51CTO热榜 · 2026-07-30 历史榜单

这是 2026-07-30 的 51CTO热榜历史存档。查看 实时51CTO热榜 获取最新排名。

1. 1
   一套代码搞定音乐播放、进度条拖拽、歌单循环、环境音混合

   一套代码搞定音乐播放、进度条拖拽、歌单循环、环境音混合一套代码搞定音乐播放、进度条拖拽、歌单循环、环境音混合，核心就三个字：状态机...

2. 2
   AI想要落地其实很难！马克·库班：Agent会逐渐失效，也会慢慢偏离原来的运行状态

   做出一个Agent，可能只需要几分钟。接进企业数据、处理权限、控制成本、复现故障，再保证模型升级后继续工作，软件工程从这里才真正开始。

3. 3
   9MB 运行整个 JavaScript？这个新 Runtime 想挑战 Node.js

   Ant 最有价值的地方不是宣布"我要替代 Node"，而是提出了一个新的方向：JavaScript Runtime 可以不用越来越重。

4. 4
   海量指标告警杂乱难维护？基于时序 AI 自动校准 Prometheus 动态阈值落地实战

   一套 Facebook Prophet 时序 AI + Prometheus 自动阈值校准方案

5. 5
   少即是多，这次轮到大模型来证明

   模型或许也一样。看发布会久了，我们很容易把注意力全部放在能力上限上，仿佛我们每天上班遇到的最大困难，是办公室里缺少一位能够证明黎曼猜想的同事。

6. 6
   Kimi K3竟是GPT-2的22580倍，博主「肝」48小时发现：七年进化大模型不只是参数暴涨

   Kimi K3 是一款总参数量达 2.8 万亿、上下文窗口达 100 万 token 的 MoE 大模型，更是全球首个落地的近 3 万亿参数级开源大模型，引起业界热议。

7. 7
   【HarmonyOS 7开发者前瞻】11 HarmonyOS 7 Beta 更新后怎么办？开发者需要重新验证这些结论

   前言Beta阶段最容易出现的情况，是前一轮验证刚整理完，下一轮版本、文档、SDK、工具链或者设备状态又发生变化。这个时候，很多结论都不能...

8. 8
   细粒度视觉SOTA！小红书9B视觉“显微镜”，超越Gemini-3.5-Flash

   小红书dots团队提出的Vision-OPD（Vision On-Policy Distillation，视觉在线策略蒸馏）框架，仅用约6.2K条全自动合成数据，便让9B模型在多个细粒度视觉理解基准上取得SOTA。

9. 9
   SIGCOMM 2026｜两小时复现顶会网络系统！厦大团队让论文自动变成可运行代码

   科研 Agent 的价值不只在于自动生成代码，更在于理解科研任务、组织专业知识并贯通研究流程。它可以协助研究者完成文献解析、系统搭建、环境配置、代码调试和结果验证等耗时工作，降低重复性工程投入，让科研人员将更多精力用于问题发现、方法设计和理论创新。

10. 10
    他让GPT-5.6 Sol连跑33小时攻关费马大定理，被系统强制终止

    最近，菲尔兹奖公布，大家对于数学 + AI 的讨论非常热烈，相信也有不少人想象过我刚刚描述的「爽文」剧情。

11. 11
    世界模型有触觉了！五十万小时视频，训出首个隐式触觉世界动作模型

    模型先根据当前画面，预判接下来可能发生的接触，执行过程中再读取最新触觉，重新生成下一小段动作。

12. 12
    斯坦福新研究：AI尚未冲击就业，但应届生得注意了

    AI或许还没有掀起席卷整个就业市场的海啸，经验的有无却可能已经先冲走了一部分职场入口。

13. 13
    一文读懂自动驾驶 四大核心技术

    自动驾驶的四大核心技术是支撑车辆实现自主驾驶的基础模块。环境感知、精准定位、路径规划和线控执行共同构成完整的技术闭环，分别负责识别周围环境、确定车辆位置、规划行驶路线以及控制车辆执行动作。

