今日热榜51CTO热榜 · 2026-07-31 历史榜单
当日热门内容存档（共 50 条）这是 2026-07-31 的 51CTO热榜历史存档。查看 实时51CTO热榜 获取最新排名。
- 1HarmonyOS｜Natural Language Kit 学习实录01：从分词结果到实体字段解析
我是在翻HarmonyOS的AI类API时看到NaturalLanguageKit的。起初只看名称，我以为它会包含情感分析、文本摘要、意图识别之类的能力。真正把目...
- 2HarmonyOS 6.1｜NearLink ArkTS 实战指南：从设备发现到会话通信的项目落地
我最近在项目里接了一段NearLink能力，最开始的目标其实很朴素：让手机在近距离下快速发现周边设备，点一下就能建立连接，再把一小段控制指...
- 3为什么越来越多人用Apache Tika？
企业中超过80%的数据以文档形式存在，格式五花八门：PDF、Word、Excel、PPT、图片、邮件……如果每个格式都用一套独立的解析方案，光维护成本就能让团队崩溃。
- 4AI 如何理解流体力学？从一个点涡问题看大模型的科学推理能力
最近我用一个经典点涡问题，系统测试了一次大模型的科学推理能力。结果很有意思：AI 不只是能把题算出来，还能一步步完成从速度场、涡量、流体微团变形，到有限变形分解的完整分析链条。
- 5CSS-in-JS 要凉了吗？这个新项目给出了答案
简单理解，dx-styles 是一个零运行时 CSS-in-TS 方案，目标让开发者继续享受 CSS 写法 + TypeScript 类型 + 组件化体验，但不要把运行时代码发送给用户。
- 6C++20 协程：你以为很难，其实看完这篇就懂了
C++20协程的设计非常底层，标准只提供了框架（promise_type、coroutine_handle、Awaitable），具体的上层封装需要自己写或用第三方库（比如 cppcoro、Asio的协程支持等）。
- 7当KimiK3冲向 2.8 万亿，医院却停在 32B：Agent 真正难的是变小
我越来越确定，未来医疗 Agent 最难的工作，会发生在从 2.8T 缩回 32B 的路上：见过前沿模型的能力以后，能不能把它压缩成一套小模型也能遵守、系统能够验证、医院愿意承担责任的流程。
- 8从 175 人到 30 人：AI Native 组织的尽头，是降本增效
我一直觉得，AI 带来的组织变革势在必行。可过去听到的大多是“全员使用 AI”“人效提升 30%”之类的口号。昨晚看到的东西彻底得多：他们没有给每个员工发一个 AI 助手，而是把公司产研交付的上下文、任务分配、验收和绩效，装进了一套闭环系统里。
- 9史上首次完全自主 AI Agent 网络攻击：利用 0Day 漏洞渗透 Hugging Face
根据Hugging Face的取证重建，此次攻击在约四天半的时间内产生了约17,600次攻击者操作，这些操作被分为约6,280个行为簇。
- 10火山引擎开源 Agent 驱动的搜索自迭代技术
我们将拆解这套闭环如何运转，以及背后的 SPA 策略优化框架，如何在有限搜索和标注预算下，把更多实验机会留给真正有希望的策略。
- 11AI Agent Skill 工程化 11：生产监控与 Skill Review——从真实任务反哺测试集
没有可处理的现场问题，都是假设的话，你这个Skill 本身可能就是一个伪命题，伪功能，所以对Skill 的 Review 也只是开个短会而已，并没有改变之前的本质问题（未发现的问题）。
- 12Spring Boot 3.x 封装 AIOps 平台：API 设计 + RBAC 权限 + WebSocket 实时推送，附完整代码
本文介绍一个 AI 辅助的运维平台，适合从零搭建 AIOps 平台后端的中小团队。
- 13别再学框架了！250 行代码，从零写出一个真正的 AI Agent
