51CTO热榜

1  用 HarmonyOS 开发助手和 Doubao-Seed-2.1-lite 做一个亲属称谓元服务
前言亲属称谓最容易出错的地方，不是某一层关系，而是关系链叠起来之后的歧义。例如“爸爸的姐姐的丈夫”“妈妈的哥哥的女儿”，每个词都认...
2  腾讯开源 Octop：单进程多 Agent 私有化 AI 底座，开发者可直接搭建团队 AI 助手
模型决定下限，Harness 决定上限。谁能把运行时、记忆、工具、渠道和治理这套工程体系做扎实，谁才能让 AI 真正从 “能聊” 走到 “能干”。
3  腾讯WorkBuddy企业版上线「可观测中心」破解规模化用Agent四大痛点
0月13日，腾讯 WorkBuddy 企业版管理后台上线“可观测中心”，作为企业级 Agent 智能体运行管理的「仪表盘」——从统计观测到轨迹分析，让企业级 Agent 全链路「看得全、看得清、看得透」。
4  别再只刷 LeetCode 了：Google、Meta 面试已转向"AI 辅助编程"，考的是你会不会管 AI
今天将这几家的做法给拆开来看。最后整理 5 道很可能被问到的 AI 辅助面试题，每道都附上答题思路。
5  把自己“蒸馏”成 SKILL，到底要怎么做？
把自己蒸馏成 SKILL，不是把自己变成机器，而是把机器能做的交给机器，把人该做的留给人。先跑起来，再沉淀。先记录，再提炼。先小范围用，再慢慢升级。你的 SKILL 会随着你一起长大。它不会代替你，但它会让你更自由。
6  告别大模型的 “慢” 与 “贵”：Decisions API vs Jev，后端决策模型怎么选？
本文将围绕四个问题讲透 Decisions API，即它是什么，它和 Jev 是什么关系，怎么使用和你的项目该优先选谁。
7  清华大学AI4S研究新进展：让科学智能体发现公式、探索机理
今天，大语言模型（LLM）与科学智能体（Scientific Agent）已能自主分析数据、调用工具、迭代假设，深度参与科学发现。一个关键问题随之浮现：AI 能否先可靠地发现数据背后的稳定规律？又能否进一步理解规律背后的机制？
8  一文讲透 RAG：原理、优化与落地
用 RAG 做风格匹配，效果其实一般。RAG 检索的依据是语义相似度，找的是"主题相近的文本"，不是"风格相近的文本"。两篇文章主题完全不同，写作风格可能一模一样——RAG 分辨不出来。
9  刚刚，Gemini 4终于来了：谷歌重回御三家，API限时半价
刚刚，Gemini 4 Argon正式面向全球开发者、企业及付费订阅用户陆续开放。
10  DeepSeek又悄悄更新了？！实测：API突然变强
DeepSeek又悄么声更新模型了！还是熟悉的配方，还是熟悉的味道，官方一点动静没有，但热心网友们还是发现：官方「deepseek-flash」接口，返回的东西不一样了。
11  Token用量减少74.9%：Real2Gym把仿真经验变成真机可复用技能
来自上海人工智能实验室、上海交通大学、浙江大学、中国科学技术大学、香港中文大学和香港大学的研究团队提出Real2Gym。
12  亚历山大王首次自曝：Muse Wonder搞砸了，Meta就会直接破产！
最近，Meta 现任 AI 负责人亚历山大王接受采访时，首次对外自曝：Meta在进行一场疯狂豪赌。
13  Agent零件都齐了，怎么拼成系统？四层架构：UI、编排、能力、基础设施各管各的
能力层不知道编排层的存在，编排层不知道用户界面层的存在。这种分离让你可以在不触及下层的情况下替换上层组件。
14  前端人彻底赢麻了！Vue 大屏布局神器！拖拽缩放全搞定
Vue Grid Layout，就是给 Vue 准备的一套“可拖、可拉、可保存”的 Dashboard 布局系统。
15  太猛了！Bits 横扫前端三大框架！
目前 React Bits 在 GitHub 已经拿下 47K+ Star，官方 README 收录 165+ 免费可定制组件，而官网组件索引目前已经能搜到 171 个组件。
