今日热榜51CTO热榜 · 2026-07-18 历史榜单
当日热门内容存档（共 50 条）这是 2026-07-18 的 51CTO热榜历史存档。查看 实时51CTO热榜 获取最新排名。
- 135 岁运维还能不能转 AIOps？关键不是年龄，是能力结构！
本文站在一线运维 / SRE的角度，聊聊 35 岁运维转 AIOps 到底有没有机会。
- 2工作 3 年+ 运维人必看：AIOps 时代，必备的 5 项核心进阶技能
运维人转型 AIOps，完成从体力运维到技术运维、价值运维的进阶，才能打破职业瓶颈，建立不可替代的职场核心竞争力。
- 3生态覆盖持续扩散，一文看懂各行业企业鸿蒙化转型进度
当越来越多核心业务真正运行在鸿蒙之上，质量也将从应用发布前的一道测试流程，逐渐成为企业鸿蒙化转型的基础能力。
- 4突发叫停！Gemini 3.5 Pro难产，谷歌跌入失望陷阱
彭博社的一则独家报道如同一盆冰水，浇灭了所有人的热情：Gemini 3.5 Pro发布延期了，而且不是延期几天，是数月的大延期！
- 5烧掉16万美金，狂飙100万行代码！Bun之父用Claude重写底层
最近，Anthropic首次公开了CC大规模代码迁移「全流程」，六步框架让全网震撼。
- 6飞抵 8861 米珠峰还剩30%电量！大疆无人机攻克世界屋脊极限科考
本次完成极限科考任务的 DJI EV50，搭载了全球无人机出货量第一的新能安电池。
- 7零成本AI编程方案：Claude Code + CC Switch接入OpenCode免费模型
最近折腾了一套组合拳：Claude Code + CC Switch + OpenCode 的免费模型 Big Pickle，效果还挺香。
- 8写代码从来都不是软件工程的瓶颈！普林斯顿教授：AI越会写，程序员越要会判断，否则AI把代码写完了，程序员还在加班
当Agent又刷新一个编码榜单时，不妨少问一句“它还要多久替代我”，不妨多想一下：如果代码已经不再稀缺，我还能不能把问题选对，把系统交付好，并为最后的结果负责？
- 9AI正在终结“眼见为实”：文件信任体系迎来重构时刻
试想这样一幅画面：某人在AI助手的对话框里输入几行字——"请生成一份美国加州驾照，姓名：John Doe，地址：123 Main Street，有效期至2028年。"不到五分钟，一份从纸张纹理、防伪标记到字体排版，都与真件毫无二致的"完美证件"，便出现在屏幕上。
- 10十万个why：明明 Spring Cloud Gateway 自带限流，为什么还要在 Nginx 层再做一道限流？
用 Spring Cloud Gateway 的团队基本都知道它自带限流功能，配合 Redis 就能实现令牌桶限流。但你去看任何一家稍有规模的公司的架构图，流量进来之后第一道限流几乎都在 Nginx 层，Gateway 的限流反而是第二道甚至第三道。
- 11手把手带你使用 DevEcoCli 和 DevEcoCode 快速接入 HarmonyOS7.0 新特性
手把手带你使用DevEcoCli和DevEcoCode快速接入HarmonyOS7.0新特性前言之前的章节中已经介绍了DevEcoCli（集HarmonyOS开发全链路功能的终端...
- 12手把手带你使用 DevEcoCli 和 DevEcoCode 快速开发三方库
手把手带你使用DevEcoCli和DevEcoCode快速开发三方库前言之前的章节中已经介绍了DevEcoCli（集HarmonyOS开发全链路功能的终端工具）和DevEc...
