这是一份围绕现代 Coding Agent 产品设计的学习型研究笔记，重点关注：整体架构、提示词系统、Agent 编排、Skills、Plugins、Hooks、MCP、权限与工具调用机制，以及这些系统为什么会让 Agent 产品更稳定、更好用。

---

目录

1. 研究范围与结论总览
2. 源码结构全景：它为什么更像 Agent Operating System
3. 系统提示词总装：提示词系统的真实地位
4. Prompt 全量提取与模块级拆解
5. Agent Prompt 与 built-in agents 深挖
6. Agent 调度链深挖：从调度器到运行时主循环
7. Skills / Plugins / Hooks / MCP 生态深挖
8. 权限、Hook、工具执行链深挖
9. 为什么 Claude Code 这么强：从源码看它真正的护城河
10. 关键文件索引与后续可继续深挖方向

---

https://github.com/tvytlx/ai-agent-deep-dive?tab=readme-ov-file!

人工智能与机器学习领域近期的突破性进展，已改变了商业市场，并显示出颠覆未来战场的潜力。然而，我们尚未观察到人工智能/机器学习在国防市场取得如同在商业市场那般显著程度的成功。引入“错误采办法”这一概念，其由研发工作的目的、范围和假设所界定。简而言之，许多概念开发者并未充分理解新的人工智能/机器学习技术，未能认识到其采办法各要素（目的、范围和假设）正相互掣肘，这严重阻碍了后续的研发。本文列举了限制军事领域利用人工智能/机器学习的错误采办法案例。我们为人工智能赋能项目的要求工程研究提出了四项纠正原则：（1）通过训练员与操控员驯服“野性AI”；（2）警惕“AI末日”（哪怕只是一点点）；（3）避免“AI脑叶切断术”；（4）拥抱主要回报——速度。最后，本文认为，作战研究界最有条件通过教育、聚焦的方案分析以及对未来作战研究的建议，来帮助应用这四项原则并纠正采办法。

作战研究（OR）是实现战场人工智能的关键

人们可能会将人工智能/机器学习在军事系统应用上的滞后，归因于现代人工智能的相对新颖性，以及国防部相较于商业市场的缓慢起步。这固然属实，但对于发展颠覆性的人工智能/机器学习赋能军事系统而言，一个更大的制约因素是当前许多（即便不是大多数）研发工作所采用的错误采办法。本文将“错误采办法”概念作为军事人工智能/机器学习研发工作的项目章程引入。我们将错误采办法定义为一项其既定目的、范围和假设无法同时满足，但经过细微修改后即可合理满足的研发工作。换言之，该项目的章程至少存在一项内部冲突，如下列假设性案例所示：

• 一个自主弹药项目，其目的是免除人类决策者在目标交战决策中的职责，但假设其自动目标识别神经网络仅需使用军事目标图像进行训练。一个更好的假设是，该神经网络还需对外观相似的非目标物进行训练，以使自动目标识别器能区分起重机与榴弹炮或导弹发射器。另一种解决方案是改变项目目的，即由人类操作员在审阅指定的目标图像后批准所有交战决策。另一种修正假设的方法是，仅将该弹药用于目标密集、可自由开火的区域。
• 一个分析辅助工具，其目的是进行全源情报融合，但其范围却排除了输入先前的军事决策流程和战场情报准备分析。许多历史上的全源情报融合尝试都因这种“被实施了脑叶切断术”的章程而失败。“脑叶切断术”是一种切断前额叶皮层与大脑其他部分众多连接的医疗手术，这很好地比喻了那些范围有限但目的宽泛的项目。当一个全源情报融合推理系统被切断与必要的先期分析产品（如敌方行动方案或情报搜集计划）的联系时，它几乎不可能成功。

一个错误的采办法注定了研发工作只能取得有限的成功，无论其其他方面多么出色。较旧的技术也存在此现象，但对于人工智能/机器学习等新技术而言，这尤为普遍。这部分是由于缺乏对哪些战场任务适合应用人工智能/机器学习，以及对新技术的性能和局限性的了解。那些熟悉战场的人往往不了解人工智能/机器学习，而那些了解人工智能/机器学习的人又往往不熟悉战场。这就导致了章程拙劣的研发工作。作战研究界是解决这一普遍问题的关键，它通过在源头——即概念与要求制定阶段——纠正此类问题。

当前有缺陷的人工智能/机器学习采办法存在几个常见的陷阱。为协助作战研究专业人员及更广泛的采办界，本文将常见错误描述为纠正采办法的四项原则：

• 通过训练员与操控员驯服野性AI
• 警惕“AI末日”（哪怕只是一点点）
• 避免“AI脑叶切断术”（信息孤岛）
• 拥抱主要回报——速度

支持人工智能/机器学习采办工作的作战研究分析人员，应将这四项原则融入传统技术和方法中，以向概念和要求开发者传达合理的期望。总之，这四项原则可作为一份直观的检查清单，供精通人工智能/机器学习的作战研究分析人员使用，以确保概念、目的、范围和要求内部协调一致。然而，作战研究分析人员也应同时提高自身对人工智能/机器学习技术的普遍理解，并避免盲目、不加思考地遵循这些简化的经验法则。对国防技术信息中心门户网站的粗略检索表明，关于战场人工智能具体性能与局限性的已发表研究存在诸多空白。在更详细地阐述这些原则之后，本文将提出一系列研究课题，以帮助引导作战研究界更好地理解人工智能/机器学习在未来采办工作中的定位。

本报告为美国海军研究生院发布的技术报告，旨在研究利用人工智能（AI）框架优化高功率微波（HPM）系统对抗自主无人机蜂群的战术。

一、 研究背景与核心目标

1. 研究基础：本研究基于海军研究生院先前在对抗性蜂群交战动态建模与优化方面的工作，旨在解决实现基于强化学习（RL）的分布式神经网络（NN）防御控制器的三个关键子问题。
2. 核心目标：开发一种生成式AI框架，能够在给定更抽象目标的情况下，生成分布式控制器，以指导单个机动防御平台（如搭载HPM的卡车或无人机）的移动位置和方式。报告指出，此处的“生成式AI”通常指强化学习（RL）。
3. 关键挑战与思路：
   • RL的成功高度依赖于精心设计的奖励函数，而非简单的最终二元结果（成功/失败）。
   • 解决问题的层次结构包括：设计良好的目标函数、构建处理反蜂群问题的RL训练框架、以及实现能够根据交战局部状态信息指导防御方的抗噪声NN控制器。
   • 一个成功的框架还需包含对敌方（红方）行为的分类能力，并将此信息输入防御蜂群（蓝方）的NN控制器。

二、 三个核心子项目的研究内容与发现

• 项目1：构建稳健的RL奖励函数

1. 研究内容：对要地防御（HVU）反蜂群场景进行权衡分析，比较两种目标分配算法在不同蜂群特性下的相对效能。
   • 算法A（拦截算法）：优先防御HVU，即始终优先摧毁对HVU当前威胁最大的攻击者。
   • 算法B（匈牙利算法）：优先高效摧毁攻击者，而不考虑哪个攻击者对基地（HVU）威胁最大。
2. 核心发现：
   • 决定两种算法优劣的主导因素是攻击者与防御者的速度比。
   • 当防御者速度更快时，“拦截算法”（优先保护HVU）效果最佳。
   • 当攻击者速度更快时，“匈牙利算法”（优先高效摧毁攻击者）在HVU生存率上结果更好。此结果有些反直觉，表明在某些情况下，不直接考虑对HVU的威胁反而能提高HVU生存几率。
3. 研究意义：为RL框架的奖励函数设计提供了关键见解，表明简单地考虑与HVU生存这一最终目标相关的指标是不够的。

• 项目2：基于NN的反蜂群控制器的特征工程

1. 研究内容：使用监督学习开发基于NN的控制器，以指导单个防御者的行动。研究通过特征工程，探索何种数据能最高效地输入NN，以稳定预测防御者的预设航向角。
2. 核心发现：
   • 特征工程至关重要：最有效的特征工程方案涉及“潜在拦截”特征，该特征明确求解了防御者应飞往何处以拦截攻击者的几何问题。
   • 必须考虑时间序列信息：研究发现，将上一时间步的防御者加速度（即航向角，也是NN的输出）作为输入，能使控制器结果非常稳定，性能几乎与用于训练NN的基础算法相当。如果不输入上一时间步的航向角，则会出现不稳定性，导致航向角反复切换，性能下降。报告指出，这也可以通过使用明确包含时间序列信息的NN架构（如卷积神经网络）来实现。

• 项目3：敌方战术分类

1. 研究内容：建立监督神经网络时间序列分类（NN TSC）框架，以快速准确识别蜂群自主智能体所使用的战术和底层算法。研究重点在于通过数据集增强提升分类器鲁棒性，并通过优化防御者轨迹来提升NN预测精度。
2. 核心方法与发现：
   • 数据集增强：通过引入防御者数量、防御者运动模式、测量噪声等关键变量的系统性变化，创建了丰富的增强数据集（如Comb ND， Comb DM， Comb Noise）。实验表明，在“组合”数据集上训练的鲁棒NN模型表现始终优于其他模型，即使在防御者数量显著减少的情况下也能保持高精度，显著提升了NN的泛化能力和操作适应性。
   • 优化防御者轨迹：开发了一个部署框架，通过战略性地设计防御者轨迹，以可预测的方式影响敌方行为，从而最大化NN分类准确率，同时遵守空域限制等操作约束。研究表明，优化的防御者运动能持续提升NN的预测精度，并且“星形”或“半星形”初始轨迹是最有效的启发式方法。此外，研究还证明，通过采用优化的防御者运动，可以最大限度地减少所需的防御者数量，为操作规划者提供了基于“最佳STP@ND”估计的决策工具，以选择最优的防御者数量和初始轨迹来满足分类性能阈值要求。

三、 总结

报告总结在实现项目总体目标（即开发能够生成分布式NN控制器以高效击败攻击蜂群的RL框架）方面取得了重要进展：

1. 明确了攻防双方速度比是选择优先保护HVU还是优先摧毁攻击者的关键因素，这对RL奖励函数设计具有重要意义。
2. 阐明了特征工程和必要输入对于稳定、可部署的NN控制器的重要性。
3. 展示了一个用于训练NN分类器以支持蜂群防御系统的鲁棒框架。该方法侧重于通过用广泛的操作场景（包括防御者数量、运动模式和噪声水平的变化）丰富训练数据集来增强NN性能。结果表明，暴露于多样化条件显著提高了NN的灵活性和可靠性。该分类器在不断变化的战术环境中保持高精度，即使在防御者较少的情况下也能有效运行，突出了其对资源有限或不可预测情况的适应性。

