🔥51CTO热榜：2026-07-29

10:19  51CTO  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）。
10:19  51CTO  推荐系统体验的数字化突破：得物自动化评测平台的技术实践
在过去，由于主观体验无法量化，很多能够带来业务长远增量的策略（例如破圈推荐、泛兴趣引入、长尾类目扶持）因为缺乏即时的指标反馈，往往在实验初期就被墨守成规地放弃了。
10:19  51CTO  AI 写得比人审得快：两倍 PR 后，程序员真正要补的是 Review 产能
如果团队没有规则，AI review 反而会让 PR 流程更吵：每个工具都在评论，每个 Agent 都在解释，每个开发者都觉得“AI 已经看过了”，最后没有一个人真正拥有验收结论。
10:19  51CTO  白嫖 Claude Max 20x 漏洞完整事件始末
在 Claude Code Web 端登录，然后再执行一段油猴脚本代码，你就能获得一个 Claude Code Max 20x 的订阅资格。然后。。。。。。就 TM 的炸了，直接全网狂欢了。
10:19  51CTO  从Loop到Graph Engineering:一个循环不够用之后会发生什么
图工程从来不是一门要取代循环工程的新学科,它只是给一个所有做agent的人迟早都会遇到的决策取了个流行的名字:当一个循环不够用的时候,协调本身就变成了工程问题。
10:19  51CTO  Graph Engineering 详解：Loop 之后，Agent 工作流开始显式成图
Graph 描述任务拓扑，Loop 负责反馈和收敛，Harness 管住权限、状态、证据与恢复。三者解决的是不同问题，不存在谁给谁办葬礼。
10:19  51CTO  大模型记忆事实的真正瓶颈：不是能不能存，而是能不能稳定读出
大模型的 MLP 层能记住大量事实，但“记住”不等于能在 Transformer 里稳定取回。注意力层传给 MLP 的查询会带噪声：一个 MLP 即使能在原始键上分对答案，查询稍有偏移也可能读错事实。Garcia 等人的工作把这个缺口归到解码裕度上，并给出一种可直接写出的事实存储 MLP 构造。
10:50  51CTO  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。
10:50  51CTO  Agent 的工具集不该在对话开始前就定死：Anthropic 动态工具管理的工程解析
如果 Agent 的权限模型比较复杂——不同角色看到不同的工具、不同会话有不同的数据访问范围——静态工具集意味着每次都要构造完整的工具列表，或者维护多套 Agent 配置。
11:22  51CTO  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。
15:30  51CTO  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。
15:30  51CTO  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
15:30  51CTO  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。
15:30  51CTO  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。
16:33  51CTO  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。

历史热榜

©coolwj(www.coolwj.com)