- 13现代 UI 抢先看：微软发布 Visual Studio Code 1.129 正式版更新，AI Agent 能力加强
微软今日发布了 Visual Studio Code 1.129 版本。本次版本更新除了继续完善 AI Agent 能力外，还首次提供了现代化 UI 界面预览，并对 Agents 窗口、聊天交互和编辑体验进行了多项调整，例如 Agents 窗口中的新编辑器面板、支持用“!”前缀直接运行终端命令。
- 14前 OpenAI 科学家谈 Harness 工程的自我提升架构设计
本文聚焦 Harness 工程相关研究，以及它如何推动 RSI。近期许多关于自动化研究（auto-research）、自我改进智能体、进化式程序搜索的工作，都可以围绕这一问题来组织。
- 15面试官：“讲讲 SFT 之后还有哪些 Post-Training 方法？”，我：“SFT 之后就是 RLHF 嘛”，他：“你只说了 RLHF，那 DPO 你跳过去了？”
Post-Training 不是「RLHF 一招走天下」，是 SFT 之后分叉出来的一整个家族：DPO、GRPO、RLAIF、拒绝采样各有各的位置。特别是 GRPO 这两年的爆火，不知道这段历史会显得跟不上节奏。
- 16安全告警比运维告警还多？我用 AIOps 搭了一套智能安全响应体系
AI 把安全工程师从"告警海洋"里捞出来，让他们去做真正需要人脑判断的事。
- 17科技巨头耗资无数狂热布局生成式AI，真的值得吗？
我们经历过计算机技术突飞猛进的时代，即便是那时，电力消耗也没有增长如此迅猛。人们冷静下来，开始质问：“生成式AI”值得吗？
- 1880% AI 智能体项目栽在生产“最后一公里”！AgentOps 全流程运维实战给你实操落地指南
大多数智能体项目之所以在“最后一公里”失败，并非因为技术瓶颈，而是低估了自主系统带来的运维复杂性。
- 19机器人需要「看到三维未来」！RynnWorld-4D重塑4D具身世界模型
RynnWorld-4D 第一次在单一扩散框架内实现了 RGB - 深度 - 光流的协同生成，并证明这种 4D 预测能力可以直接转化为真机闭环控制的增益。
- 20昇腾全栈技术引爆 WAIC！199 元拿华为 AI 认证，低成本补齐 AI 核心技能
想要抓住国产 AI 风口、冲刺华为、政企、智慧城市相关岗位，华为 HCIA-AI 认证是目前性价比最高的能力背书，也是国内国产化 AI 赛道含金量第一梯队证书，在信创、国企、运营商、华为上下游企业具备不可替代的竞争力。
- 21平均每天Vibe Coding 16小时后，这是我觉得Fable 5和GPT-5.6时代最好用的AI开发流程
Codex的目标模式，做的真的比Claude Code的效果要好，可能是因为GPT系列一直以来幻觉率极低，Prompt遵从效果也好，所以超长程任务几乎都不会变形，Claude推着推着有时候就不知道干个什么鬼东西了，甚至还会陷入死循环。
- 22xAI用Grok Build把Agent落地边界讲透了
很多人第一反应还是去比模型——Grok 4.5 强不强、context 够不够、跟 Claude / Codex 谁赢。但官方开源公告里那句更狠：你现在能看见的，是 context 怎么拼、tool call 怎么派发、skills / plugins / hooks / MCP / 子 Agent 怎么被加载和调用。
- 23SKILL.md 瘦身指南：372 行压到 287 行的十一个压缩技术实战拆解
SKILL.md 压缩是在重排信息层级：对外简洁接口，对内复杂实现。Agent 只需知道「调用什么、得到什么」。
- 24首 token 延迟降 3.25 倍！小红书联合北大、上交提出 HYPIC，让混合注意力大模型用上「位置无关缓存」
小红书大模型推理团队联合北京大学、上海交通大学提出 HYPIC，这是首个在混合注意力大模型上实现位置无关缓存的服务系统。在 4 个生产级混合注意力模型、5 个工作负载上，HYPIC 将首 token 延迟（TTFT）平均降低 3.25 倍、同 SLO 下可持续 QPS 提升 1.66 倍，而任务质量与「完全重算」仅相差1.71 分。