非合作空中目标，特别是低空慢速小雷达截面积无人机的扩散，对空域安全构成了复杂挑战。非合作空中目标的探测与识别是一个研究密集的领域。本文旨在对使用机器学习算法进行无人机/无人驾驶航空器、固定翼飞机及其他非合作空中目标的探测与分类，进行一次结构化的综述。本文对184项近期研究（2019-2025年）进行了系统性综述，涵盖五种关键感知模态：雷达（雷达截面积、微多普勒、高分辨率距离像）、无源感知（5G/Wi-Fi/射频）、声学感知、计算机视觉以及多模态感知。尽管单个感知模态已被广泛研究，但现有综述往往缺乏对多模态集成的整体性作战适用性评估。此外，本综述工作引入了一个新颖的作战适用性框架，该框架针对关键的部署约束（包括探测距离、视距要求、环境鲁棒性）来评估每种模态。再者，作者批判性地分析了从经典统计方法和过时的深度学习架构向先进深度学习架构的过渡，特别强调了视觉变换器以及集成感知与通信等利基技术的出现。最后，本综述指出了基于人工智能的非合作目标识别研究中持续存在的差距，并为未来多模态机器学习和传感器融合技术路径的研究提出了路线图。此外，本综述工作将为进一步加强航空航天、人员安全和重要设施安保的研究工作指引方向。

本文侧重于对用于识别非合作目标的感知方法与人工智能技术提供完整的最新综述。本综述论文的突出方面如下：

• 本综述审视了用于获取空中目标特征的各种感知方法，例如雷达、射频特征、计算机视觉、声学传感器及其组合在非合作目标识别中的应用。它对近期研究（2019-2024年）进行了结构化综述，涵盖了上述模态与前沿深度学习技术的集成。

• 本综述重点介绍了非合作目标识别中不同的特征提取（雷达截面积、微多普勒、高分辨率距离像、运动学）和数据预处理技术，并展示了不同机器学习算法在目标识别中的有效性。

• 引入了一个新颖的作战适用性框架，评估了每种传感器类型在探测距离、环境适应性和计算成本方面的实际权衡。

• 评估了新兴人工智能架构，特别是视觉变换器和多模态机器学习技术路径，在低信噪比环境下的性能。它概述了当前目标感知与分类方法的局限性，并提出了该领域未来的研究方向，包括用于分布式探测的集成感知与通信以及用于数据受限分类的物理信息神经网络。

• 汇总并分类了重要的开源数据集，以支持利用人工智能进行非合作目标识别的进一步发展。

为指导此项系统性综述，作者提出了三个主要研究问题：

• 研究问题1：当前用于非合作目标识别的单一模态感知（雷达、射频、声学、视觉）的作战边界和性能局限是什么。

• 研究问题2：新兴人工智能架构，如视觉变换器和物理信息神经网络，如何应对低信噪比和数据稀缺性等持续存在的挑战。

• 研究问题3：在实时反无人航空器系统应用中，多模态传感器融合存在哪些架构性权衡（延迟与精度）。

本文其余部分结构如下：第2节解释了用于系统性综述的检索策略，第3至6节概述了不同的感知方法及其预处理、目标探测与分类技术。第7节简要介绍了用于目标识别的不同感知模态融合。第8节呈现了对感知方法的评估，而第9节则提出了研究挑战与未来工作方向。最后，第10节提供总结性评述。

无人驾驶航空器（UAV）又称无人机，其发展给航空领域带来了革命性变化，并已成为现代战争的一部分。无人机最初是为军事目的而开发，用于执行对人类而言“枯燥、肮脏或危险”的任务，如今则被用于支持大量非军事角色，如警务与监视、航空摄影、包裹投递、森林火灾监测与扑救、农业、基础设施检查和科研工作等。无人机的军事应用始于越南战争，但在伊拉克及后来的阿富汗冲突中得到了广泛使用。最近，在阿塞拜疆与亚美尼亚的冲突中，智能无人机的运用使前者获得了明显优势。土耳其的“拜拉克塔”TB-2无人机被乌克兰用于对抗实力强得多的俄罗斯，在情报收集方面非常有效。显然，无人航空器技术如今已成为一种力量倍增器。

大多数无人机采用“人在回路”控制，由操作员在远程地点通过安全通信链路操控其使用。人工智能、机器学习和高速机载计算能力的进步使得无人机能够自主运行。在大多数空中任务中，无人机正在快速取代人类。无人机正被用于空中加油，无人旋翼机可自主降落在移动的舰船上，太阳能无人机可执行长航时任务，此外还有无人或可选有人驾驶战斗机。无人机正以成千上万架组成的完全协调集群飞行。还存在有人-无人机组队，即由一架有人驾驶飞机控制一组无人机。这种编队将充分利用两种平台的优势。作战无人机正被用于情报、监视与侦察、电子战、对地打击任务和空战。目前已有工作致力于开发用于货运任务的大型无人机。实际上，无人机终有一天将执行所有类型的空中任务。

无人机在尺寸和重量上种类繁多。其分类也与最大操作高度和航程相关联。无人机可以小如昆虫，也可以大如客机。其飞行高度范围可与有人驾驶飞机一样高。由于平台上没有人，其续航时间甚至可达数月之久。同样，无人机不再受人类生理限制，可进行高过载机动。无人机可以超音速飞行，未来甚至可以达到高超音速。太空领域已由无人系统主导，因此，航空航天领域未来将拥有更多无人系统。实际上，世界上几乎所有主要空军都已在装备序列中列装了无人机。许多国家正在制造无人机和小型无人机。美国、以色列和中国是无人机制造的全球领导者。土耳其也正成为一个重要的出口国。全球有数以百万计的业余爱好者无人机在飞行。四轴飞行器无人机体现了无线电遥控航空模型和玩具的广泛普及。

无人驾驶空中通勤飞行器已经过测试，并将很快出现在空中。这需要国际民用航空组织（ICAO）的法规，包括空中规则。还存在适航认证方面的问题。无人机远程飞行员需要进行分类，并获得有效期为10年的远程飞行员培训机构（RPTO）认证。需要为城市内通勤指定特定的城市空中走廊。空中交通管理将面临新的动态。无人机销售也需要通过唯一识别码和许可进行监管。随着作战无人机自主性的提高，涉及无需人工决策干预即可自由攻击和杀伤人类的能力，这带来了伦理和法律影响，需要加以解决。人类仍将以某种形式参与无人机的“回路”，即使这意味着决定算法并拥有某些否决权。大多数设计图上的高端未来飞行器仍以飞行员为中心。因此，尽管无人机技术取得了进展，但飞行员在空中观赏彩虹和观看高空日落的日子还会延续一些年。

无人机曾被用于在伊拉克、阿富汗和伊朗等国追踪和杀伤人员。最近，在利比亚，一架装备致命武器的自主杀手机器人袭击了人类。无人机正被用于对重要人物进行针对性清除。2020年1月3日，伊朗少将卡西姆·苏莱曼尼在巴格达国际机场被美国无人机袭击身亡。2022年5月初，9/11袭击事件的主犯之一艾曼·扎瓦希里在喀布尔遭到一次超视距无人机攻击行动击毙，当时他作为塔利班的客人居住在那里。无人机已被用于走私武器和毒品。恐怖分子可能利用无人机攻击其目标，甚至击落飞机。携带小型手榴弹的无人机集群可以以自杀式任务飞入大型集会制造混乱。

既然无人机已成为一种强大的空中武器平台，使用反无人机系统来压制它就变得非常重要。由于其尺寸小、特征信号低，探测往往被延迟。用于探测的先进雷达和光电手段正在不断发展。无人机可通过动能硬杀伤武器击落、利用电子战技术使其失效，或发射网具缠绕其旋翼。大多数空中、水面和水下系统将实现高度自动化和自主化的机器人化。这是一份经过大量研究后形成的综合性文献，对安全和航空领域的从业者而言应是一本很好的读物。

本专著试图对无人机和反无人机技术在军事和民用领域的发展进行一次环境扫描，并探讨这些技术如何试图从低强度冲突到全面战争改变现代战争的性质。本专著分为三个部分，首先从历史视角阐述无人机如何演变为空中力量的一个要素。第一部分涵盖无人机技术，分六章介绍了无人机的组成、操作、技术进步以及影响其运行的法律方面。第二部分包含两章，涵盖了与反无人机系统相关的操作和技术方面。第三部分有两章，总结了当前使用这些系统的经验教训，以及应如何规划这两种系统未来发展的启示。最后，最后一章对无人机和反无人机的主题进行了总结。

提纲

第一部分：无人机系统

1. 无人机的演进与分类
2. 无人机的组成部分
3. 无人机操作与应用
4. 无人机技术未来趋势
5. 无人机部署的经验教训
6. 国际无人机法律与伦理

第二部分：反无人机系统 7. 反无人机系统的必要性 8. 无人机压制技术

第三部分：经验启示 9. 反无人机系统的经验启示 10. 印度的路线图 11. 结论

联合能力集成与开发系统（JCIDS）的创立旨在彻底改革军事采办流程。理想情况下，需求开发过程从概念到制造总计需要2-4年。然而，概念开发的实际周期要长得多。其结果是，通过分析流程概念化的技术往往过晚进入采办阶段，无法满足作战人员的即时需求。为缩短冗长的需求开发时间线，利用大语言模型（LLM）进行了必要的研究，并合成了严格遵循JCIDS指南的文档。提示工程可以作为概念验证实现这些结果。然而，其输出响应的内容长度和深度不足，难以通过需求验证流程。因此，需要结合智能体工作流、提示工程和充分的上下文信息，才能达成预期成果。本项目采用了一种新颖的框架来生成能力基线评估（CBA）文件，其完备度可达约80%，最后一步需要由领域专家进行验证和确认。

2026 年 Agentic AI 工程师完全指南：一份系统化的学习路线图

随着大型语言模型从简单的对话工具演变为能够自主调用工具、检索知识、执行多步骤任务的“智能体”（Agent），一个全新的工程领域——Agentic AI 工程——正在迅速崛起。企业不再仅仅需要一个会聊天的模型，而是需要能够可靠地完成复杂业务任务的智能系统。

本文基于 Lamhot Siagian 博士撰写的 《Complete Roadmap to Become an Agentic AI Engineer in 2026》 ，为想要进入这一领域的开发者梳理一条清晰、可执行的学习与实践路径。这份路线图不仅涵盖了从 Python 基础到生产部署的完整技术栈，更提供了大量实用的面试问答和工程心法。

路线图核心理念：基础先行，逐步强化

这份路线图强调“基础优先”的顺序：先掌握核心编程与 LLM 概念，再学习框架，接着深入高级智能体架构，最后落脚于生产环境部署。 作者提出的学习闭环非常值得借鉴：针对每个主题，先阅读问题，用自己的话重写答案，然后至少实现一个小型项目，最后记录下每一次失败与修复过程——这些真实的踩坑经历，恰恰是面试官最想听到的内容。

第一阶段：Python 工程基础——智能体的骨骼

为什么 Python 是 Agentic AI 的默认语言？不仅因为其丰富的生态（FastAPI、Pydantic、异步支持），更因为它能让你快速将原型固化为可测试、可维护的生产系统。 关键能力要点：

项目结构分层：将入口、领域逻辑、智能体图、工具封装、RAG 模块、评估模块清晰分离，避免“意大利面条式”代码。 * 类型与验证：善用 Pydantic 定义工具输入输出 Schema，这是防止模型产生幻觉参数的第一道防线。 * 同步与异步选择：网络密集型工具调用适合 async，CPU 密集型嵌入计算则需考虑后台任务队列。 * 配置管理与可复现性：使用 uv/poetry 锁定依赖，通过环境变量管理密钥，这是生产环境稳定的基石。