14. 14
    微软CEO纳德拉最新警告：单押一个大模型，是把公司命门交出去

    任何失去数据、记忆和AI使用记录控制权的企业，都可能无法继续存在，因为它已经把自己的思考外包了～

15. 15
    国产AI登上《Cell》主刊！搭建统一生物表征空间实现虚拟试药

    国际顶级学术期刊《Cell》主刊，刊出了一篇来自中国的AI生命科学研究论文《UniPert–G2CP》。

16. 16
    全球首个Agentic扩散模型来了：边行动边纠错，128K上下文追平自回归

    旗下inclusionAI团队陆续推出LLaDA系列模型，最新开源LLaDA2.2，实现扩散模型首次进入智能体长程任务！

17. 17
    ECCV'26 Oral｜人物不能变、姿势要对齐、风格还得一致：DyRef突破多参考约束下的图像生成难题

    研究团队提出了DyRef，一个面向复杂多参考图像生成的动态优化框架。该工作已被ECCV 2026接收，并被选中为Oral Presentation。

18. 18
    60%的项目卡点不在代码在人对不齐。技术评审你硬怼同事，他记住的不是方案是你在针对他

    很多工程师私下跟我说，我技术好就行，交际那些虚的留给销售。这话我以前也信。直到我自己带人、推不动事、review 被怼到自我怀疑，才慢慢明白，码哥跳动这十年里，卡住我的从来不是哪行代码写不对，而是怎么让另一拨人愿意跟我往一个方向使劲。

19. 19
    单 Agent 循环扛不住了？该上 Graph Engineering

    本文会讲清 Graph Engineering 管什么、生产里哪些拓扑真的活下来了、以及一套可以从餐巾纸画到可恢复运行的实践流程。想先动手的，直接跳到「真正的实践流程」。

20. 20
    OpenAI和Anthropic罕见联手：AI，该踩刹车了

    近十家AI公司、超过1100名员工联名写了一封公开信《Pacing the Frontier》（领航前沿）。信中请求美国推动国际合作，配套完善技术工具与治理规则，在风险临近时主动放缓自动化AI的研发进度。

21. 21
    贾扬清离开英伟达再创业！GLM-5.2速度飙6.3倍，一句话造的推理引擎

    从Caffe、PyTorch，到Lepton AI，Intent Lab，贾扬清一直在做同一件事的不同版本：让别人更容易用上算力。

22. 22
    LeCun连续转发！新作VISReg攻克JEPA世界模型「表征坍塌」核心难题

    LeCun团队提出的VICReg将学习目标拆为方差、不变性、协方差三项，用协方差约束各维度之间的相关性；但协方差仅刻画二阶统计量，无法区分「均值、方差相同，而分布形状迥异」的两种表征。

23. 23
    Spring Boot 4.0官宣：弃用 Undertow

    “Undertow不是号称性能最好的嵌入式容器吗？Spring为什么要抛弃它？”这个问题问得很到位。今天这篇文章，我就把Spring Boot 4.0弃用Undertow的前因后果、底层原因、迁移方案从头到尾给你拆解一遍。

24. 24
    华为中国政企用户峰会2026｜以“三个转变”驱动服务体系全面升级

    7月28日，以“倾听·践行 服务行业数智化 加速价值跃升”为主题的华为中国政企用户峰会2026在天津梅江会展中心隆重举行。主题演讲环节，来自华为、客户及伙伴的多位嘉宾先后发声，从战略洞察到行业实践，共话数智化转型的服务新路径。

25. 25
    133家联名挺开源，独缺Anthropic！达里奥：从没想过禁开源

    7月24日，英伟达、微软、Meta、Hugging Face、Linux基金会等25家机构联合发布《开放权重与美国AI领导力》（Open Weights and American AI Leadership）公开信，呼吁美国政府不要过早限制可下载、检查、修改和自行部署的开放权重模型。