本篇文章不用任何 Agent 框架，只用官方 openai SDK 调 DeepSeek，从一个 while 循环开始，最后把 Tool Calling、MCP、Skills、循环对话四个东西全部装进同一个文件里。核心逻辑不到 250 行，可以直接复制运行，运行五次会看到五种不同的行为。
- 14OpenAI攻破Hugging Face全复盘：17600次操作,零人类指挥,五天打穿服务器
Hugging Face在7月27日发布了一篇技术复盘文章,详细还原了这起发生在7月的入侵事件。这是继此前的事件披露之后,团队专门写的一篇技术向长文,把攻击链路、具体命令、排查过程全部摊开来讲。
- 153B激活参数，智能体编程同规模第一！快手开源KAT-Coder-V2.5-Dev
KAT-Coder-V2.5-Dev，MOE架构，总参数350亿，激活参数30亿，在相近参数规模的模型中，智能体编程（Agentic Coding）做到了当前最优。
- 16打造完整的硬件和软件闭环，破解芯片设计的底层算力瓶颈
从底层的Vera CPU、CUDA-X加速库，到中层的AI物理模型，再到顶层的智能体协同，将整个工程流程重塑为一个高度自驱动的“信任自主”闭环。
- 17OpenAI新开源：AI「白帽」，专挖代码漏洞
Codex Security CLI，前身是Codex里的一个闭源安全插件。这次开源，相当于OpenAI把它从Codex的「隐藏技能」，升级成了一个独立工具。
- 18凌晨断网损失数千万！SOC 运维避坑指南：用 AI 破解应急响应隔离悖论
AI 主动防御 + 规范流程管控 + 业务安全协同的全方位风险管理体系是新时代运维人员提升核心竞争力、适配 AI 攻防赛道的关键方向
- 19Opus 5游戏提示词爆火！24小时复刻3A巨作
百万人在线围观，秘籍在手，AI游戏直接无限繁殖……最牛的是，网友Anshu一个人，24小时，从零肝出了翻版《星际拓荒》！
- 20选择器又碎了？Agent QA 把验收改成「看屏幕再动手」
传统端到端默认假设：页面结构和去年差不多，选择器还能指到同一个控件。产品迭代越快，这个假设越假。于是团队陷入循环：UI 一变，脚本跟着改；为了少改，又往页面上堆 data-testid，最后测试和实现绑死在一起。
- 21三步训练法+强化学习，vivo新框架把AI修图从“概率生成”训练成了“有审美的修图师”
研究团队提出了SmartPhotoCrafter，实现“从理解到生成”的自动摄影图像优化，在无需人工指令的情况下，实现低质量图像修复与摄影级调色，维持内容一致性的同时提升图像美学质量。
- 22大模型、机器人之外，社会智能补上AGI第三极
知境团队提出了一种看法。他们认为，经验不是真空发生的，它发生在社会关系里，发生在 "我知道你知道我知道" 的递归信念中，发生在读懂一个眼神、推断一次未说出口的意图之中。
- 23构建企业 AI 落地的知识中台架构设计和实践
AI 写代码越来越快，为什么返工也越来越多？本文拆解后端系统「AI 知识库体系」的四层架构与落地实践：业务层、架构层、系统层、基建层，附可直接复用的目录结构、YAML 模板和冷启动路线图。
- 2486.3%，突围CyberGym！超越OpenAI、Anthropic的竟是一家中国AI公司
如何将 AI 置于陌生且庞杂的真实代码库中，使其扮演安全研究员的角色进行持续调查：剖析漏洞机理、追踪代码逻辑、编写触发输入、排除干扰项，最终交付一份经得起检验的 PoC。
- 25啥？拿下诺奖的AlphaFold团队也解散了
原 AlphaFold 团队的大部分研究人员已被重新分配至 Gemini、AI 编程、基因组学、酶设计、核聚变等内部项目，部分成员则转入谷歌旗下生物科技公司 Isomorphic Labs。
- 26同一天，贾扬清、吴恩达等分别官宣创业，Agent有了新方向？
贾扬清、吴恩达以及 Sonia Joseph（ Meta FAIR JEPA 团队核心研究员）在同一天官宣创业。
- 27300 微秒调平 MoE 专家负载！小红书 UltraEP 逼近 94.3% 理想训推吞吐