第二阶段：LLM 基础——理解你的“大脑”

在进入炫酷的框架之前，必须深刻理解大模型的工作原理、局限与风险。 * Token 与上下文预算：Token 不仅是计费单位，更是决定记忆、检索和指令能装下多少内容的硬约束。优秀的工程师必须学会做“上下文预算”。 * 函数调用：这是智能体区别于普通聊天机器人的核心机制，让模型输出结构化的操作指令而非自由文本，从而安全地连接现实世界。 * 提示工程是接口设计：好的提示定义了角色、约束、输出格式和工具使用策略，需要像代码一样版本化并测试。 * 幻觉与注入防范：在 RAG 和工具调用场景中，必须将检索内容视为“不可信数据源”，通过强制引用、Schema 验证和策略层来降低风险。

第三阶段：框架选择——工具是仆从，架构才是主人

面对 LangChain/LangGraph、CrewAI、AutoGen 等琳琅满目的框架，如何选择？ * LangGraph 的生产级优势：它将智能体行为建模为显式的状态图（节点、边、条件分支），极大提升了长流程任务的可观测性、可恢复性与可控性，避免了对话死循环。 * 警惕框架反模式：最危险的陷阱是复制粘贴 Demo 代码，误把框架当作架构。核心架构是你定义的状态模型、工具边界和安全规则。 * 抽象与防锁定：将 LLM 和向量库调用封装在接口层内，保持业务逻辑的独立性，以便未来平滑替换底层技术栈。

第四阶段：高级概念与记忆管理

当智能体开始处理跨天、跨会话的复杂任务时，基础链条就不够用了。 * LCEL 与可运行单元：通过声明式管道组合组件，使代码更模块化、可测试。 * 多智能体 vs 单智能体+工具：引入规划者、检索者、执行者、评论者角色分工，能提升专业性，但也会增加协调开销。只在任务确实需要分解时才走向多智能体。 * 记忆的分层设计：

短期记忆：对话窗口内的即时上下文。 * 长期记忆：外部向量库中的用户偏好、历史摘要。 * 检查点：保存工作流中间状态，是实现长时间运行任务恢复与人机协同的关键基础设施。

第五阶段：工具集成与 RAG 系统——连接世界的感官

智能体友好型工具设计：工具应当命名清晰、目的单一、输入输出结构化、失败快速。对于有副作用的操作（发邮件、下单），必须设置确认闸门与权限检查。 * RAG 的实用主义：

分块策略：300-800 Token 的语义分块配合 10-20% 的重叠是常见起点，但必须通过评估不断调优。 * 混合检索：结合密集向量（语义）与稀疏检索（关键词 BM25），并通过重排序模型提升最终精度。 * 元数据过滤：这是企业级 RAG 的生命线，防止跨租户数据泄露，必须由代码强制执行而非依赖模型自觉。

第六阶段：真实项目构建与生产落地

一个能在本地跑通的脚本距离生产级应用还有巨大的鸿沟。路线图推荐的标准技术栈为： * 后端 API：FastAPI（异步、自动文档、强类型校验）。 * 前端演示：Streamlit（快速构建聊天界面与调试面板）。 * 容器化：Docker（非 root 用户、固定依赖、健康检查）。 * 云部署：AWS ECS/Fargate 配合 RDS/向量数据库。 * 可观测性三件套：结构化日志、分布式追踪、关键指标监控。必须具备通过 Trace ID 复现单次运行结果的能力。

2026 年学习检查清单与面试锦囊

这份路线图最后给出了一个精炼的 10 步学习清单： 1. Python 根基：类型、API、异步、测试。 1. LLM 通识：Token、上下文、提示、工具调用。 1. 框架启蒙：从简入繁，再迁移至图式工作流。 1. 高阶工程：组合、重试、降级、校验。 1. 记忆体系：摘要 + 向量检索 + 检查点。 1. 工具工程：Schema、安全闸门、观测。 1. RAG 实战：分块、混合检索、重排序、评估。 1. 智能体协作：ReAct、监督者模式、协议。 1. 全栈项目：FastAPI + UI + Docker + 云 + CI/CD + 评估。

给面试者的特别建议：带上 2-3 个具体的实战项目（哪怕规模不大），准备好讲述一个你亲手调试过的失败案例——比如检索噪音过大、工具调用超时、Schema 解析异常——并清晰地说明你是如何分析、定位并最终修复它的。这种解决真实问题的能力，正是区分熟练工与工程师的关键所在。

本合集围绕关键主题组织：人工智能（AI）、互操作性以及其他许多技术进步，同时也涵盖了同样重要的社会与人文方面。在每个主题内，文章按时间顺序排列。每篇文章都包含摘要、结论和关键词，这些内容直接取自原文。

合集标题

人工智能与指挥控制

1. 分析提升的态势感知对指挥控制系统决策效能的影响
2. 人工智能对指挥控制的加速及其对欧洲陆军的影响
3. 人工智能与机器人自主系统等新兴技术将如何影响陆地作战的指挥控制
4. 人工智能不会取代将军：算法、决策与战场指挥
5. 指挥控制中的人工智能
6. 通过人工智能驱动数据管理实现任务式指挥的非对称优势
7. 人工智能将如何重塑未来战争中的四种关键竞争 第四章：集中式与分布式指挥控制

北约与互操作性 8. 跨国任务式指挥：在北约从理论到实践 9. 危机期间盟国间的云互操作性

多域作战 10. 与伙伴及盟友嵌入并赋能多域作战能力：一项联合概念提案 11. 驾驭现代环境的不确定性：小国防御的多域作战 12. 一种计算机辅助的多域作战兵棋推演概念 13. 联合能力概念说明 1/25：发展指挥控制

人为因素

14. 未来指挥控制的“新”挑战：指挥人机协作
15. 数字时代的适应性军事领导力
16. 从战场到课堂：运用军事设计思维加强军官多域作战训练

其他

17. 为获得决定性空中力量而演进的指挥控制
18. 具有中国特色的任务式指挥？

I. 执行摘要

多年来的准备与合作，美国、以色列和阿拉伯国家的防空系统在当前冲突中拦截了超过90%的伊朗导弹和无人机。战前向战区刻意增派的美国末段高空区域防御系统（THAAD）、“爱国者”系统、航母打击群和200架战斗机，极大地增强了现有的分层防御体系，使该架构能够承受住伊朗的初期火力齐射。美国和以色列的进攻性打击已大幅削弱了伊朗发射弹道导弹和无人机的能力，而互联的预警系统和共享的传感器覆盖使美国的十几个伙伴能够协同作战，挫败伊朗的投射武器。

然而，伊朗是带着瓦解这一防空架构的计划进入这场冲突的。该计划早期已取得成效并持续产生影响。对主要雷达系统及其与拦截弹部队通信链路的攻击，已经侵蚀了有效防空所必需的探测和预警网络。无人机是伊朗最廉价、最充足的投射武器，经常借鉴乌克兰战争中的俄罗斯战术创新，与导弹相比，已被证明远更难探测和击落，并造成了超过两倍的命中次数。配备集束弹药的弹道导弹构成了伊朗对以色列发射导弹的一半以上，即使在导弹本身被拦截的情况下，其造成的损害也分散在广阔区域。规模较小但更频繁的伊朗火力齐射，使平民持续处于警戒状态，尽管弹道导弹火力已有所下降。伊朗对海湾能源基础设施和航运的持续攻击，推动油价急剧上涨，并实质上关闭了霍尔木兹海峡，带来了高拦截率本身无法阻止的经济代价。

尽管美国防空系统表现良好，但防御架构已显露出恶化迹象。据报道，海湾国家和以色列均已警告，其拦截弹库存正接近临界水平。与此同时，分散的国家防空库存以及伊朗对雷达和传感器造成的破坏，正在削弱地区防空架构维持有效作战的能力。美国在中东以外的盟友提供的防空支援仅增加了有限的能力，而且速度太慢，无法解决核心的短缺问题。

美国正在采取行动，拟在防御架构进一步恶化之前，应对上述每一个压力点。华盛顿将重新部署资产，投向压力最大的要点，优先考虑反无人机防御，通过部署老式点防御系统实现，从其他战区转移拦截弹库存，清除采购和部署障碍，这些障碍阻止了有效系统投入战斗，加强对伊朗东部发射器的进攻性打击，投入更多的海军和空中资产在霍尔木兹海峡为航运护航，并将战时临时发挥重要作用的地区协调机制正式化。从长期来看，美国应寻求与中东伙伴进行国防工业合作生产，以扩大可用于补充当前冲突消耗的拦截弹和弹药的工业产能。

I. 执行摘要

II. 防空成功的关键原因

A. 历时多年打造的全区防空体系

B. 战前大规模美军集结至关重要

C. 分散火力实现了防御责任分担

D. 美国和以色列的打击迅速削弱了伊朗的进攻

E. 战略纵深有助于以色列的防御

F. 分层防御能够应对多种威胁

III. 伊朗火力对防空体系构成压力

A. 探测与跟踪：伊朗试图致盲传感器层

B. 战场地理：狭小拥挤的空域限制了交战

C. 拦截：没有完美的防御，伊朗战术带来复杂挑战

IV. 战争下一阶段的战略挑战

A. 近期的库存竞赛

B. 平民承受的心理损耗

C. 市场低迷带来国内和国际压力

D. 长期持续保障的挑战

E. 美国欧洲盟友的支持不足

V. 建议

A. 扩展并保护传感器层

B. 重新部署防空系统和雷达

C. 从其他战区及库存转移拦截弹

D. 推动美国盟友向海湾部署防空系统

E. 清除采购和部署的繁文缛节

F. 将拦截任务分配给最优可用系统，而非距离最近的所属国系统

G. 为地区伙伴的拦截弹库存提供后援

H. 优先安排无人机猎杀架次

I. 使防空优先事项与进攻行动保持一致

J. 探索在霍尔木兹海峡为油轮护航

K. 正式确立长期的中东一体化防空反导（IAMD）体系

L. 扩大与中东伙伴的国防工业基础合作

尾注

II. 防空成功的关键原因

伊朗的导弹和无人机未能持续穿透整个地区的防御体系。美国主导的地区协调、对伊朗发射器的进攻性打击、伊朗火力的分散以及以色列的地理优势相结合，共同促成了界定战争最初几周的高拦截率。

A. 历时多年打造的全区防空体系

多年来在美国中央司令部（CENTCOM）主导下的努力，通过连接预警系统、传感器覆盖以及针对伊朗威胁的综合防空反导（IAMD）防御规划，改善了地区伙伴间的协调。正如中央司令部司令布拉德·库珀海军上将在3月21日的简报会中所指出的，美国及其伙伴“目前已在（美国）中东地区建立了世界上最广泛的防空保护伞。这要归功于多年来与我们的盟友和伙伴共同投资，构建了一个强大、综合的防空反导架构。十多年来，关于中东防空理念的著作已有不少。今天，它已成为现实并运行良好。”当伊朗开始大量发射导弹和无人机时，这些准备工作对于帮助各国更早探测威胁并更有效地协调应对变得至关重要。