16  Deno 停维倒计时：生产环境该留守还是迁回 Node.js？
从 Node.js 到 Deno，再到如今的 celld 和 Workers，技术演进的焦点其实一直都在解决工程落地本身。而 Deno 用六年时间探索出来的这套自托管与边缘状态模型，最终换了一种方式并入了更大的云生态里。
17  数万亿token生意不要了！A\连封数万账号，蒸馏数据大砍99%
对于蒸馏来说，只抄答案是远远不够的。更关键的，是拿到Claude答题前的思维链，看它怎么拆题、怎么尝试、又怎么发现自己想错了。
18  前端按钮都禁用了，Spring Boot 还是创建了两张订单
SpringBoot 用户只点了一次提交，却生成了两张订单：最后还是数据库唯一索引兜了底前几天排查一个订单问题。客服说有个用户只买了一次，但后台出现了两张几乎一模一样的订单。
19  VERA：把9000多个可验证环境用于Agent训练，让模型与Skill交替升级
VERA的证据支持在本次办公与医学任务中，让可恢复环境定位失败，再交替训练模型和改进技能，比只优化一侧获得更高综合分。它同时显示，过程分、最终任务表现和通用能力必须分别检查：31.0不是任务成功率，开发验收允许有限退化，9B领域收益也没有避免通用能力损失。
20  以安全之名，Anthropic 的危险实验、末日叙事与权力生意
倘若这一体系真的成形，它与传统恶意软件的区别便不只在于攻击能力，还在于传播策略本身能够通过模型推理进行适应性调整。感染新设备不再完全依赖预先编写好的固定脚本，复杂环境下的故障处理和部署适配，也可以由智能体自行完成。
21  从规则匹配到情境决策——小红书提出面向复杂情境决策的 Agent 学习框架AdaptEvo
小红书AllSpark团队联合社区审核算法团队提出 Agent 学习框架 AdaptEvo，将置信度自适应强化学习与决策知识、评价准则的演化相结合：根据参考答案的置信度调整结果奖励与过程奖励的比重，从跨案例的共性失败中提炼可复用的决策知识，并完善过程评价准则，帮助 Agent 从规则匹配走向有证据支撑的情境决策。
22  源码公开，AI破解冷战档案！220个符号零修改，多项历史密码成果
UCSI University研究者Zijian Zeng运用AI辅助研究流程，完成了HC Portal第615号密码的读解。
23  解决静态P/D拆分痛点：Meta推出Crossflow弹性LLM服务架构
Crossflow在保留P/D分离架构的专业化配置、性能隔离优势的基础上，通过弹性的算力租约机制解决了静态分区的资源浪费问题，不需要修改模型内核，也不需要调整集群的物理拓扑，就能显著提升大语言模型服务的吞吐量，降低首词元时间，尤其适合需求波动大、词元消耗高的智能体服务场景。
24  爆火的 GitHub 项目：一键逆向分析任何东西！
REA 关注的是 AI 辅助开发中，一个常常被代码生成盖过的话题：理解已经存在的软件。生成一个新函数，是一回事。弄清楚复杂应用怎样实现这个功能，尤其原始源代码已经不可用时，则是另一种挑战。
25  Cursor并入The X Subscription后，第三方模型改按API计费，先别急着切换
在 Grok 模型上的编码用量，是同等 Cursor 方案的两倍。Premium、Super、Ultra 三个档位还包含 Grok Bot——这是公告里少数直接点名档位的地方。公告结尾还有一句承诺：会继续在算力、推理质量和更省 token 的模型上做投入，让同样的钱用出更多用量。
26  别再让 AI 对着屏幕乱点：下一代 Computer Agent 应该直接调用软件能力
我的 CapCut Agent 很慢，是因为它被给予的 interface 很慢；更快的模型只会缩小六项成本中的两项。修复方式是 interface lifting：把每个程序的功能作为 typed tools 提供给模型，并通过程序已经拥有的 interface 执行。
27  407 个项目的解决方案三秒打开：微软这次对 C# 工具链动了真格
