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，ai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，ai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，ai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，ai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，ai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。
ai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，ai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，ai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ai与人类指挥官的职责边界：人类指挥官负责“战略