以色列于2021年转入中央司令部责任区——这是JINSA自2018年以来率先提出的建议——使这种合作成为可能。将以色列从欧洲司令部（EUCOM）转入中央司令部，首次将以色列和阿拉伯伙伴置于同一美国指挥架构之下，从而允许美国主导针对伊朗威胁的地区规划、演习和作战协调。随着时间的推移，这改善了预警协调，使各国更容易共享关于穿越地区空域的导弹和无人机信息。

正如JINSA关于2024年和2025年战争的报告所详述的，伊朗的每一次直接攻击都展示了中东地区综合防空反导体系的作战价值。2024年4月，伊朗无人机和导弹飞越地区空域袭击以色列，促成了协调预警和拦截，包括约旦击落经过其领空的无人机。2024年10月和2025年6月的攻击更依赖于弹道导弹，并要求美军和以色列之间持续协调以维持预警覆盖和拦截来袭威胁。这些事件表明，在中央司令部领导下建立的地区协调，使伙伴们能够在伊朗攻击跨越多个国家时更有效地做出反应。中央司令部通过在2026年1月在阿尔乌代德空军基地设立防空联合防御作战单元，以及将美国军官嵌入海湾伙伴的指挥控制中心，深化了这种协调，从而改善了美国与东道国防空系统之间的实时信息共享和联合交战决策。

当前的冲突突显了多种战斗机、导弹防御舰艇和地面系统混合编组的益处，以便在任何一个国家或防御层都无法单独覆盖的广阔战区维持拦截率。美国和阿拉伯防空系统的广泛协调，使得能够同时覆盖多个国家，而不是让每个国家独自承受火力齐射。海湾国家和美军在阿联酋、科威特、巴林和卡塔尔的主要基地和港口周围部署了爱国者系统，并用数量较少的末段高空区域防御系统覆盖价值最高的区域。美国的“宙斯盾”导弹驱逐舰（DDG）从阿曼湾、阿拉伯海、红海和东地中海增加了防空反导覆盖。美国和伙伴的战斗机也执行防御性空中战斗巡逻，并攻击地面系统不太适合在远距离和低空对付的伊朗无人机和巡航导弹。

B. 战前大规模美军集结至关重要

战争开始前数周，美国刻意向战区增派的防空反导资产，直接促成了远超没有这些增援部队时可能的成功防御表现。五角大楼在行动前向约旦、科威特、巴林、沙特阿拉伯和卡塔尔增派了末段高空区域防御系统和爱国者系统，在受伊朗火力威胁最大的基地和港口部署了高低层防御。这种预先部署创造了分层架构，吸收了伊朗的初期齐射火力，并为进攻性打击降低发射频率赢得了时间，避免了拦截弹库存面临严重压力。两个航母打击群和200架战斗机也已部署在战区，为防空架构提供了进攻性打击能力，可以在伊朗武器发射前实施打击，并对无人机进行空对空作战。

C. 分散火力实现了防御责任分担

与2024年和2025年针对以色列的攻击不同，在当前冲突中，伊朗分散了其火力，向超过十二个国家发射了大约5,400枚投射武器——约1,560枚弹道导弹、3,770架无人机和28枚巡航导弹。伊朗火力的分散造成了广泛影响，但降低了火力密度，使其无法对一个国家保持足够的压力来持续压倒防御或完全耗尽拦截弹。

伊朗初期分散火力可能是由于其战前计划采用分散指挥控制的“马赛克”学说，将决策权下放给低级指挥官。随着以色列在“12天战争”和当前冲突的开始阶段消灭了其高层领导，伊朗的做法本意是授予地区空军指挥官对预定目标开火的权力，目的是将火力分散到整个地区。然而，伊朗也在整个战争期间转移了其火力重点，例如在以色列袭击南帕尔斯天然气田后对能源目标进行报复性打击，这表明随着战争的进行，开火决策权可能出现了更大的重新集中。

D. 美国和以色列的打击迅速削弱了伊朗的进攻

对伊朗导弹部队的进攻性打击迅速减少了伊朗的火力，并通过缩小每波导弹的数量使防空作战变得更容易。伊朗在战争第一天发射了超过430枚弹道导弹，但在第二周平均每天不到30枚，下降了超过90%。针对以色列的中程弹道导弹发射量从第一天的73枚，降至3月10日以来大多数波次中的个位数。美国和以色列部队通过打击发射器以及使其能够机动和发射的人员和保障装备，实现了这种削减。以色列官员称，截至3月3日伊朗约有300个导弹发射器，到3月11日减少到160个，这严重削弱了伊朗维持火力齐射的能力。

E. 战略纵深有助于以色列的防御

与海湾国家相比，以色列与伊朗的距离为其拦截导弹和无人机提供了更长的预警时间，其防御也证明比海湾伙伴更具弹性。以色列通过全国范围的预警、避难所和演练程序，将主动防御与被动防护相结合，从而在残骸坠落或少数导弹穿透其主动防御时减少了伤亡和破坏。以色列强大的防御能力也使美国在中东的资产能够更好地支援承受更重弹道压力的海湾伙伴。

F. 分层防御能够应对多种威胁

整个地区的高拦截率反映了多个防御层次同时交战威胁的综合效果，而非任何单一系统的性能。以色列和海湾伙伴都能维持有效防御，是因为他们动用了全部纵深的防空系统来应对伊朗火力的数量和多样性，弹道导弹防御、中程、短程和点防御系统齐射。因此，以色列、阿拉伯国家和美军已击落了超过90%的伊朗弹道导弹，并使关键军事场所在受攻击下保持运作。

以色列部署了世界上最强大的分层防空架构，“箭-3”和“箭-2”分别拦截大气层外和大气层内的弹道导弹，“大卫投石索”覆盖中层，“铁穹”防御近程威胁。以色列持续改进这些系统，升级“铁穹”以作为对抗穿透上层防御的弹道导弹的最后一道防线，并推动“大卫投石索”在其原始额定射程外拦截中程弹道导弹。以色列针对同一来袭威胁，从不同层次进行多次拦截尝试，提高了拦截概率，但也加速了架构每一层的库存消耗。

海湾防空系统保持高拦截率，是因为多种系统在各个可用层次上同时交战威胁。伊朗向海湾国家发射了超过3,000架无人机和约1,000枚弹道导弹，迫使防御方动用其全部库存，而非依赖任何单一系统。这些国家拥有能够交战弹道导弹的爱国者PAC-3和末段高空区域防御系统，而爱国者GEM-T、“铠甲”、NASAMS和“巴拉克-8”系统能够击落无人机和巡航导弹。战斗机增加了额外一层，在距离目标更远处发射空对空导弹或使用机炮攻击无人机。

III. 伊朗火力对防空体系构成压力

伊朗的攻击已对防御架构的每个组成部分施加了不断上升的代价，而不仅仅是杀伤链末端的拦截弹。防空成功取决于几个相互关联的要素，包括探测和跟踪来袭威胁的传感器、可行的作战空间、在远离目标处拦截威胁的能力，以及足以维持作战的拦截弹库存。

伊朗是带着刻意计划进入这场战争的，目的是通过攻击其防空架构的每个要素来削弱美国和伙伴的能力。伊朗的打击目标是向高层拦截弹提供跟踪数据的特定雷达，暴露了该架构所围绕的弹道导弹防御层的缺口，并摧毁了美国库存中一些能力最强、最昂贵的传感器。

A. 探测与跟踪：伊朗试图致盲传感器层

伊朗的打击已损坏了七个美国军事地点的雷达和通信基础设施，这是一场更广泛行动的一部分，该行动已打击了美国在该地区至少十七个基地和设施。伊朗打击造成的传感器层缺口削弱了整个防空架构的效能。

伊朗的目标是使防空资产能够探测、发现和跟踪导弹与无人机的雷达、雷达天线罩、卫星天线和通信网络。海湾地区的传感器和通信网络不仅为附近国家提供预警，也为针对以色列的威胁提供预警。伊朗打击了卡塔尔阿尔乌代德空军基地的价值约11亿美元的AN/FPS-132预警雷达，降低了远程探测弹道导弹的能力。伊朗还在战争初期打击了约旦穆瓦法克·萨尔提空军基地的美国AN/TPY-2雷达，并打击了阿联酋一个与导弹防御相关的雷达基地。伊朗之所以能够打击其中几个雷达阵地，可能是因为为高空空中监视而建造的传感器无法可靠探测持续低空飞行的伊朗“沙希德”无人机。伊朗还对多个地点进行了不止一次打击，表明伊朗优先考虑这些目标以削弱传感器和通信层，而非机会主义地打击方便的目标。

这些攻击暴露了传感器层是地区防空架构中最脆弱的组成部分。向爱国者、末段高空区域防御系统和宙斯盾驱逐舰提供跟踪数据的雷达和通信网络数量仍然很少、价格昂贵、替换缓慢，并且几乎没有机动性。摧毁或削弱即使其中少数几个也会削弱整个防御网络，因为探测延迟导致响应时间减少，跟踪质量下降则可能需要为每个威胁发射更多弹药，或导致完全脱靶。美国在海湾的几个基地已遭受重大破坏，美国防空部队现在还必须专注于充分保卫这些设施，以为更多资产和维修团队进入战区创造条件。

B. 战场地理：狭小拥挤的空域限制了交战

地理条件使得保卫海湾地区比2024年和2025年美国与以色列面对伊朗时要困难得多。大多数海湾基地、港口和城市距离伊朗发射区仅很短的距离，这减少了防御方探测、跟踪和交战来袭威胁的时间。伊朗射向科威特、巴林、卡塔尔或阿联酋的弹道导弹可在三到十分钟内到达目标，这仅仅是弹道导弹到达以色列所需的十二到十五分钟（本身已很短）的一部分。

当前冲突中的多国防空作战改善了整个地区的协调，但在与众多国家共同防御时，仍然造成了重大的作战风险。美国、以色列和海湾部队在拥挤的空域防御导弹和无人机，那里有友方飞机、拦截弹和来袭威胁同时运动。这些风险在3月1日变成了现实，当时科威特防空系统在伊朗攻击期间击落了三架美国F-15E“攻击鹰”战斗机。此次误击发生在伊朗火力最猛烈的时期，当时防御方正在跟踪来袭威胁，而美国飞机在科威特的主要基地和交战区附近活动，这显示了当多个国家在同一个拥挤的战区操作防空系统和飞机时，协调可能多么迅速地崩溃。

C. 拦截：没有完美的防御，伊朗战术带来复杂挑战

即使拦截率很高，任何一枚导弹或无人机命中都可能造成毁灭性影响。五角大楼的一项评估认为，对巴林美国海军第五舰队总部的单次打击造成的损失约为2亿美元，这说明即使其大部分武器被拦截，伊朗仍可造成巨大的基础设施代价。大型战斗部使得每次命中都可能具有毁灭性，正如3月1日对贝特谢梅什的打击所表明的那样，一枚导弹在居民区造成九人死亡。3月21日，近200名以色列人在迪莫纳和阿拉德受伤，当时以色列防空系统多次尝试拦截两枚配备大型常规战斗部的伊朗弹道导弹失败，导致其对南部城市造成直接撞击。

