Python Hub 每周摘要（2026年7月19日）
内容提要
本周Python动态：Python 3.15新增frozendict内置类型，实现不可变字典；PyPI可信发布机制仅用于机器认证，非安全标志，需谨慎对待；另有自动化Excel指南，可将繁琐表格转为一键操作。其他提及Reddit反垃圾系统、Celery在AWS ECS的可靠性问题及AI代理沙箱化等话题。
延伸解读
frozendict 的实用价值与限制
PEP 814 为 Python 3.15 引入内置 frozendict，提供真正的不可变字典。它仅在值可哈希时才是可哈希的，这意味着并非所有 frozendict 都能作为字典键或集合元素。标准库已开始支持它，但 C 扩展和部分 Python 代码可能需要调整。对于需要防止意外修改的配置或常量映射，frozendict 提供了语言级保障，但开发者需注意其哈希条件。
PyPI 可信发布：认证而非安全标志
PyPI 的 Trusted Publishing 是一种机器对机器的认证机制，用于 CI/CD 工作流与包注册表之间的安全通信，减少长期凭证泄露风险。但它并不表示包是安全或高质量的，不应被视为“绿色勾选”。恶意或低质量包也可能使用该机制。用户仍需审查包来源、维护活跃度和代码质量，不能仅因使用 Trusted Publishing 就信任包。
Celery 在 AWS ECS 上的可靠性陷阱
在 AWS ECS 上运行 Celery 可能因 ECS 关闭行为、Celery 默认配置、预取和超时边界导致任务丢失、延迟、重复或永不完成。文章建议采用更安全的生成设置、设计更短且幂等的任务、使用扇出或批处理、选择 Amazon MQ 上的 RabbitMQ，并利用基于 Redis 的锁来提升可靠性。这些措施能显著减少任务执行中的不确定性。
Q&A
Python 3.15 新增的 frozendict 是什么？它有什么特点？
frozendict 是 Python 3.15 中新增的内置不可变字典类型。它一旦创建就不能修改，并且只有当其所有值都是可哈希的时，frozendict 本身才是可哈希的。标准库中已经支持该类型，但某些 C 和 Python 代码可能需要更新以适应这一变化。
PyPI 的 Trusted Publishing 机制是安全标志吗？为什么需要谨慎对待？
不是。PyPI 的 Trusted Publishing 是一种用于机器对机器认证的机制，用于 CI/CD 工作流与包注册表之间的身份验证，而不是表明包安全或高质量的标志。它减少了长期凭证的风险，但用户不应将其视为“绿色勾选”，因为恶意或低质量的包也可能使用该机制。
如何用 Python 自动化 Excel 表格？
文章提到有一份指南，可以将繁琐的 Excel 表格转换为一键操作的工作流。具体步骤未在摘要中详述，但通常涉及使用 openpyxl、pandas 等库来读取、处理和写入 Excel 文件，并通过脚本实现自动化。
在 AWS ECS 上运行 Celery 会遇到哪些问题？如何解决？
在 AWS ECS 上运行 Celery 可能会因为 ECS 的关闭行为、Celery 默认设置、预取（prefetching）和超时边缘情况而导致任务丢失、延迟、重复或永远无法完成。建议采用更安全的生成环境设置，设计更短且幂等的任务，使用扇出（fan-out）或批处理，使用 Amazon MQ 上的 RabbitMQ，以及基于 Redis 的锁来使 Celery 工作器在 ECS 上更可靠。
为什么 AI 代理应该运行在沙箱中？
自主 AI 代理应该运行在隔离的沙箱中，而不是直接运行在开发者的笔记本电脑上，尤其是当代理获得自动批准、长时间运行任务、文件访问和网络访问权限时。沙箱架构有多种，从工具后端到完全在沙箱内运行的代理，它们在安全性、机密性、流式传输和性能方面各有权衡。
如何安全地使用 GitHub Actions 发布 Python 包到 PyPI？
文章给出了三个实用步骤：运行 zizmor 进行安全扫描、使用 Trusted Publishing、通过 GitHub 环境要求手动审批。此外，还建议移除长期 PyPI 令牌、固定 actions 版本、限制工作流权限、禁用持久化的 checkout 凭证，并增加人工审批环节，以降低凭证风险。
Hamiltonian 神经网络（HNN）如何保证能量守恒？
HNN 通过微分几何视角，学习一个标量 Hamiltonian，并通过辛梯度（symplectic gradient）推导运动，使得能量守恒在结构上不可避免，而不是像普通 MLP 那样希望网络从数据中学习到能量守恒。
