51CTO · 实时热榜

大家好，我是新手程序员Kevin(老K)。做HarmonyOS列表页时，下拉刷新看起来只是把Refresh包在List外面，但真正上线前要处理的并不是“能不能...

Yuku 是一个用 Zig 编写的 JavaScript / TypeScript 编译器工具链。它的性能测试直接超过了很多人熟悉的 Oxc。

未来的 Agent 安全，不只是要检测提示注入，也不只是要给工具加权限开关。更重要的是建立一套能够理解上下文、约束工具行为、管理用户授权、记录执行链路的权限决策层。

研究人员将这种攻击命名为隐身记忆注入（stealth memory injection），并开发出能自动编写此类邮件的工具。

前言一个已有HarmonyOS6原生项目，到底应该怎样安排HarmonyOS7适配路线。这类项目通常已经有完整业务结构。比如会议类应用里，可能已经有会...

AIOps 改变的不只是工作效率，更是运维人的工作方式和职业前景。

Native SDK 更像是一套开发工具，帮助开发者使用熟悉的 Web 技术，构建真正的桌面应用。

无人零售、微信支付商用开发是后端商业项目高频实战场景，很多开发者只做普通线上支付，对免密代扣、后结算整套流程不熟悉。

如何借助 AI，把个人经验和工程能力放大成一套更可靠的系统 。

spec-superflow 已经在 GitHub 开源，MIT 协议。如果你也被 AI 写代码的失控点折磨过，建议直接装上试试，源码就在仓库里，架构、契约模板、状态机都看得见。

积分系统从来不是计数器，它是一套完整的小型资产管理系统。今天我把这道题拆成 5 层，从青铜到王者，带你彻底搞懂。

上海交通大学IPADS实验室的团队发现，在尝试把并发agent接入生产环境时，会出现奇怪的现象：两个（或者多个）agent明明按照要求做了，最后的结果却是错的。

长期以来，视觉AI沿着一个任务对应一个模型的路径演进，各任务彼此割裂。行业以往的统一视觉多是把检测、分割、深度预测等多个专家模型打包封装，本质仍是割裂的。

Python 循环是代码中出现频率最高的结构之一，但写法不同，性能差距可达10倍。以下5种模式覆盖从基础迭代到高阶函数式编程的完整光谱，每种都有明确的适用场景。

Uiverse 解决的不是一个技术问题。它解决的是：前端开发者为什么每天都在重复造轮子？

xAI的官方Grok CLI，会在你用它写代码的时候，在你完全不知情的情况下，把你整个项目的代码仓库打包上传到xAI的云端服务器。

训练大模型真不是「喂数据」三个字。它是「预训练 → SFT → 对齐」三段流水线，每一段解决的问题不同，顺序还动不得。把这三段各自的角色拆开讲，整条主线才立得起来。

如果只给 Claude Code 一句“帮我修一下”，它需要自己猜范围、根因、完成标准和哪些动作可以做。猜对了，速度很快；其中一个假设错了，后面的动作仍可能顺着错误方向继续推进。

从“Vibe Coding（凭感觉编程）”走向“Agentic Engineering（智能体工程）”，中间差的不仅是模型的迭代，更是一套成熟的工业级基础设施。 OpenSpec 定标准，Superpowers 保纪律，Harness 管团队。

说实话，我一开始以为它顶多算个内部小工具，点进去翻了翻官方说明，才发现事情没那么简单。......它是Codex新装的一个插件，你跟它说清楚想要什么，它直接给你搭一个真能打开访问的网站或者小应用，还带数据库和文件存储，不用你自己找服务器，不用自己配部署流程。

spec-superflow 已经在 GitHub 开源，MIT 协议。如果你也被 AI 写代码的失控点折磨过，建议直接装上试试，源码就在仓库里，架构、契约模板、状态机都看得见。

Anthropic 那个 90.2% 的性能提升数字很唬人，但别忘了后面跟着的 15 倍 token 成本——架构选型从来都是性能、成本、可控性这三者的博弈，没有免费的午餐。