事实证明，伊朗对海湾航运的攻击甚至比陆上目标更难阻止，已知有26枚射向海湾和霍尔木兹海峡船只的投射武器中有14枚命中目标。特别是，几种伊朗武器对拦截构成了独特的挑战。无人机逃脱拦截的比率高于弹道导弹，而配备集束弹药的弹道导弹需要更早的拦截，否则即使拦截成功也可能造成损害。伊朗一直使用这两种武器持续打击目标，即使是面对其他方面表现优异的防空系统。

i. 伊朗最廉价、最不先进的武器命中目标最多

就成功命中的次数而言，无人机在这场冲突中的表现超过了伊朗所有其他武器。与2024年4月伊朗攻击以色列时不同，伊朗持续的无人机作战也针对比以色列更靠近其边境的海湾国家。伊朗使用其成本约5万至7万美元的“沙希德”无人机，比其价格在数十万到数百万美元不等的弹道导弹造成了更频繁的破坏。无人机在整个冲突中造成了超过190次命中，是超过111次弹道导弹命中的1.75倍，成功打击了美国基地、海湾能源基础设施、航运和平民目标。

无人机避免了使弹道导弹在地面易受打击的弱点。自战争第一天以来伊朗发射频率的下降反映了弹道导弹发射器的损耗，但同样的逻辑并不适用于无人机。弹道导弹依赖于大型运输-起竖-发射车、专用人员和可探测的准备特征。无人机则没有这些限制。一架“沙希德-136”重约200公斤，从安装在皮卡上的倾斜导轨发射，之后其人员可以迅速转移。这种更简单的发射剖面使其更容易被伊朗分散、隐藏并在压力下发射。

伊朗还融入了在乌克兰冲突中观察到的战术创新。伊朗部队已部署了不受电子战干扰影响的光纤制导无人机、用于精确打击点目标的第一人称视角无人机，以及飞行高度低于现有反无人机雷达探测下限的无人机。一些伊朗无人机现在使用喷气发动机，使其速度明显快于早期的“沙希德”改型，使防御方的拦截时间线复杂化。挫败这些不断演变的威胁需要跨职能团队，整合电子战、动能拦截和目视探测，而不是依赖任何单一的反无人机系统。

ii. 集束弹药需要更早的拦截

伊朗越来越多地依赖携带集束战斗部的弹道导弹，这些导弹在高空释放24至80枚子弹药，并将其散布在数英里范围内，这是一种违反国际法的滥杀滥伤战术。以色列国防军评估，在这场战争中发射的伊朗导弹有一半以上携带集束战斗部，而在“12天战争”期间已知只有三次使用记录。个别子弹药无法穿透加固掩体，但它们已摧毁了部分居民楼，损坏了车辆，并将残骸散布在社区各处，而更广的散布模式增加了弹着点数量，增加了平民和暴露基础设施被击中的可能性。

即使拦截成功也不能保证子弹药被阻止。拦截弹必须在携带集束弹药的弹道导弹再入地球大气层之前将其摧毁，否则它们要么会散布子弹药，要么甚至在撞击时也可能释放子弹药。这一要求可能迫使以色列动用更多能够进行大气层外拦截的“箭-3”拦截弹，或冒险使用“箭-2”、“大卫投石索”和“铁穹”系统在大气层内摧毁威胁，从而冒着子弹药释放的风险。据报道，以色列官员在3月19日承认，以色列国防军选择不击落一些集束子弹药以节省拦截弹，因为这些小炸弹造成的风险小于大型战斗部。事实上，该地区唯一能够进行大气层外拦截的防空系统是美国的SM-3和以色列的“箭-3”，这限制了两国可用于在最佳高度摧毁集束弹药的拦截弹种类。自战争开始以来，在以色列因伊朗导弹火力死亡的二十四名平民中，有九人死于集束弹药，尽管没有人按照以色列安全规程要求待在避难所内。

在集束弹药散开前进行拦截的挑战，加上以色列决定不拦截所有集束弹药，导致导弹对以色列领土的命中率急剧上升。伊朗有充分的动机将其在集束弹药上的成功以及以色列对其拦截弹库存的任何配给，都视为其战术有效的证明，并会加倍使用。在战争的前两周，只有3%射向以色列的弹道导弹击中了人口稠密区，但从3月13日到22日，对以色列的平均命中率上升到约27%，这主要是由针对以色列的集束弹药打击所驱动。

IV. 战争下一阶段的战略挑战

美国和以色列的打击已大幅削弱了伊朗发射弹道导弹的能力，但几个结构性挑战将在冲突的剩余时间内持续存在。伊朗可以持续对以色列、海湾能源基础设施、航运和军事目标进行小型、频繁的攻击，并且没有防空系统能够拦截每一个来袭威胁。伊朗所依赖的武器，特别是无人机，其成本仅为拦截它们所需拦截弹的几分之一，而防御方已经消耗的库存无法以战时的速度得到补充，这意味着这场冲突持续越久，维持目前取得的防御成效就越困难。

A. 近期的库存竞赛

没有防空架构能阻止每一个来袭威胁，但防空系统必须坚持足够长的时间，以保全更广泛的战役，并防止伊朗拖垮该地区的防御。这要求美国和以色列的进攻性火力，要么在拦截弹消耗过低之前耗尽伊朗的导弹和无人机，要么在防御架构恶化之前通过进攻性打击摧毁足够多的伊朗库存。

尽管美国和伙伴的系统在整个冲突中表现良好，但美国并没有足够的防空系统和拦截弹来长期维持整个地区的防御。分散的国家库存意味着，即使有拦截弹闲置在战区的其他地方，库存较小的国家也可能很快耗尽。防空理论通常包括对单个来袭威胁发射多枚拦截弹，特别是针对携带大型、破坏性有效载荷的弹道导弹，这意味着拦截弹的消耗速度比导弹或无人机的消耗更快。据报道，海湾国家警告美国官员，其导弹拦截弹库存已几乎耗尽。根据JINSA对各战前库存和潜在拦截弹使用情况的分析，沙特阿拉伯可能只消耗了其各种拦截弹的大约10%，但阿联酋和科威特可能已经消耗了其爱国者库存的大约75%。基于此评估，巴林可能已消耗了其爱国者库存的87%，而卡塔尔已使用了大约40%。实际的消耗率会因美国对拦截努力的贡献程度、以及基本库存估计和作战报告的准确性等因素而异。

为了强调广泛的防空能力消耗的紧迫性和快速性，卡塔尔已使用了大约40%。实际的消耗率会因美国对拦截努力的贡献程度、以及基本库存估计和作战报告的准确性等因素而异。批准了超过160亿美元的紧急军售，向阿联酋、科威特和约旦提供。然而，每批交付需要多长时间仍不清楚。3月19日，美国通过所谓的“紧急需要确定”，批准了向阿联酋、科威特和约旦提供超过160亿美元的紧急军售，包括为科威特提供爱国者雷达，为阿联酋提供21亿美元的反无人机系统，以及12.2亿美元的先进空对空导弹。但美国官员表示，他们预计以色列的弹道导弹拦截弹存在短缺，这种情况已持续数月，但以色列官员对此予以否认。在该报道发布数小时后，以色列政府批准了26亿新谢克尔的紧急国防采购，这表明短缺严重到足以触发非常规的财政响应。以色列决定不射击所有携带集束弹药的来袭弹道导弹，也表明了需要配给拦截弹。

B. 平民承受的心理损耗

随着美国和以色列的打击削弱了伊朗的弹道导弹发射器能力，阻止了其通过大规模齐射压倒防空系统，并且无法对阻止以军进一步行动的以色列军事地点进行攻击，伊朗转而采用更频繁、但规模更小的齐射，特别是针对以色列，这是其在“12天战争”期间，在用大规模齐射攻击以色列军事地点的尝试失败后，也曾采用过的适应策略。这种对平民居住中心的无差别打击引发了持续警报，缩短了攻击间隔时间，同时降低了总体杀伤力，以持续效应换取持久效应，来消磨日常生活。配备集束弹药的战斗部通过增加子弹药或残骸落入人口稠密区的可能性，加剧了这些干扰。

C. 市场低迷带来国内和国际压力

防空成功并不能消除海湾地区攻击造成的经济混乱。能源市场和航运网络依赖于船只和船员能够安全通过霍尔木兹海峡的信心，霍尔木兹海峡是世界上最重要的能源出口运输通道，全球约五分之一的石油供应每日经过此地。即使攻击有限或失败，以及它们引发的额外打击的感知风险，也可能破坏这种信心并减缓商业活动。

伊朗越来越多地将其无人机攻击指向能源和海上目标，以抬高石油成本，并向海湾国家政府施压，要求结束战争。在战争的头十天，伊朗平均每天对沙特阿拉伯发射大约六架无人机，但在3月10日至16日期间，这一比率跃升至每天大约29架，集中在油田和出口基础设施。伊朗无人机和导弹打击了海湾各地的炼油厂、燃料储存设施、港口设施、发电站和一个海上钻井平台，迫使关闭并扰乱出口计划，即使损害有限。对海湾和霍尔木兹海峡船只的投射武器攻击有效地阻止了通过该水道的运输。布伦特原油现货价格已多次突破每桶100美元，为2022年以来首次，因为交易员将海湾出口持续中断的可能性计入了价格。伊朗剩余的大量无人机库存使其能够以低成本维持这一行动，即使其弹道导弹能力下降。

美国和海湾国家目前在海湾缺乏足够的防空力量来抵御伊朗对航运的攻击，以缓解市场动荡，使得伊朗能够利用无人机和导弹有效关闭水道。爱国者和末段高空区域防御系统可以帮助保卫港口、基地和一些高价值沿海基础设施，但它们无法消除所有威胁，也无法为海湾地区的每一艘商船提供持续保护。虽然宙斯盾驱逐舰可以保护附近船只，并有助于保卫航道，但它们无法为海湾的所有商业航运提供持续保护，特别是考虑到当前美国在霍尔木兹海峡外的部署态势。

D. 长期持续保障的挑战

除了眼前的问题，美国还必须考虑其更广泛的持续保障挑战。伊朗无人机火力的大量消耗速度，可能是该架构无法承受的。如果防御架构退化到一定程度，其迄今为止所承受的国内和国际压力，将在美国能够消除伊朗攻击能力之前，迫使进攻行动终止。美国还必须维持一支具有全球到达能力的部队。即使联盟能够进行近期的拦截弹转移和配给，更长远的挑战仍然是，美国的产能、维修能力和全球部署态势并非为维持高强度地区防空战而建立，除非接受其他战区日益增长的风险。