26. 26
    老黄版「曼哈顿计划」来了！砸50亿给Ilya，又批2500亿天价担保OpenAI

    据悉，英伟达将对SSI进行「规模可观」的投资（50亿美元），并承诺在未来12个月内，让SSI的可用算力提升10倍。

27. 27
    多模态检索：UniNote 让内容表征与排序“合二为一”

    我们提出了 UniNote，这是一个统一的多模态嵌入模型，将表示学习与排序能力融合于单一模型中。通过创新的两阶段训练范式（对比 SFT 强化表示 + 强化学习排序优化），UniNote 在单次嵌入传递内实现了与复杂两阶段检索-排序范式相当的性能，同时大幅降低了计算延迟。相关研究结果已被 KDD2026 录用。

28. 28
    从POS机到访客Wi-Fi：零售行业门店安全建设入门

    当异常终端、非法接入和网络攻击能够被总部及时发现，当新门店能够按照统一模板快速上线，门店安全才真正从单点配置转变为一项可持续管理的能力。

29. 29
    服务端 AI Coding 实战：SDD 如何让 4000 行代码零手写落地

    本文给出一个经过实战验证的答案：放弃"端到端全自动"的幻想，以 SDD（Spec-Driven Development，规格驱动开发）为方法论主干，配合 IDE 形态的 AI 编码助手，让开发者深度参与 Spec 定义、架构审核与质量把控，再用一套自进化记忆机制解决跨会话失忆问题。

30. 30
    RAG要被谷歌淘汰了？

    RAG过去三年之所以流行，是因为它解决了一个真实问题：大模型无法直接读取企业所有私有资料。通过切块、Embedding和向量检索，团队终于可以把内部文档动态送进模型上下文。但RAG被使用得太广了。

31. 31
    Agent 跑命令，为什么必须先上沙箱

    打开正在用的 coding agent 设置，核对工作区外是否不可写、出网是否默认拒绝或白名单、忽略规则对执行是否生效。然后在团队频道贴一张表，写清文件系统、网络、凭证各自的默认拒绝是什么。贴不出来，就先别扩大无人值守。

32. 32
    消息队列最危险的误解：消费成功，不代表业务只执行了一次

    库存系统消费消息扣减库存，积分系统增加积分，通知系统发送短信，数据系统更新统计。接口变快了，服务之间也不再直接依赖。看起来非常合理。

33. 33
    大厂二面深挖：为何栈的内存分配比堆更快？

    栈内存的释放机制是较为高效的。当函数执行完毕之后，栈中为该函数所分配的内存便会自动地进行释放，栈指针也会回退，如此便完成了内存的释放操作。

34. 34
    不买服务器，也能上线 .NET API？2026 年四种免费部署方案真实体验

    虽然 Azure、AWS 等云厂商提供免费额度，但对于个人开发者来说，注册流程复杂、通常需要绑定信用卡、IAM 权限体系学习成本较高。

35. 35
    突发！全球千人联名逼AI刹车，OpenAI、Anthropic带头签

    一夜之间，硅谷大厂集体给AI踩刹车！刚刚，来自OpenAI、Anthropic、谷歌等巨头1100+核心员工联名，发起了「Pacing the Frontier」的请愿书。

36. 36
    从一次 Code Review 冲突，看懂技术团队的"隐性权力结构"

    Code Review 里最贵的不是时间，是信任。 时间可量化——花了一小时就是一小时。信任不可量化——一次不留措辞的 Review 可能花了你五分钟，但对方花了一个月才恢复信心。

37. 37
    一次SQL注入差点出大事：MyBatis参数化+XSS过滤+CSP完整防护方案

    踩过的坑里，​​#{}​​不能in查询最隐蔽，JSON接口也会XSS最容易被忽略，富文本存库前过滤最关键，CSP的​​unsafe-inline​​最坑爹，后台系统也要防最容易掉以轻心。

38. 38
    凌晨四点切断服务器，公司损失数千万！谁给SOC运维的权力？

    Verizon《2026数据泄露调查报告》显示，48%的数据泄露与勒索软件有关，但企业最大的风险，往往不是攻击本身，而是在关键时刻“谁有权让核心系统下线”没有明确答案。