现在进入第一个真正的算法层：如果环境模型已知，怎样从 Bellman 方程求出最优策略？

近日，日本数学物理学家、弦理论与量子场论研究者立川裕二 Yuji Tachikawa 分享了他使用 Claude Fable 5 辅助科研的经历。

面试官问你怎么防短信被刷，别开口就是"前端倒计时"——一开口就暴露了段位。先把这六道防线按从外到内的顺序捋出来。

都以为AI应该先去替数学家证定理，陶哲轩却让它搬30年前的旧网页。一天迁走560篇论文，还从他二十多年前亲手写的老代码里揪出两个连他都不知道的bug。

这篇论文最有价值的地方，不在于证明某个具体推荐算法比另一个算法更强，而在于它重新讨论了个性化推荐背后的结构。

近日，新基石研究员、北京大学集成电路学院教授、深圳研究生院信息工程学院院长杨玉超团队，联合中国科学院上海微系统与信息技术研究所宋志棠研究员团队等，在国际顶级学术期刊《科学》发表最新成果，在新型神经动力学计算芯片领域取得重大突破。

瞄准这类 “看起来做对了，物理上却没完成” 的失败。破晓智能（PHANES AI）创始人、哈工大（深圳）长聘教授杨朔及其团队发布了最新论文 TouchWorld: A Predictive and Reactive Tactile Foundation Model for Dexterous Manipulation。

PRA 通过低维中间态和并行 rollout 近似，同时针对输出端和输入端进行改造，在不依赖外部 tokenizer 的情况下显著提升了生成质量。

浙江大学计算机辅助设计与图形系统全国重点实验室杜鹏团队提出了一个支持多模态输入的CAD建模智能体：CADDesigner。

这篇文章将深入探讨：Vibe Coding究竟是什么？它为何能让人人成为程序员？它将带来哪些机遇与挑战？以及，在这场变革中，我们每个人应该如何定位自己？

Anthropic彻底慌了！遭GPT-5.6与Grok 4.5双重绞杀，达里奥连夜召开紧急会议求生。意外曝光的Opus 5，或成救命稻草。

近日，来自香港大学的研究团队提出了一种全新的持续学习范式 CaRE ，首次将连续学习成功扩展到包含 300 个以上非重叠任务的超长序列，并在性能上大幅超越了现有的基线算法。

AI 能替人类干多少活？衡量这件事的标尺 RLI 刚刚更新：Fable 5 自动化率 16.1%，是第二名的两倍，但超过八成真实项目仍然做不了。

据WIRED消息，OpenAI安全系统负责人Johannes Heidecke已告知员工自己将离职。

换更大的模型就等于更聪明？这可能是Claude Code用户最深的误会。很多人为此一路换到最贵的Fable，近日，Anthropic，亲手澄清了这个误区。

人眼秒懂、顶级AI全瞎的「幽灵字体」一夜爆火1700万播放，结果一句提示词就让GPT-5.6破防了。

GraphPlanner通过引入图记忆网络，将多智能体LLM的路由过程升级为动态工作流生成。不仅选择调用哪个模型，还决定每个模型应承担的角色，实现任务分解与协作规划。

很多人把精力全花在向量数据库上，但检索效果的上限其实是由 Embedding 模型决定的。同样的文档，用一个好的 Embedding 模型和一个差的，召回率差距可能有 20 个百分点以上。

这篇文章写给和我处境一样的人：前端背景、刚入门 pm-skills、想尽快补上缺口而不是再啃一本 PM 教材。

OpenAI高管亲自下场，教开发者5分钟极速「策反」Claude Code，这波贴脸开大太狠了。

公司有1.1万名员工，AI相关的开销越来越高，到底该用哪个模型搭配哪种执行框架，才能在省钱的同时保住效果？

Claude Code 的内置浏览器，属于那种看起来只是增加了一个面板，真正用起来却会改变开发习惯的功能。在这次测试中，我越来越清楚地意识到：过去那种打开 Chrome、检查元素、切回编辑器、修改代码、再次刷新的工作方式，正在迅速过时。

这是一次史诗级的智能体工作流（Agentic Workflow）大测试，后来也被 Anthropic 作为 Dynamic Workflows 的标杆案例进行宣传，但也因为「背叛信仰」引来了争议。

AI 时代真正要工程化的，不只是业务代码，而是“AI 参与开发的整个流程”。

来自清华大学与腾讯的研究者提出了 Generalizable Predictive Prompt Selection（GPS）。

Code Graph 用预计算降低 Agent 拼接调用、依赖和影响关系的成本。它能缩短证据路径，不能替代入口检索、源码阅读和测试验证。

苹果在加州北区联邦法院正式起诉 OpenAI，指控对方大规模、系统性地窃取苹果的硬件商业机密。

读完 01–06，你大概已经建过 Skill 包、写过 Eval、配过 CI。但多数 Skill 仍停在静态层：SKILL.md 描述步骤，执行时靠 Agent 逐轮猜，跳步、漂移、并行上限，都是常态。本文只解决一个问题：怎么给 Skill 补上动态执行层。