本届美国政府寻求扩大防空拦截弹生产，但国防工业无法在战时时间表上做到这一点，而且迄今为止的努力仍不足以快速补充库存，更不用说超越先前不充足的基线水平。2026年1月，在战争开始前数周，国防部与洛克希德·马丁公司签署了框架协议，将PAC-3 MSE的年产量从620枚增加到2,000枚，并将末段高空区域防御系统的年产量从96枚增加到400枚，两者都需要超过七年的爬坡计划，直到21世纪30年代初才能达到满负荷生产。然而，国会尚未为这两项协议提供全额资金。美国国防工业生产线无法快速为美国、海湾国家和已有的盟国订单供应防空系统，造成了全球性的持续保障挑战。在这场战争中使用的每一枚拦截弹，都增加了已是数年长的补充积压。

严重的拦截弹耗竭造成了现在必须继续攻击伊朗的压力，而不是像“12天战争”后那样允许德黑兰重建。如果伊朗在盟国防务尚未恢复时重整军备，下一轮冲突将比这次更难生存。这就形成了一个循环，继续战争可能是为了防止未来出现更糟糕的库存失衡所必需的，即使长期作战现在仍在不断消耗防御力量。

然而，将资源和工业产能集中于在与伊朗的这场特定竞赛中获胜，可能会无意中损害针对其他对手的战备状态。通过优先考虑快速消耗伊朗能力，美国及其盟友可能过度延伸其国防供应链并耗尽储备，从而可能在未来对抗，特别是与大国对抗时，处于不利地位。为获得对伊朗优势，实际上可能会与其他战略竞争者形成更不利的库存竞赛，使跨多个战区的威慑和战备平衡复杂化。

E. 美国欧洲盟友的支持不足

美国的盟友已部署了防空资产，但其支持仍然过于有限，无法与威胁的规模相匹配。自2021年以来部署在沙特阿拉伯的一个希腊操作的爱国者系统，在3月19日拦截了两枚瞄准石油基础设施的伊朗导弹。战争开始以来，澳大利亚向阿联酋部署了约85名人员、AIM-120先进中程空对空导弹和一架E-7A“楔尾”预警机。意大利也表示可能向海湾国家发送包括能够摧毁弹道导弹的SAMP/T系统在内的防空系统。英国战斗机也已击落伊朗无人机，并且英国向地中海东部派遣了一艘装备“海毒蛇”防空导弹的驱逐舰。尽管美国的盟友受到战争引发的全球市场低迷的影响，但他们的贡献仅带来了轻微改善，并且过于迟缓，无法解决威胁可持续作战的主要问题。

V. 建议

防御架构至今得以维持，但除非华盛顿采取紧急行动扭转局势，否则冲突的发展轨迹将变得越来越成问题。美国必须从现有资产中，从中东内外，重新部署到压力最大的要点，特别是针对无人机；优先猎杀伊朗发射器和无人机；在波斯湾为船只组织护航以保护其免受伊朗攻击；并将战时临时发挥重要作用的地区协调机制正式化。

A. 扩展并保护传感器层

固定的地面雷达数量少、昂贵、替换缓慢且无法机动，伊朗的打击已经削弱了其中的数部。美国应获取更多的空中预警机。机载传感器可以重新部署、生存，并覆盖受损的固定雷达无法填补的缺口，扩展这种能力是在不等待固定雷达替换时间表的情况下，稳定探测层最可行的近期途径。

海军已向中东增派至少五架E-2D“先进鹰眼”，这是美国现役最强大的空中俯视雷达平台，特别适合探测陆基雷达难以跟踪的低空飞行无人机和巡航导弹。E-2D的AN/APY-9有源相控阵雷达能够比目前从苏丹王子空军基地支援作战的老旧E-3“哨兵”预警机更精确地分离出更小、更慢、更低空飞行的目标。美国应加快并扩大此次部署，尽可能多地在海湾地区部署E-2D用于陆基作战，以恢复伊朗对固定雷达的打击所削弱的低空探测覆盖。正如JINSA在战前所建议的，美国应将以色列的奥夫达空军基地视为比脆弱的海湾地点更具弹性的基地选项，并在其战前向以色列部署F-22和加油机的基础上，在那里部署更多的传感器飞机和防空资产。

B. 重新部署防空系统和雷达

中央司令部应根据防御表现以及伊朗攻击造成最大压力的区域，在地区内部重新部署防空系统和拦截弹。由于雷达稀缺，传感器覆盖可能也主要来自于重新部署有限的现有资产，并将其与空中预警机配对，以保持地区跟踪态势。随着伊朗在战争期间调整其攻击方向，美国也应重新调整其防御优先事项，将资源集中到面临最大威胁和防御能力被削弱的地区，特别是巴林和阿联酋，而不是卡塔尔和科威特。由于沙特阿拉伯拥有可观的自主弹道导弹防御能力，并且主要应对的是无人机威胁，美国应重点帮助其增强反无人机能力，同时将额外的弹道导弹防御资源重新分配给面临更大导弹风险的地区。

C. 从其他战区及库存转移拦截弹

国防部还应评估从其他作战司令部和美国大陆的设施转移拦截弹库存，以加强中央司令部不断消耗的库存。接受其他战区暂时的风险，要优于让中东的防御架构恶化到无法维持作战的程度。美国已向中东运送了10,000架“梅罗普斯”无人机，这些无人机曾帮助乌克兰击败俄罗斯发射的“沙希德”无人机。美国还应重新启用并部署老式点防御系统，如陆基“密集阵”武器系统、反火箭炮、迫击炮系统以及其他近程武器，这些系统可以为基地防御提供针对无人机和火箭弹的保护，而无需消耗弹道导弹防御所需的高端拦截弹。

D. 推动美国盟友向海湾部署防空系统

华盛顿应敦促拥有可用防空能力的盟国向该地区部署系统，并将其整合到中央司令部协调之下。希腊除了已部署到沙特阿拉伯的爱国者系统外，还有五个额外的爱国者系统，并且刚刚展示了通过使用爱国者系统击落伊朗导弹来加强防空的能力。英国拥有“天剑”陆基系统和额外的装备“海毒蛇”的驱逐舰。法国和意大利拥有SAMP/T系统。即使这些系统的一部分也将有助于减轻美国和阿拉伯伙伴库存的压力。

美国已经开始借鉴乌克兰的战斗经验，转向更廉价、生产更快速的反无人机系统，并应通过帮助海湾伙伴在遭受反复攻击的基地、港口、油轮码头和物流枢纽周围建立密集的拦截-无人机覆盖，进一步推动这一努力。乌克兰已向中东五国（包括卡塔尔、阿联酋、沙特阿拉伯、科威特和约旦）派遣了228名无人机防御专家，组成专门的单位，就如何应对并直接支持反制伊朗无人机攻击提供建议。海湾国家已寻求获取乌克兰的“毒刺”无人机，该无人机曾击败俄罗斯对其领土发射的“沙希德”无人机，而正在开发的“毒刺-2”将能够击败喷气式发动机驱动的“沙希德”无人机。

E. 清除采购和部署的繁文缛节

这场冲突应作为催化剂，清除多年来拖慢必要武器部署的采购和监管障碍。美国应加速从任何能够最快交付有效系统的来源采购，包括乌克兰，其在防御俄罗斯打击方面的经验已产生了反无人机解决方案，例如能够击败其他无人机的无人机，其速度超过了和平时期发展计划所达到的水平。国防部还应压缩成功测试与作战部署之间的时间线，将已证明能力的系统推出采购流程，交到战区部队手中。对于可用但需要在部署前重新认证的老式系统，国防部应加快审批速度。华盛顿还应积极促进合作伙伴从这些相同来源采购，清除拖慢美国对外军售的障碍。

F. 将拦截任务分配给最优可用系统，而非距离最近的所属国系统

中央司令部还应将整个地区的共享开火安排正式化，以便无论哪个国家成为目标，都可由最优拦截弹接战任何来袭威胁。除了连接传感器数据外，中央司令部协调防空系统，为任何威胁选择最佳可用拦截，将产生更高的拦截可能性，并降低威胁因最有效拦截弹恰好属于另一国家而穿透的风险。这种优化不仅应追求实现最高的可能拦截率，还应寻求解决库存挑战。为此，防空任务分配应考虑库存较大的海湾伙伴如何通过为防御库存更匮乏的邻国而进行更多拦截，来协助地区防御。

G. 为地区伙伴的拦截弹库存提供后援

为了既鼓励这种共享开火，又确保地区伙伴的拦截弹库存避免严重耗竭，美国应在承受巨大压力的伙伴库存点附近部署美国拦截弹，为其库存提供后援。中央司令部不应将美国和伙伴库存视为只是碰巧在同一战区运作的独立资源池，而应获得预先授权，在伙伴国家的库存达到临界水平之前，将美国拦截弹重新调拨给伙伴的防空系统，并辅以共享的物流节点，使美国库存能够快速在整个战区调动，无需逐案批准。

H. 优先安排无人机猎杀架次

反无人机防御是海湾地区最迫切的作战需求。美国战斗机行动应将更大比例的架次转向主动猎杀无人机，将“沙希德”视为空对空交战优先目标，而不是留给地区伙伴或陆基系统处理的问题。在海湾上空部署直升机可以为反无人机作战提供持续存在，因为它们能够低空慢速飞行。将舰艇重新部署到更靠近海湾海岸线的地方，也将为海军拦截弹在集束战斗部释放前，提供更高高度的交战窗口。

I. 使防空优先事项与进攻行动保持一致

仅靠防空无法恢复公众信心或稳定能源市场，而伊朗正通过对民用基础设施和航运的持续无人机和导弹施压，继续瞄准这两者。高拦截率并未阻止油价上涨、主要承运商暂停霍尔木兹海峡过境，或平民生活在近乎持续的警报之下。减轻这种压力需要摧毁伊朗的发射器，而不仅仅是拦截其发射的武器。美国应加强对伊朗东部的进攻性打击行动，以消除该政权从这些阵地发射其最远程导弹的能力。

J. 探索在霍尔木兹海峡为油轮护航

美国、欧洲盟友和海湾伙伴应建立一个联盟，在霍尔木兹海峡为航运护航，以稳定商业运输。“宙斯盾”驱逐舰和盟友的水面战斗舰应在这些过境期间提供导弹和无人机防御，而海上巡逻机和无人机则监视从阿巴斯港及附近港口出动的伊朗无人机艇和快速攻击艇。在波斯湾狭窄水域作战，使护航部队暴露于来自其海岸线和岛屿隐蔽阵地的伊朗攻击之下，包括反舰巡航导弹、快速攻击艇和水雷。缓解这些风险需要将护航行动与MQ-9无人机和海上巡逻机的持续高空监视相结合，以在伊朗沿海发射器和快艇开火前识别和跟踪它们；扫雷舰在船队前方清理过境通道；以及武装直升机进行近距离护航，在防区外距离拦截快速攻击艇。得到这些分层保护支持的可见护航行动，将减少不确定性，这种不确定性曾导致油轮在近海等待，并促使保险公司提高战争风险保费。

K. 正式确立长期的中东一体化防空反导体系

战争期间的地区防空作战突显了在中东推进更综合的防空反导架构的必要性。这些作战表明，当伙伴能够共享预警数据并跟踪整个战场上的威胁，而不仅仅是保卫自己领土时，地区防御的效果要好得多。美国应以此经验为基础，通过深化、正式整合以色列和海湾的预警雷达覆盖和防空平台，超越当前战争，在中央司令部领导下加强一体化防空反导体系。