工具链为 Agent 让路，这已经是明确的行业方向。当"开发者"这个概念变成"一个人加 N 个并行智能体"，IDE 的考核指标就从"人用着顺不顺手"变成了"机器进出有多快、并行实例有多省"。C# Dev Kit 这次重写，是 .NET 生态在这个方向上交出的第一份硬答卷。
28  Anthropic 劝你别再造 Agent，为什么 Skill 比 Agent 更接近企业真实需求
以前企业想让 AI 掌握内部的专业能力，能想到的路径基本只有两条，要么在提示词里反复交代，要么花钱做微调，前者留不下痕迹，后者成本高、周期长，而且业务一变就作废。
29  Agent 到底是什么？看看 DSH、Pi、OpenCode 的解答
对于普通开发者而言，大模型的能力已经逐渐趋于同质化（或者说变成了像水电一样的基础设施），真正的核心竞争力，正在向“谁能更好地使用 Harness 驾驭 AI”转移。即使是最聪明的大模型，也需要去挑一把适合你的“缰绳”，才能驾驭属于你的 AI。​
30  IDEA 被 AI 干碎了，它比程序员还慌
工具在变，但核心壁垒没变。对于开发者而言，我们无需陷入“工具焦虑”。AI 替代的永远是“代码搬运工”，而不是“软件工程师”。无论 IDE 如何进化，你对业务逻辑的深刻理解、对系统架构的全局把控，才是你在 AI 时代真正的、不可替代的“IDE”。
31  用 Zabbix 盯 Oracle 慢 SQL，先别急着写脚本
三个地方都应该得到同一个非负整数。第一步不通，先看 Oracle 环境变量、脚本权限和 sudoers；第二步不通，查 Agent 读取的配置文件和日志；第三步再去看 Agent 的 Server​ 白名单、防火墙和主机接口。Agent 2 把第二条换成 zabbix_agent2 -t。
32  企业级Agent落地难题：权限与数据隔离到底怎么做？
权限控制的第一步，肯定还是身份认证，这个是基础。用户登录Agent系统以后，后端通常会通过JWT、OAuth2、SSO这些方式拿到当前用户的信息，比如：userId、tenantId、departmentId和role等等。
33  Spring Boot 构建高并发优惠券营销引擎：库存预扣、叠加规则与核销幂等实战
券系统的复杂度从来不在某个单点技术上，而在于它同时踩在好几条一致性边界上：Redis 和 DB 的库存、试算和核销的规则、MQ 和本地事务、支付事件和券状态。任何一条边界没焊死，最后都会变成资损。
34  2026 三大自进化方案拆解：Dream-RSI、RRSI 与 RSIAgent
Dream-RSI 只改探索策略代码，RRSI 只改 Harness 的进化方式，RSIAgent 只积累外部记忆。这印证了前两篇提到的判断：近期 RSI 的主战场在 Harness 和外层机制，而非权重。
35  从 RLHF 到 Agentic RL 再到 RSI，Agentic RL 深度解析
Kimi 讲 agent 数据合成，DeepSeek V4 的 API 更新说明里就写了一句「显著增强 Agent 能力」。我把能找到的公开材料从头过了一遍，从 2022 年的 RLHF 论文看到上个月刚发的框架，整理成这篇文章（材料看多了不记下来，过俩月就忘，这算是对自己也有个交代）。
36  刚刚，Gemini 4全球上线！
谷歌工程师给Antigravity里的Argon布置了一个任务：搭建一座中国风寺庙。Argon先用Blender建模，再让多个Agent反复检查画面，根据反馈继续修改。经过一轮轮调整，搭出了一整座寺庙建筑群。
37  OpenTelemetry 实战：统一可观测性数据采集
OpenTelemetry（OTel）要解决的，就是把采集这一层标准化：一套 API/SDK，一种传输协议（OTLP），一个 Collector 处理管线，把三支柱的数据汇到任意后端。
38  万字硬核拆解：如何从零搭建一套企业级 Agent 记忆系统？（附架构设计）