小红书 dots infra 团队联合北京大学等提出 UltraEP，首次将 MoE 专家负载均衡变成了一项逐 microbatch、逐层实时执行的系统能力，并且在 MoE 训练的实际生产中落地。
- 28AI失控能否被提前观测？清华团队提出AI「失控行为预测框架」
如果失控只有在模型突破限制、造成后果之后才能被确认，安全评估还有多少意义？能不能在失控发生之前，从一组更早、更小的行为信号中看出风险？
- 29啊哈？翁荔又回 OpenAI 了？
据一位 OpenAI 发言人向《The Information》确认，AI 初创公司 Thinking Machines Lab 联合创始人、研究员翁荔在本周早些时候宣布离职后，将重新加入 OpenAI。
- 30零样本迁移，降本80%！自适应时序预测Agent加持真实工业
悉尼大学等机构的团队提出了BECRA（Bootstrapped Exploration with Causal Reasoning），一种面向自适应时序预测的 Agent训练范式。
- 31吓到奥特曼，暂停训练GPT-6？Hugging Face公开首个AI攻击全过程
刚刚，奥特曼亲口承认：「这是我第一次感到发自内心的恐惧。」这次事故，已经让OpenAI害怕了，甚至紧急叫停了GPT-6的训练！
- 32Claude最大规模MCP升级，月下载狂飙破4亿！
MCP迎来了自发布以来最大规模的史诗级更新：MCP 2026-07-28。
- 33比特币慌了？Mythos 60小时撬开后量子密码算法
Anthropic丢出一个重磅研究：Claude Mythos Preview在两个密码算法上分别找到了全新的攻击方式。
- 34接口超时后自动重试，真的更安全吗？很多 Java 系统就是这样被“重试风暴”拖垮的
因为网络确实会偶尔抖动，服务也可能出现瞬时故障。第一次失败，第二次可能马上恢复。如果完全不重试，很多本来可以自动恢复的问题就会直接暴露给用户。但真正到了高并发环境，重试也可能成为故障放大器。
- 35withContext、launch 与 async，到底谁该等谁？一篇讲清 Kotlin 协程的顺序与并发
withContext 解决的是“换一个上下文执行，并在这里等结果”；launch 解决的是“在当前作用域中启动一个子任务”；async 解决的是“并发计算一个稍后要用的结果”。先把依赖关系写对，再考虑线程池和性能，协程代码自然会变得更容易读、更容易取消，也更不容易在边界条件下失控。
- 36从执行计划细节看向标量混合检索
本文从一个完整示例入手，解读含有向标量混合查询的执行计划，从中可以更好地理解向量检索行为。
- 37一次四秒数据库抖动，引发40分钟事故：.NET中的HttpClient重试风暴治理指南
优秀的重试机制，不是失败以后疯狂再试，而是在有限次数内，以逐渐降低压力的方式，等待系统恢复。其中，指数退避解决持续高频请求，随机抖动解决大量客户端同步恢复，超时控制避免请求无限等待，断路器避免故障扩大，幂等设计保证业务安全。
- 38AI Native 交易核心系统的研发范式
AI Coding 走到下一阶段，比拼的不再是谁的模型更强，而是：谁能把 AI 的产出，变成可验证、可度量、可负责的研发生产方式。这五个字——可验证、可度量、可负责——才是 AI Native 研发范式的核心。模型能力是变量，流程设计是常数。变量决定上限，常数决定底线。交易核心系统的底线，不能交给变量。
- 39Hugging Face遭遇AI越狱攻击揭开AI防御的残酷现实
OpenAI测试模型意外自主入侵Hugging Face，暴露出AI已具备接近全自动攻击能力，也揭开网络安全的新矛盾：攻击者可借助越狱和开源模型高速作恶，而防御者却频频被商业大模型的“安全护栏”拒绝分析恶意代码和攻击日志。
- 40没有报错，没有预警：你的AI正在偷偷吃掉80%的IT预算
很多企业以为AI成本高，是因为模型太贵，真正的资金黑洞却是重复计算。同一个问题、同一份文档、同一种答案，AI每天都在重新生成，并一次次支付完整费用。系统没有报错、性能正常，却在悄悄吞噬IT预算。