L. 扩大与中东伙伴的国防工业基础合作

正如JINSA在其2025年9月关于国防工业基础的报告中所概述的那样，美国应寻求与以色列、沙特阿拉伯和阿联酋建立合作生产关系，以扩大可用于补充这场冲突所消耗的拦截弹和弹药的总体工业产能。仅靠美国的生产线无法满足美国和伙伴国家在同时尝试重建库存时的总需求，而中东伙伴拥有资本和雄心，可以帮助缩小这一差距。美国应简化对外军售流程，并改革出口管制限制，这些限制拖慢了采购速度，并打击了防务公司扩大生产的积极性。

软件定义网络（SDN）作为一种可编程的网络资源供给与管理方法，通过明确定义控制平面与数据转发平面的分离而兴起。如今，SDN在军事领域获得了广泛关注。其在战场通信中的应用促进了端到端的交互，并有助于利用边缘计算资源就近处理数据。然而，要充分发挥SDN在战术环境中的优势，仍需解决诸多与异构、动态、间歇性和采用多承载网络等数据包技术的系统间的安全性与互操作性相关的挑战。本章将明确分析这些挑战，并回顾当前在SDN使能的战术网络中的研究倡议。还根据所识别的挑战，提出了一种基于SDN的战术网络编排分类法，并将现有研究工作映射到该分类法中，旨在确定研究空白并指明未来方向。

关键词 软件定义网络 · 战术环境 · 战场通信 · 多承载网络

系统模型

为简化不同军用设备、战术网络和应用的集成，提出了一个分层的SDN框架，如图3所示。该框架由四个平面构成：应用平面、控制平面、转发平面和编排平面。具有不同服务质量与安全要求的应用程序位于应用平面。这些可以是直接与SDN控制器通信的SDN感知应用，也可以是仅通过网络发送数据的传统应用。控制平面由多个专用SDN控制器组成，这些控制器能够以对等方式或通过一个具备全局多网络视角的编排控制器进行通信。转发平面由网络节点组成，这些节点能够基于SDN控制器实现的路由策略转发数据包。最后，编排平面横跨所有层级，负责监控和聚合数据，并以有意义的方式利用这些数据，在控制器管理、服务弹性、互操作性和策略执行方面支持高效的网络编排。根据所提出的系统模型，编排平面的策略驱动管理对于增强SDN使能的战术网络在支持多样化物理与逻辑网络组件及军事应用方面的能力至关重要。现有文献中，为满足此需求，已开发了多种SDN编排策略。图4描绘了关于SDN编排不同方面的分类法，特别是从战术网络的角度。在接下来的第3至7节中，将提供该分类法的详细描述及其与现有文献的映射关系。

工具调用赋予了大语言模型（LLMs）获取外部信息、调用软件系统以及在数字环境中执行任务的能力，突破了模型仅凭自身参数所能解决的问题范畴。早期研究主要探讨模型能否准确选择并执行单一工具调用。然而，随着智能体系统的演进，核心问题已从孤立的指令调用转向了长轨迹下的多工具编排。这种编排涉及中间状态管理、执行反馈、环境动态变化，以及安全性、成本和可验证性等实际约束。 本文全面综述了多工具大语言模型智能体的最新进展，并对这一快速发展的前沿领域进行了深度分析。首先，我们统一了任务定义，并明确区分了单次调用工具使用与长程（Long-horizon）编排。随后，我们围绕六个核心维度对相关文献进行了系统梳理：推理时规划与执行、训练与轨迹构建、安全与控制、资源约束下的效率、开放环境中的能力完备性，以及基准测试的设计与评估。此外，我们还总结了多工具智能体在软件工程、企业工作流、图形用户界面（GUI）及移动系统中的代表性应用。最后，本文探讨了构建可靠、可扩展且可验证的多工具智能体所面临的主要挑战，并指出了未来的研究方向。

https://arxiv.org/abs/2603.22862

1 引言

尽管大语言模型（LLMs）在自然语言处理领域展现出卓越的推理与生成能力 [121]，但受限于静态的参数化知识、潜在的幻觉风险以及缺乏与物理或数字环境的交互，其解决复杂现实问题的能力仍受到制约。工具学习（Tool learning）通过赋予模型调用外部 API（如搜索引擎、代码解释器）的能力来应对这些局限，从而建立起“感知-动作”循环。TALM [129]、MRKL [76]、Toolformer [144] 和 ReAct [205] 等早期工作通过教学模型识别单一意图并正确格式化 API 请求，为该领域奠定了基础，有效地将工具使用内化为一种扩展的语言能力。 随着任务复杂度的提升，单一工具的线性应用已不足以应对现实世界的挑战。多工具利用（Multi-tool utilization）代表了一个独立的研究课题，它涉及组合优化 [103]、程序化语义约束及系统调度 [65] 的交叉领域。自主智能体的决策空间经历了从简单的二元工具选择，到解决单任务中一系列耦合决策的质变。这一过程包括动态工具子集选择、跨工具依赖建模、串行与并行调度、错误恢复以及重规划。当工具使用延伸至涉及状态变更（state-mutating）写操作的长程链条时，如何在并行执行下维持状态一致性并管理竞态条件（race conditions），成为系统稳定性的核心瓶颈。 因此，该领域的主要研究目标已从单点调用的正确性转向复杂环境下多工具链的端到端执行力与鲁棒性。本文首先回顾了推理时推理范式与架构，强调了从串行链式推理向结构化图执行的转变，以及旨在平衡长程规划复杂性与执行效率的双系统架构。随后，我们探讨了数据合成与训练范式，重点关注轨迹合成与闭环验证方法，以解决多工具使用中的组合空间与长尾依赖问题。此外，我们分析了安全性与鲁棒性，特别是并行执行下的状态安全、长链中的上下文偏移 [142] 以及隐私风险的缓解策略。讨论还涵盖了运行效率，评估了端到端智能体延迟、工具调用成本及推理预算 [127]。针对系统完备性，我们审视了在工具或信息缺失的非完备环境下的自适应策略。最后，我们追踪了基准测试评价标准从单点功能验证向系统级拓扑编排及交互式闭环的演进。基于这些现有挑战，我们提出了未来的研究议程，为构建可靠、高效、可扩展的多工具智能体系统提供理论参考与技术路径。

1.1 目标与动机

工具增强型 LLMs 的研究始于一个相对简单的问题：模型能否选择合适的工具并生成有效的调用？这种抽象对于智能体系统而言已不再充分。许多实际任务要求智能体在长轨迹中协调多个工具、维护中间状态、从失败中恢复，并在延迟、成本和安全性的约束下运行。在这些场景中，关键挑战不仅在于工具的接入，更在于编排（Orchestration）。 本综述受当前文献中存在的两个缺口所驱动。首先是概念缺口：尽管“工具使用”、“工具调用”、“工具检索”、“工作流执行”和“编排”等术语指向不同的能力层级，但在现有文献中往往被随意混用。其次是结构缺口：规划、训练、安全、效率、基准测试及开放环境适应性通常被孤立研究，而实际部署的智能体系统则依赖于这些维度的相互作用。

1.2 相关工作

越来越多的综述工作考察了 LLMs 中的工具使用及相关智能体课题，但长程多工具编排鲜少被作为核心问题进行独立探讨。Wang 等人 [178] 从语言模型的视角考量了何谓工具，并提供了外部工具的统一视图。Qu 等人 [140] 综述了 LLMs 中的工具学习，涵盖了规划、工具选择、工具调用及响应生成。Shen [153] 回顾了 LLM 工具使用，侧重于工具整合、训练方法以及从“工具使用”向“工具创建”的转变。Li [89] 总结了基于 LLM 智能体的主要范式，包括工具使用、规划和反馈学习。Luo 等人 [116] 对 LLM 智能体进行了更广泛的综述，横跨方法论、应用与挑战。Chen 等人 [27] 聚焦于基于 LLM 的多智能体系统，而非单一智能体内部的多工具编排。He 等人 [56] 调查了 LLM 智能体中的安全与隐私风险。Mohammadi 等人 [123] 则回顾了 LLM 智能体的评估与基准测试。 本综述与上述文献在以下几个方面有所不同：它将多工具编排（而非泛化的工具使用或更广泛的智能体系统）作为主要分析单元。它围绕六个相互关联的维度组织该领域：推理、训练与轨迹构建、安全与控制、效率、能力完备性以及评估。此外，它对先前工作中经常混淆的概念划定了清晰的界限，包括工具调用、工具检索、编排和工具集扩展。最后，它将方法论的进展与近期基准测试和应用中从“调用级正确性”向“系统级可靠性”的转变联系起来。

1. 目录

2. 摘要

3. 引言

4. 概念图景：理解认知战争的路径
4.1. 效果中心路径
4.2. 行为体中心路径
4.3. 技术中心路径
4.4. 迈向结构中心路径

5. 理论框架：不变量与认知脆弱性的多重架构
5.1. 不变量作为认知战争的对象
5.2. 认知脆弱性的多重架构
5.3. 认知退相干作为一种系统效应
5.4. 隐身性作为认知战争的本体属性

6. 讨论

7. 结论

8. 参考文献

2. 摘要

本研究审视了认知战争的本体论基础，并引入了一种以结构为中心的概念化方法，将分析焦点从可观察的效果、行为体和技术工具转移到认知脆弱性的系统条件。此方法的核心是系统不变量的概念——即维持复杂社会技术系统的连贯性、身份认同和适应能力的认识论、价值论、认同性、社会性和目的论结构。

本文认为，这些系统不变量构成了认知架构的本体框架——确保其组件的连通性，定义适应性转变的边界条件，并在不确定性下实现连贯的意义建构和战略自决。认知战争被重新概念化为通过利用系统多重架构内的层间连接，蓄意针对系统不变量，其战略目的是诱发认知退相干。

在此框架内，退相干被理解为一种结构性的、且可能不可逆转的认知主权侵蚀，即系统作为一个整合的认知秩序，丧失了连贯感知和分析现实、发展、适应及自我保护的能力。这种多重视角使得能够根据社会技术系统的类型区分脆弱性逻辑，这对制定量身定制的认知保护策略具有实际意义。通过在本体论层面区分认知战争和信息战，所提出的框架为诊断系统性脆弱性和推进认知韧性的主动策略奠定了基础。

关键词：认知战争、认知退相干、系统不变量、多重网络、结构性脆弱、认知韧性、形变适应、社会技术系统、混合威胁、信息安全。

3. 引言

认知战争概念的兴起，是为了回应当前国家间对抗性质的明显转变。传统的冲突形式，包括动能、经济、外交和信息因素，正越来越多地被针对对手人群认知过程的系统性干预所补充。动能战争摧毁物质基础设施，经济战争破坏资源基础和再生产能力，外交战争破坏联盟体系和国际合法性，信息战则歪曲内容和破坏数据可用性，而认知战争则针对解释机制本身，具体而言，其目标不是人们知道什么，而是他们如何构建知识、感知现实以及在此现实中定位自己。

