDK 实现的可重入锁（Java 实现，基于 AQS 和 CLH 队列）。
29
大模型正在吃掉搜索广告位，下一代广告该怎么做？人大高瓴、斯坦福把拍卖写进Token生成过程
Pew Research Center 对美国用户在 Google 上大规模浏览行为的分析发现：有 AI 摘要时，用户点击传统搜索结果的比例从 15%直接暴跌至 8%。[1]
30
AI 编程踩坑企业级项目？基于 OpenSpec+GStack 构建 SDD 规范驱动的 AI 研发体系
本文依托 AI 工程化理念，引入 SDD 规范驱动开发模式，搭配 OpenSpec、GStack 工具链，构建标准化、可校验、可追溯的 AI 研发体系。
31
一文吃透 AgentScope 2.0：让 Agent 真正"长记性"的四个设计
直到我把 AgentScope Java 2.0 的源码翻完，才意识到它走了一条不一样的路：它没在"怎么调模型"上卷，而是把状态、记忆、工作区直接做成了框架的地基。下面这张图，是它整套设计的骨架。
32
知识回顾：变量声明 let、const、var 十道面试题，前端必问
本文就从一个非常典型的设备随机死机现场开始，对嵌入式系统里面的栈溢出、堆碎片、HardFault、RTOS 任务栈、动态内存管理以及 DMA 内存破坏等问题进行一次比较完整的拆解。
33
Java 开发：不用重启服务！Nacos Config 配置中心动态刷新完整实操
本文从实际项目落地角度出发，从零搭建 Nacos Config 环境，完整演示 @Value、@ConfigurationProperties、配置变更事件监听三种动态刷新方式，并深入剖析动态刷新的底层原理与常见踩坑点，帮你彻底掌握 Nacos 配置中心的动态刷新能力。
34
「开源版Jev」登上Hugging Face热榜第一
有网友认为，Jev 看起来只是分类器，却具备零样本能力和接近前沿模型水平的智能。许多曾被忽略的传统机器学习思路，或许值得重新挖掘。
35
GPT-6 Astra搓3D刷屏后，3D生成的竞争规则变了
写代码、调Blender、搭场景，甚至从零做出一款3D游戏。过去要在专业软件里折腾半天的活儿，现在一句话就能让Agent接手。
36
ChatGPT版Grok Bot代码曝光！OpenAI也要为你造不下班的AI同事
据The Information爆料，OpenAI正在开发更直接对标Grok Bot的功能，内部也在讨论如何应对Meta的个人助手Muse。
37
字节面试：你的 Agent 单次成功率 60%，敢上线吗？
如果只让我留一句话——单次成功率 60% 的 Agent，连做八次全对的概率只有 1.7%。Agent 评测测的不是"它能不能做到"，是"它是不是次次都做到"。
38
这个 UI 组件库火了！Tailwind 开始卷起来了
最近看到一个叫 FlyonUI 的开源项目，思路就很直接：把 Tailwind CSS 的灵活性，加上语义化组件和现成交互。不用每次从一个 <div> 开始手搓 UI。
39
用了 AI 之后，程序员到底变聪明了，还是变蠢了？
《思考，快与慢》里那对著名的"双系统"，可能比任何一篇 AI 教程都更能解释——我们到底在用 AI 的时候，弄丢了什么。
40
Jev AI的17个落地场景
Jev代表了AI领域中一个不同寻常的方向。它没有试图成为拥有更长上下文窗口的聊天机器人，也不打算通过生成更长的答案证明能力。它提出的是另一个问题：如果AI根本不需要说话呢？
41
阿里三面被问：你的Agent上下文爆了怎么办？我直接说：换一个窗口更大的模型，他说：还想过别的办法吗，我挠了挠头…
上下文窗口不是越大就越值钱。面试官那句"除了换长窗口还想过别的办法吗"，问的其实不是窗口大小，而是你有没有把记忆管理当成一个独立的工程问题来对待。能不能判断"什么该记住、什么该压缩、什么可以彻底忘掉"，这才是衡量一个 Agent 是不是真正好用的分水岭。
42
Spring Boot 下单接口被调用两次，我没再加分布式锁，而是重新做了幂等
Spring Boot 下单接口被调用两次，我没再加分布式锁，而是重新做了幂等前段时间排查一个订单问题，日志看起来很奇怪。同一个用户、同一个商品，在不到一秒的时间里创建了两笔订单。
43
GPT-6 Sol斩杀5.6全系！Astra的1/5价格，Luna比梁文谷还便宜，周二Codex重置
Astra改进的训练方法这两款也都用上了，所以也继承了Astra在计算机使用等方面的提升。那还有啥好说的，等于5.6系列直接被斩杀了呗。
44
刚刚，Claude Opus 5.5发布！霸天虎打爆GPT-6
今夜，Anthropic没有任何预热，直接甩出了Claude Opus 5.5。这是Claude 5.5系列首款模型！Opus 5.5不仅性能追平了Fable 5.1，成本还要比上一代Opus 5低40%，输出速度狂飙30%。
45
给AI Agent装上记忆：对话记忆、长期记忆、向量记忆
记忆就是历史消息拼回去。模型本身没有"记住"这件事——你每轮把前几轮的对话塞进提示词，它才接得上话；塞哪几条、怎么塞，全是应用层的活。Spring AI把这层活包成了Advisor模式：对话窗口滑过去，存哪儿、取几条、拼到哪，都抽象好了，你负责选组合。
46
我花半年做的模型还不如一个简单规则？这事儿教会我什么
技术选型的第一原则，不是"我能不能用这个技术"，而是"这个问题需要什么技术"。
47
让AI来解决缓存不一致，spec 要怎么写？（6/100）
缓存与数据库不一致，根因是主从不一致：写后立刻读，旧数据入缓存，主从同步完成后仍长期不一致。
48
不懂 Linux 内核中断，别说你懂内核驱动开发
Linux 中断处理机制虽然包含非常多概念，但是核心思想其实十分清晰。这篇文章我尽量把Linux中断处理机制讲透。
49
Subagent 排障实战：隔离上下文、定义角色与编排协作
本文以 Java 死锁排障为贯穿案例：先让只读 Agent 从日志和源码中提取证据，再定义可复用的角色与 Skill，最后按任务依赖选择并行、串行或嵌套编排。
50
缓存与队列：Redis 宕机数据丢不丢？拆解 RDB、AOF 两种持久化底层原理
本文从底层原理出发，深度拆解 RDB 和 AOF 的执行流程、文件结构、恢复机制，以及 Redis 4.0 引入的混合持久化，帮你彻底搞懂 Redis 持久化。

共 50 条热搜查看完整榜单