- 41巨额罚单敲响警钟：通用大模型跌下神坛，企业真正的护城河到底是什么？
Anthropic因使用盗版图书训练AI支付15亿美元和解金，揭示了AI时代最关键的竞争法则：问题不在模型能力，而在数据来源是否合法、是否可追溯。随着大模型日益商品化，真正的护城河已从模型转向企业自身的知识资产、数据治理与“知识飞轮”。
- 42别再追新词了，你早就在做"图工程"了
一条推文引爆"图工程"概念，成为继提示工程、上下文工程、脚手架工程、循环工程后的第五个热词。但LangGraph、Google ADK等框架早已用节点和边构建智能体两年有余，新词换汤不换药。
- 43排查问题时token总是一会就过期，干脆做一个谷歌插件，自动续期！
大多数 Web 系统判断你还在不在，靠的是服务端 Session / Token 的过期时间。常见触发续期的动作就两类：你又发了一次带 Cookie 的请求（接口、页面资源都行），整页重新加载，浏览器带着 Cookie 再打一轮。
- 44Fastjson 2 也炸了，影响数百万Spring Boot项目！
2026年7月27日，奇安信CERT发布紧急安全通告：Fastjson2存在远程代码执行漏洞（编号QVD-2026-45876），CVSS 3.1评分高达9.8分（满分10分），影响量级达百万级。
- 45为什么你的 CPU 总是跑不爽？聊聊被 90% 程序员忽略的“上下文切换”
Linux通过TLB 来管理虚拟内存到物理内存的映射关系`。当虚拟内存更新后，TLB 也需要刷新，内存的访问也会随之变慢。特别是多处理器系统上，缓存是被多个处理器共享的，刷新缓存不仅会影响当前处理器的进程，还会影响共享缓存的其它处理器的进程。所以过多的上下文切换对系统来说意味着会消耗大量的 CPU 时间。
- 46一文带你掌握 LLM、Token、Context、Prompt、RAG、MCP、Skill、Agent 等 AI 核心概念
大语言模型（Large Language Model，LLM）的本质，是一个基于海量训练数据学会语言模式的概率预测引擎。给定前面的文本，它会预测下一个最可能出现的 token，再不断重复这个过程，最终生成整段回答。
- 47李飞飞的世界模型，终于开始训练机器人了
刚刚，借助新收购机器人公司SceniX之力，World Labs发布了全新的机器人策略训练与评估引擎——Real-to-sim-to-real (R2S2R) 。这套引擎将World Labs空间智能的版图从生成可交互的虚拟世界，进一步延伸到了真实机器人的训练、评估与部署，并首次打通了从仿真训练到真实运行的闭环。
- 48生产级 AI Agents 的四层可观测性：监控、评估与调试完整指南
处理订单查询的 AI agent 已经上线一个月了。指标看起来很干净： 99.2% 的正常运行时间，平均延迟低于 2 秒，错误率接近于零。仪表盘本应告诉你的所有东西，看起来都没问题。但这个 agent 已经连续十二天错误地分类退款资格了。它没有崩溃。没有报错。它以自信但错误的方式，在规模化地回答付费客户。我们的 Datadog 在整个期间都毫无声响。
- 49LLM Wiki实战：Harness Agent调研的正确打开方式
文中的演示以"投喂几篇 Agent Harness（智能体框架）文章，让 AI 拆解 harness 的核心组成、对比各家开源框架、并交叉校验各来源说法是否矛盾"为例，你可以把来源换成任何主题的资料。
- 5031 秒完成攻击闭环：自主 AI 勒索智能体颠覆传统攻防节奏
他需要扫描目标、探测漏洞、窃取凭据，还要在命令报错后仔细阅读错误信息，修改脚本，再次尝试。哪怕是经验丰富的攻击团队，整个过程也受制于人的反应速度、认知深度和注意力上限。
51CTO热榜历史归档
近 31 天 · 31 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。