We have a guardrail system that continuously compares Luna's behavior to the system prompt, and sends warnings when rules are broken
这是真实的AI安全工程，不是论文里的假设场景。一个持续运行的系统实时监控Luna的行为是否偏离系统提示，偏离时触发人类介入（通常是Slack消息）。这个人在环路的设计，既是当前AI可靠性不足的补偿，也是有意识的选择：不是防止AI犯错，而是快速检测和纠正错误。监控的对象从代码行为变成了智能体行为——这是软件监控范式的一次根本性扩展。