一个模型即使推理能力很强，如果没有合适的机制保存过去的任务状态、恢复关键背景、识别过期信息，也很难持续完成复杂任务。反过来，即使使用同一个模型，只要把记忆触发、信息检索、上下文融合、记忆写入和反馈优化设计得更合理，Agent 的长期协作能力也可能得到明显改善。
39  50%的安全官想辞职！AI风暴下CISO的七大生死劫
面对AI驱动的极速攻击与日益扩大的威胁面，全球CISO面临前所未有的生存压力。本文深度采访了多位顶级网络安全专家，梳理出安全领导者必须破解的七大核心难题：从安全理念向“网络韧性”与敏捷响应转变，到深度融合AI防御、管控影子AI风险，再到破解团队技能缺口与夯实基础安全实践。
40  面试官：Agent 系统里大量请求都在等待 LLM、搜索或者 Tool 返回，如何避免大量等待任务占满系统资源？
执行层使用真正的非阻塞 I/O，同步 SDK 放进有界执行器，但不会把协程当成免费资源。准入要放在创建大量任务和加载上下文之前，排队只保存轻量描述，并分别限制队列容量、子任务展开和下游在途调用。
41  C 语言二级指针超强扫盲，一次搞懂 **p、*p 和 p
以二级指针int **p​为例，p​本身是一个指针变量，它存储的是一个一级指针的地址 。*p​是对p​进行第一次解引用，得到的是上一层的一级指针，这个一级指针又存储着普通变量的地址 。而**p​是对p进行两次解引用，最终得到的是普通变量的值 。
42  MyBatis-Plus 逻辑删除与自动填充：审计字段自动赋值
MyBatis-Plus 用两个能力把这件事接过去了：逻辑删除让 deleted 字段自动生效，自动填充让审计字段在插入和更新时自动落值。业务代码只管操作领域对象，时间、操作人、删除标记由框架补齐。
43  Java 开发：解决 JWT 过期痛点：微服务登录认证与 Token 无感刷新实现
本文从生产实战角度出发，系统讲解 JWT 的核心原理、微服务统一认证架构、多端登录管理等关键能力，每个知识点都配套可直接落地的代码，帮你彻底解决 JWT 过期痛点。
44  AI破解56年数学难题登Science！还是DeepMind讲究，成果交给同行评审
DeepMind这次的主角是AlphaProof Nexus，一套由Gemini驱动的AI数学证明Agent框架。它解决了9道埃尔德什开放问题，其中两道题足足悬了56年。
45  后端架构面试（一）：指标、缓存与容量估算
本文从 RT、QPS 和 TPS 讲起，再结合压测、Redis 缓存、流量估算与服务器选型，说明容量方案应当依据哪些条件。
46  三万字长文：大语言模型从零入门
这篇文章想用一条线，讲清楚 ChatGPT 这类大语言模型是怎么回事：它在做什么、为什么能做到、怎么做到的、做不好什么。
47  第 26 篇：基于 tcpdump 抓包彻底看透 TCP 三次握手——从背教科书到极致工程洞察
读完这篇，你将获得一种能力：仅凭几个数据包，就能逆向推断出对端操作系统、网络MTU瓶颈、乃至中间设备的存在。
48  YuE2先写可改乐谱再生成歌曲，同模型听评更偏向有谱规划
YuE2 使用 ABC 文本记谱格式记录音符、和弦和曲式，再生成承载音乐内容的语义 token，最后生成声学表示并解码为整曲音频。自回归专家逐步预测乐谱和语义 token，非自回归专家根据这些条件并行生成声学表示，两者共享模型骨干。SheetSage2 和 MERT2 分别从训练录音中提取乐谱与语义监督，不要求每段录音原本就配有对齐乐谱。
49  Booking.com 的向量数据库选型：100M 数据、三种负载、一个决定
随着接入团队越来越多，需求也变得五花八门。有的要 hybrid search，有的要多向量支持，有的单纯要更高 RPS。当这些需求堆到一定程度，Booking.com 决定重新评估：现有方案还能撑多久？

51CTO历史热榜

  掘金热榜

  InfoQ热榜

  CSDN热榜

  博客园热榜

  V2EX热榜

©coolwj(www.coolwj.com)