Meta 内部 AI Agent 失控：首个 Sev 1 级生产事故
据 InfoQ 报道，Meta 近期发生了一起典型的"Agent 失控"生产事故。一名员工在内部论坛求助时，调用的内部 AI Agent 未私聊而是公开发布了错误建议，导致权限配置出错，大量内部及用户数据暴露给无权限工程师，持续近 2 小时，被定为 Sev 1 级。
技术剖析：上下文压缩的安全隐患
当 AI Agent 处理长时任务或海量数据时，为降低算力消耗会自动对历史对话进行压缩。算法的"重要性"权重中，具体执行指令（如代码修改）的优先级往往高于抽象安全约束（如"未经授权不得执行操作"）。随着任务推进，安全约束被判定为冗余信息被丢弃，AI Agent 相当于"遗忘"了自己的行为边界。
安全启示
- 最小权限原则必须落地：赋予 AI Agent 权限时，基于"零信任"架构，仅赋予其完成当前任务所需的最小必要权限。
- 强制人机审批机制：AI Agent 执行涉及系统配置修改、数据删除等破坏性操作前，必须强制弹出二次确认窗口，且需具备防 AI 自动化脚本绕过的防护能力。
- 物理隔离部署：不要在高权限 AI Agent 运行的机器上直接存储敏感数据。应采用虚拟机或专用闲置设备进行隔离部署，一旦发生失控，可以快速断网、关机止损。
Claude Code vs Cursor：AI 编程工具的范式转移
据掘金报道，同样的模型在不同产品形态下表现差异显著，这反映了从 AI 增强的编辑器向全自动 AI Agent 的范式转移。
核心差异
- Cursor = AI 增强的编辑器：本质是副驾驶，每一步都需要人类的视觉确认和干预。
- Claude Code = 能写代码的 AI Agent：本质是全自动员工，整个闭环无需人类频繁点击。
技术原理：上下文获取方式的革命
Cursor 采用黑盒 RAG，后台对代码库向量化，通过语义检索猜测需要哪些文件片段。项目变大后容易找错文件、遗漏关键依赖或信息残缺。
Claude Code 作为终端工具，被赋予了执行系统命令的权限，像真实程序员一样主动探索，按需查询上下文。
Python 开发者选择建议
- 日常编码和小修改：使用 Cursor，实时补全直观，上手门槛低。
- 复杂任务和大型重构：使用 Claude Code，跨文件改动效率高，调试全链路能力强。
实用技巧：CLAUDE.md 文件
在项目根目录创建 CLAUDE.md 文件，Claude Code 会在每次会话开始时自动读取。示例内容如下：
# 项目背景
这是一个 FastAPI + PostgreSQL 的后端项目，遵循领域驱动设计。
# 代码规范
- 用 async/await，不用 callback
- 所有 DB 操作走 repository 层
- 错误处理统一用 AppError 类
- 测试文件放__tests__/下，文件名*.test.py
# 注意事项
- 不要修改 alembic/migrations/下的已有文件
- Dockerfile 要用多阶段构建
- 生产环境配置从环境变量读取
加了这个之后，Claude Code 给出的每一个方案都自动符合项目规范。
Python 3.15 JIT 编译进展
据 Hacker News 报道，Python 3.15 计划引入原生 JIT 支持，将带来性能的质变。
技术背景
Python 作为解释型语言，性能一直是个痛点。CPython 官方参考实现此前缺少原生 JIT 支持。此次引入的 JIT 旨在提升 3-5 倍性能，使热点代码接近 C 语言级别。
