升30%，对当地民众生活的影响降低了50%。但新的问题随之出现：文化数据更新不及时，A无法应对部分地区的文化习俗变化。例如，某东南亚国家近年兴起的新型节日活动，未被数据库收录，导致A规划的行动路线与节日游行冲突。
针对这一问题，林薇参考《资治通鉴》“通古今之变”的编纂思想，设计“文化动态更新机制”：建立全球文化观察员网络，实时收集各地文化习俗变化；开发“文化趋势预测算法”，通过分析社交媒体数据、新闻报道，预判文化习俗的演变方向。例如，算法通过监测某非洲国家年轻人的社交动态，提前6个月预测到当地传统禁忌的弱化趋势，及时更新数据库，确保A决策的时效性。
赵阳负责的“极端场景决策韧性”研发，同样面临严峻挑战。在模拟“台风叠加地震”的复合型极端场景中，A因传感器数据紊乱，多次出现决策停滞。传统A依赖稳定的数据输入，而极端环境下的信号中断、数据失真，恰好击中其短板。“古代军队在恶劣天候下作战，常依靠经验判断和简易信号传递决策，这种‘去数据依赖’的韧性值得借鉴。”赵阳说道。
他带领技术组研究《孙子兵法·九地篇》中“衢地合交，绝地无留”的极端环境应对策略，提出“双轨决策机制”：常规状态下，A以数据驱动决策；极端状态下，自动切换为“经验驱动模式”。该模式以古代极端环境作战案例为基础，构建“决策经验库”，收录“暴雨天扎营选址”“浓雾中行军路线”等1000余条经验规则。例如，当台风导致卫星信号中断时，A根据“近山避水”的古代扎营经验，自动选择地势较高的山体背风处部署装备。
为提升经验驱动模式的准确性，赵阳借鉴《考工记》中“工欲善其事，必先利其器”的理念，升级装备的“环境感知冗余系统”：在主传感器外，加装红外、气压、震动等辅助传感器，即使主传感器失效，仍能通过辅助数据判断环境状态。同时，参考古代“烽火传信”的冗余通信思路，为装备配备“多模通信备份”，在极端环境下自动切换为无线电、声波等简易通信方式，保障基础指令传递。
在“暴雪+电磁干扰”的模拟测试中，A成功切换双轨决策机制：主传感器因暴雪覆盖失效后，辅助传感器通过监测温度、地形坡度判断环境；通信信号中断时，启用声波通信传递简易指令。最终，装备在无卫星数据支持的情况下，仍按计划完成了目标搜索任务。但测试也暴露出经验库覆盖不足的问题，针对“火山喷发周边区域”等罕见极端场景，A因缺乏对应经验，决策效率大幅下降。
为弥补这一短板，赵阳启动“极端场景联合推演计划”，联合全球15家极端环境研究机构，模拟“火山灰覆盖”“冰川消融洪水”等50种罕见场景。团队借鉴《三国演义》中“诸葛亮推演八阵图”的系统思维，对每种场景的环境特征、装备失效模式、应对策略进行系统化梳理，形成“场景-应对-复盘”的闭环数据，持续丰富决策经验库。经过半年的推演，A对罕见极端场景的决策响应速度提升至2秒内，满足实战需求。
A决策系统研发进入中后期，人机协同的融合问题逐渐凸显。在多次模拟演练中，A的快速决策与人类指挥人员的经验判断常出现分歧，导致行动延误。例如，在城市反恐场景中，A根据数据判断应立即强攻，而人类指挥官基于对现场平民情绪的感知，认为应优先谈判，双方决策冲突导致错失最佳处置时机。
“古代战场中，主将与谋士的协同决策至关重要，主将负责全局判断，谋士提供具体方案，二者相辅相成。”王玲在人机协同研讨会上提出“层级协同决策模型”，明确A与人类指挥官的职责边界：人类指挥官负责“战略目标设定”“价值判断”“伦理决策”等抽象层面工作；A承担“数据处理”“战术生成”“行动执行”等具体任务