- 25状态太多时怎么办：函数近似、TD 参数更新与 DQN 的数学直觉
当状态空间太大时，强化学习必须学一个“价值函数近似器”；而一旦近似器是深度网络，就要用 target network 和 replay buffer 去稳定学习过程。
- 26阿里版 Claude Code 发布，夯爆了！
Qoder CLI 给我的感觉是，平替不是口号。能力对齐、迁移零摩擦、多模型兜底、数据不出域，这四件事它都做在了前面。我不敢说它是终点，但作为这次封号潮里最平滑的退路，它够格。
- 272.8万亿参数,全球第三强,Kimi K3又双叒刷新开源纪录，Fable 5和 GPT5.6-sol颤抖吧
Kimi K3,参数量达到2.8万亿,是目前公开的所有开源模型里规模最大的一个。
- 28为什么所有企业AI，最后都绕不开RAG？
RAG到底是什么？为什么所有企业都在做RAG？企业级RAG又是如何设计和优化的？本文将从原理、架构、调优、难点、最新技术发展等多个角度，带你系统理解RAG。
- 29拆开Claude大脑也没用！AI黑箱真正的钥匙，藏在本体工程
Anthropic研究团队发表了《A global workspace in language models》，通过名为J透镜的工具在Claude内部识别出一个可被观测、可被干预且具有因果效力的神经活动区域——J-Space。
- 30全球首个！银河通用新框架仅需人类视频即可部署，特斯拉蚌埠住了
要说这两年，大模型最重要的变化之一，就是越来越不依赖预训练一锤定音，部分能力开始留到推理时刻再兑现。
- 31让VLA更懂接触，优理奇UniTac让机器人拥有“触觉想象力”
最近，UniX AI（优理奇机器人）联合浙江大学、麻省理工、牛津、耶鲁以及上海交通大学，发布最新科研成果UniTac，提出一套统一的跨传感器触觉理解与生成架构，并进一步接入VLA，为机器人补上了“触觉想象力”。
- 32让动态投机解码不再局限于DSpark：LightSpec首个开源动态MTP系统实现
本文将围绕这一通用动态 MTP 系统，介绍其动态调度算法设计、运行时统计机制、完整系统实现、流水线优化以及实验结果，并展示 LightSpec 如何将动态 MTP 从一种面向特定模型的优化技巧，进一步演进为推理系统的一项基础能力。
- 33别再写提示词，Claude官方亲自教你用四种循环自动干活
循环真正的门槛，并不在于让AI一直跑，而在于它能不能自己踩住刹车。
- 34几亿美金砸出来的硅谷大模型，被一台相机干翻了！
一边，是硅谷明星机器人初创Physical Intelligence，用数亿美金算力砸出来的明星大模型π0.5。另一边，是一家中国公司，加一台随手能买到的运动相机。
- 35LangChain 和 LangGraph 已死？那现在该用什么！
2026 年你到底该用什么？发现一个低成本 AI 平台：GPT-5.6 倍率0.05， Claude Code 4.8 都能用，倍率 0.25，还支持 image-2 生图。适合 Codex / Claude Code 用户。
- 36AI 最大的新变化，不是模型更强了，而是它开始抢你的“电脑桌面”
今天 AI 圈真正值得关注的新动向，不是某个模型又强了多少，而是 AI 正在改变自己的位置。它不再满足于做一个聊天框。它要进入你的桌面，进入你的文件，进入你的会议，进入你的办公流程，进入你的交付物。
- 37为什么你的智能体总是在“瞎编”？一文搞懂 ReAct：让 AI 学会“边想边做”
ReAct 这个概念来自一篇论文（Reasoning and Acting），核心思想特别朴素，就是让模型在每次决定“要不要用工具、用哪个工具”之前，先用大白话把自己的推理过程说出来，然后再采取行动，行动完拿到的结果又反过来影响下一轮的推理。
- 38你加了四个Agent，结果比不加更慢——多Agent的代价没人告诉你
今天这篇，我们就来把"单 Agent vs 多 Agent"这个问题说清楚：什么时候一个 Agent 就够了，什么时候必须拆，拆了之后要付出什么代价。
