AI Agent 在生产环境中接连翻车
AI Agent 被大批量投放到生产系统里，但人们还没来得及搭建有效的监控体系来捕捉它们的失败。2026年上半年的安全事件数据并不乐观。CVE-2025-48757 这个漏洞暴露了超过170个生产应用，原因是一个 AI Agent 在生成 Supabase 数据表时没有启用行级安全策略（Row Level Security）。另一个案例中，Tea App 因 AI 代码助手生成的访问控制缺失，导致110万条私信被泄露。这些并非极端个案——当系统生成的是看起来没问题、但缺乏威胁模型的代码时，这类事故几乎是必然发生的。
问题的结构在于：AI Agent 在消除常规错误上确实表现不错——使用 AI 辅助的代码库中，语法错误下降了76%，逻辑错误下降了60%。然而安全缺陷集中出现在一个 AI 模型本就处理不好的类别上：需要理解对抗条件的设计级决策。模型生成的代码跟训练数据里的范例一模一样，但几乎没有数据告诉它，当攻击者输入畸形数据或绕过预期流程时会发生什么。这不是粗心大意——模型只是在做它被训练去做的事。
解决方案不是拒绝 AI Agent，而是给它们正确的路由：把认证流程、支付处理和访问控制这类关键环节交给人类强制审查，不仅要检查代码正确性，还要覆盖威胁模型。在合并每个 AI 生成的接口之前，用一张六问清单检查，就能拦截最有危害的那类问题：这个接口校验了身份认证吗？校验了授权吗？验证了资源属于已认证用户吗？这些问题一点也不高深——正是它们，本可以阻止2026年所有由 AI 引发的重大安全事件。