39. 39
    别被功能清单骗了！CIO选型做对这几件事，避开90%的软件踩坑陷阱

    企业软件选型失败，往往不是因为产品不好，而是评估方法出了问题。真正科学的评估，不应只比功能清单，而应围绕安全合规、集成能力、用户体验、厂商服务、AI能力和总体拥有成本六大维度展开，并根据企业自身业务约束设定权重。

40. 40
    监控全绿，业务却崩了？CIO们最容易忽视的“假性成功”陷阱

    大多数企业监控PeopleSoft，只关注任务是“成功”还是“失败”，却忽视了真正危险的“静默成功”——任务虽然显示成功，却因启动延迟、队列积压、运行异常或错过业务时间窗口，引发薪酬、财务、集成等关键业务连锁风险。

41. 41
    为什么越来越多的大厂抛弃MCP，转向CLI？

    MCP并非“已死”，但它的适用范围正在缩小。CLI也并非要“取代”MCP，两者各有适用场景。

42. 42
    别再让Coding Agent 瞎改几十个文件，融合了 Superpower 和 openspec 的spec-superflow 工作流才是硬道理

    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。

43. 43
    Sakana Fugu—从单体模型扩容到多智能体自适应编排的范式转移

    随着人工智能技术的应用场景从简单的文本生成向真实世界中高度复杂的长周期任务拓展，单体模型的内在局限性开始集中显现。

44. 44
    Claude Code 团队最新复盘：删掉 80% 的系统提示词，AI 编程效果竟然没变差

    他们在复盘内部使用记录的时候发现，系统提示词、技能指令和用户请求之间经常互相打架。比如系统提示词说「适当写注释」，技能指令又说「不要加注释」，模型夹在中间，得花额外的精力去判断到底该听谁的。这种内耗是看不见的，但确实在消耗模型的推理能力。

45. 45
    Agent Harness 工程 vs. 循环工程 vs. 图工程

    围绕 AI Agent，最近常见三个很像、却不能混用的词：Harness Engineering、Loop Engineering 和 Graph Engineering。最简单的记法是：Harness 管环境，Loop 管反馈，Graph 管流程。

46. 46
    黄仁勋、Kimi K3，与一场即将到来的开源战争

    你要说最近AI行业里，最热的、被讨论最多的一件事。那必然就是一个由老黄、Anthropic、kimi、开源，这几个看着风牛马不相及的4个词，共同串起的故事。故事是这样的。

47. 47
    一文讲清 Agent 如何理解业务：把对象、状态和权限接进执行流程

    “上次那单”是哪一单？系统里的履约状态是否真的还是未发货？优惠券是平台券、店铺券，还是已经过期的活动券？取消后原路退款，还是退到余额？当前用户有没有权操作这张订单？

48. 48
    十万个why：热点账户加钱能先记后算，为什么扣钱必须同步一笔一笔扣？

    蚂蚁金服用的 OceanBase 数据库有一个优化叫 ELR，事务提交流程里，不用等到日志在多数派副本间同步确认完成才释放行锁，而是在满足特定条件后提前释放，让下一个事务提前开始执行，缩短锁的持有时间，从而提升单行更新的并发能力。

49. 49
    让 Agent 越用越准、成本越来越低：AgentLoop 的 Agent 经验自进化闭环

    传统软件追求确定性：在相同版本、相同输入和相同环境下，系统应当给出稳定、可预测的结果。企业可以通过功能测试、回归测试和发布门禁，建立清晰的上线标准。

50. 50
    Karpathy重磅论文拆解：从上下文工程到 AI Agent DAG

    当一个 Agent 跑通后，再引入第二个 Agent。注意： 必须给每个 Agent 分配独立的 Git Worktree（工作树）。如果它们共用一个文件夹，会互相覆盖代码，导致灾难。 最终，你会形成一个 Agent DAG（有向无环图）——就像一个没有分支、没有 PR、没有合并冲突的 GitHub，只有不断生长的代码 lineage（血统）。