- 39虚函数表到底存在什么地方？一文讲透 C++ 多态底层
派生类不是"修改"父类的 vtable，而是有一份自己独立的 vtable，里面按照继承体系的虚函数排序填充函数地址。这也是为什么 sizeof(Base) 和 sizeof(Derived) 通常都包含了 vptr 的大小。
- 40GPT-5.6 Sol 之后，Superpowers 还值得用吗？
在 GPT-5.6 上，我会把 Superpowers 从默认执行框架调整为“风险触发型工程约束库”：低风险任务使用模型原生执行，复杂或高风险任务再启用相应的计划、TDD、Review 和验证要求。这也是这次争议最值得团队带走的判断：模型升级，工作流也要重新定价。
- 41一文读懂 Sub-Agents 与 Agent Teams：从单脑隔离到多脑交锋的架构演进
从层级到扁平，从隔离到交锋，这条演进路径背后其实是同一个问题被反复追问：一个 AI 系统的"协作单位"到底应该多大，边界又该画在哪。子代理回答的是"如何让一个大脑安全地分身去做事"，Agent Teams 回答的是"如何让几个独立的判断真正碰撞出比单一视角更可靠的结论"。
- 42十万个why：Java 21 有了虚拟线程，CompletableFuture 异步编程是不是可以替换了？
简单的异步 IO，用虚拟线程 + 同步写法。 查数据库、调 HTTP 接口、读文件这种场景，直接开虚拟线程同步写就行，代码简单、堆栈清晰、好 debug。不要再为了这种场景去写 supplyAsync().thenApply().thenAccept() 了。
- 43面试官：请设计一个IM系统——消息不丢、不重、实时送达的完整方案
IM系统没有完美方案,只有适合业务的方案。微信的写扩散适合社交场景,钉钉的已读回执适合工作场景。面试时不要只背方案,要理解每个设计决策背后的权衡。
- 44数量多不等于更聪明！90%的AI翻车，其实源于“语境中毒”
AI时代，企业正在犯一个似曾相识的错误：以为给AI更多数据，它就会变得更聪明，但事实是，海量信息并不会自动带来智慧，甚至可能让AI陷入混乱。
- 45AI成本陷无底洞？别再按人头算账了！CIO降伏“Token吞金兽”的五个绝招
生成式AI正在改变企业成本管理逻辑，过去IT关注的是购买多少许可证、服务多少用户，而AI时代真正需要管理的是：哪些工作流消耗了资源，智能体如何放大成本，以及这些消耗是否创造价值。
- 46企业正在偷偷烧掉数百万Token：AI智能体真正的成本陷阱曝光
AI智能体正在进入企业生产环境，但一个隐藏的成本黑洞正在浮现：真正决定AI经济效益的，不只是底层模型，而是协调模型、工具和工作流的“智能体外壳”。
- 47Skywalking已全面拥抱AI！
回到最初的问题：Skywalking接入AI，到底解决了什么问题？它解决了链路追踪工具的“最后一公里”问题。以前的Skywalking，像一台X光机——能拍出清晰的骨骼图像，但看懂片子、下诊断还得靠医生。
- 48Anthropic揭秘AI四大失控行为：泄密、删账、改分，还差点骗过人类
给足了AI权限，它会不会使坏？Anthropic真的把这个问题，做成了一场实验。他们把全行业最强的十几个AI模型，一个个扔进模拟的公司和实验室。给代码权限，给财务权限，给评估权限，然后看会发生什么。
- 49别指望大模型包办一切！AI先驱施密德胡伯：LLM只是预测器，Coding Agent还缺控制、反馈和行动能力
模型负责理解与生成，Controller负责计划与调度，工具连接真实环境，测试与日志提供反馈，运行时管理权限与隔离，Trace保存完整过程。
- 50一位失忆患者，揭开了AI记忆的误区
研究人员安排他看着镜子临摹复杂图案。虽然他完全不记得自己练习过这项任务，但日复一日下来，他的手法越来越熟练。身体记住了经验，可他的意识对此一无所知。
51CTO热榜历史归档
近 31 天 · 21 天有数据网页仅支持查询近 31 天。更早历史请通过 API（/api/v1/archive/:source?date=YYYY-MM-DD），系统按日期自动查近月表或年表。