2021年，北约科技组织（STO）将认知域确定为一个关键的战略研究领域[1]，到2022年，这一举措已显著扩展[2]。这种制度性认可本身表明，该现象已超越了战术工具的范畴，需要在战略理论层面进行概念性处理。

然而，现有的认知战争概念化[3-9]表现出明显的不对称性，因为它们相当详细地描述了各种效果，从社会极化、制度信任侵蚀、叙事操纵到决策周期破坏，但未能提供真正系统的模型来解释产生这些结果的机制。北约盟军转型司令部（ACT）的定义将认知战争描述为“与其他力量工具同步开展的活动，通过影响、保护和/或破坏个人和群体的认知，来影响态度和行为以获得优势”[3]。这一定义抓住了目标，但它留下了一个悬而未决的问题：究竟在社会技术系统的结构中是什么使其易于受到这种影响，以及通过什么途径这种影响转化为系统效应。

尽管学界对扩展北约内部发展的认知战争理论领域兴趣日益增长，但现有方法尚未能产生一个关于社会技术系统对认知攻击存在结构性脆弱性的连贯模型。一个关键障碍在于方法论上的局限性，Deppe 和 Schaal 对此进行了特别清晰的阐述[10]。在分析北约ACT概念时，作者指出了“概念延伸”、与相邻概念（如混合威胁、外国信息操纵与干扰[FIMI]、信息战）界限模糊，以及难以以分析严谨和经验上可操作的方式运用该术语等问题。

作为系统化该领域的尝试，北约人为因素与医学小组探索团队（HFM-356）提出了所谓的“房屋模型”[11]。它涵盖了理解认知战争相关的七个知识领域，从认知神经科学到社会文化研究。然而，这种分类法在本质上仍然是描述性的。虽然在描绘学科图景和界定重要领域，但该模型未能捕捉过程本身的动态，特别是关于认知影响如何在系统内传播以产生可观察效应的具体机制。

与现有的、主要关注描述层面（询问“在认知战争条件下发生了什么”）的概念框架不同，本研究将注意力转向分析-本体论维度。本研究旨在识别使此类影响有效发挥作用的结构性基础，并刻画社会技术系统中这些影响所施加作用的要素。本文提出的核心论点是，认知战争构成对社会技术系统的不变量（系统不变量）的蓄意攻击。这些稳定的结构要素维持着系统的连贯性及其对破坏性影响的适应响应能力。不变量的概念在此借鉴了复杂演化系统中的安全理论[37]，并移植到认知战争的背景下。系统不变量被理解为社会技术系统在结构、功能和环境转变中得以保持的一种属性，从而确保了身份连续性、核心过程的再生产以及对扰动作出连贯适应响应的能力。

在认知安全背景下，不变量包括认识论结构（共享的真理标准和验证模式）、价值论层级（支配集体选择的价值优先级）、身份建构（群体归属观念和内群体边界）、社会信任架构（制度合法性模型和人际合作模式），以及最终的目的论投射——系统构想其自身发展的未来愿景。这些包括关于可接受和不可接受情景的规范性导向、战略预期和本体论假设；它们共同定义了转变的方向和可能性的边界。

为了使本研究提出的方法可操作化，引入了认知脆弱性多重架构的概念。社会技术系统，无论是国家、社区、组织还是跨国公司，都被描述为多重网络[12-13]，其中相同的参与者（节点）通过对应于网络不同层的不同类型的关系连接。每一层反映一种特定类型的不变量连接——认识论的、价值论的、认同性的、社会的或目的论的，并构成一个拓扑结构不同但在功能上耦合的互动回路。

在此模型中，可以分析在一个层内发起的扰动如何传播到相邻层，产生级联和非线性效应。例如，在认识论层内通过诋毁知识源，或在身份层内通过碎片化群体归属观念发起的扰动。结构性脆弱性由此定位于那些表现出高层间连通性的节点，即多重结构中的某些点，通过这些点，扰动最有可能在整个系统内传播。其结果就是认知退相干，其特点是系统不变量之间失去连贯性，系统因此丧失了整合的自我描述和协调响应的能力。

所提出的方法解决了三个相互关联的任务。首先，它为认知战争的有效性提供了理论解释，不是通过列举战术，而是通过识别这些战术变得有效的系统条件。其次，它为在脆弱性被利用之前识别它们提供了分析工具包，将焦点从被动反应转向社会技术系统韧性和形变适应[37]的主动强化。第三，它在军事和学术界关于认知战争的论述之间建立了一座概念桥梁，促成了一个可以跨越战略推理与科学分析之间鸿沟的共享框架。

4. 概念图景：理解认知战争的路径

4.1. 效果中心路径

概念化认知战争最普遍的方式是通过参考可观察的效果来定义它。北约条令文件[3]确定了五类预期结果，包括破坏OODA（观察-调整-决策-行动）循环和决策过程[14]、社会极化与分裂、身份工具化、叙事操纵以及削弱抵抗意志。2025年北约科技组织首席科学家研究报告[15]将认知战争框定为一场争取认知优势的竞赛，并勾勒了三个功能向量，包括降低对手的认知能力、提升己方的认知与技术能力，以及培养对外部影响的韧性。

以效果为中心的方法提供了相当大的实用性，为威胁分类、监控架构构建和预警指标制定奠定了坚实基础。然而，其解释潜力仍然有限，因为仅仅记录效果并不等同于理解其产生机制。例如，声称认知战争导致社会极化，未能解决一个关键问题：为什么一些社会技术系统表现出对此类干预的脆弱性，而另一些则保持其稳定性？哪些结构属性决定了系统对特定影响模式的敏感性？

此方法的批评者[10]指出了一个认识论问题，通常被称为“概念延伸”。当一个现象完全由其结果定义时，其概念边界往往变得模糊，因为任何改变接受者态度的广泛信息干预都可能被归入认知战争的范畴。这阻碍了严格的科学操作化，并使与相邻概念（包括混合威胁、信息战和FIMI）的界定复杂化。

因此，尽管以效果为中心的视角对操作诊断有效，但对于阐明因果机制而言仍然不够充分。它需要一个更有结构的分析框架来补充，以解释作为系统过程的内部影响动态。

4.2. 行为体中心路径

第二种概念化模式将焦点从效果转向影响背后的行为体——国家和非国家代理人、它们的学说、动机和战略文化。在此视角下，认知战争被视为地缘政治竞争更广泛策略库中的一种工具，嵌入在具有历史特定性的战略思想传统中。

俄罗斯的“反射控制”概念是一个范例[16-17]。反射控制涉及向对手传递专门设计的信息，以诱使其做出有利于影响发起者的决策。其核心前提是目标保持一种自主选择的主观感觉，同时并未意识到可用的选择空间已被预先构建。Splidsboel Hansen[18]追溯了这一概念从苏联军事理论发展到当代信息对抗实践的演变。

中国的路径，概念化为“三战”——心理战、舆论战和法律战，由Lee[19]和Aukia[20]进行了分析。与强调操纵决策过程的俄罗斯模式不同，旨在通过对感知、合法性和规范框架施加长期影响来塑造有利的战略环境。这种逻辑可追溯到孙子的战略思想，他认为“上兵伐谋”[21]。在此，认知维度被整合到一个旨在不通过直接对抗实现目标的更广泛战略中。

巴兹尔·利德尔·哈特的间接行动策略中也存在类似的路径[22]。其本质在于，不是通过正面攻击，而是通过塑造对手对环境的感知、反应逻辑和可用选择范围，来削弱对手的战略主动权能力。

在认知影响的实践中，对认知偏差和易受暗示性的研究和利用值得特别关注。Tversky 和 Kahneman 的工作[23]为理解人类思维对理性模型的系统性偏离奠定了基础；Cialdini[24]系统化了说服原则，如社会认同、权威、稀缺、互惠等，这些原则在大众影响实践中被利用。源自二十世纪初研究的经典“暗示学说”[25]在算法中介的传播背景下正经历复兴[26]。在认知战争框架内，认知偏差和易受暗示性被视为操纵性影响的“切入点”。

无可否认，以行为体为中心的方法对我们理解认知战争做出了实质性贡献，同时强调关键所在既非自发的社会反射，也非由技术驱动的过程，而是嵌入在独特冲突思维传统中的、有目的的策略库。然而，在某种意义上，其局限性是以效果为中心描述的局限性之反面。后者记录“发生了什么”而不解释“为什么”，而以行为体为中心的方法则阐明“谁在行动”以及“有何意图”，但对于一个更根本的问题则保持沉默：认知影响的有效性基于哪些一般原则，而不论其体现在何种特定学说或战略文化中？

为什么同样的认知战争原则，如间接影响、操纵解释、构建决策空间、破坏对信息源的信任、侵蚀目的论导向等，在一些社会技术情境中被证明是决定性的，而在另一些情境中却未能产生可比较的效果？目标系统的何种属性决定了其对认知影响本身的敏感性，而不仅仅是对其特定学说表达的敏感性？缺乏对这些问题的满意答案标志着以行为体为中心分析的方法论局限，并强调了转向对认知脆弱性进行结构-系统阐释的必要性。

4.3. 技术中心路径

第三种概念化模式关注认知战争的工具性维度，特别是施加影响所依赖的技术、平台和载体。在此视角下，认知战争主要表现为技术可供性的函数，由社交网络和算法放大、大数据和微观定向、合成媒体和深度伪造以及前瞻性的神经技术和脑机接口所驱动。

“房屋模型”在某种程度上与此逻辑相符，将“技术使能者”确定为理解认知战争相关的七个知识领域之一。北约研究人员试图通过区分三大类来系统化技术影响载体，分为传统（动能手段、大众媒体）、现有技术（社交网络、大数据、增强现实）和新兴技术（合成媒体、生成式人工智能、元宇宙和前瞻性神经技术手段）[11]。这种分类反映了技术发展的动态，并有助于预见认知影响工具库的扩展。

技术中心文献的一个独特分支致力于研究所谓的“回音室”和“过滤气泡”。Sunstein 和 Pariser[27-29]提出了一个有影响力的论点，即个性化算法可能将用户隔离在意识形态同质的环境中，从而加剧两极分化并侵蚀多元话语的条件。然而，对实证文献的系统性回顾揭示了一幅更为复杂且存在争议的图景，指出大多数用户接触到的是异质性内容，算法过滤似乎只占观察到的两极分化的有限部分[30-32]。其含义是技术中心路径的根本局限性，因为它表明技术更多是作为动态的调节器而非生成器，而这些动态的先决条件存在于社会系统自身的结构性属性中。

近年来，合成媒体和深度伪造技术发展尤为迅速。Vaccari 和 Chadwick[33]表明，深度伪造不仅通过欺骗影响认知过程，还通过产生不确定性产生影响，因为即使是未成功的深度伪造也可能增强对媒体内容的普遍不信任。这种现象通常被称为“撒谎者的红利”，使得行为体可以通过将真实记录描述为可能的伪造品来诋毁它们[34]。中国军事理论家从“算法认知战”的角度概念化了相关能力，涉及使用算法对目标受众进行画像，并优化影响内容的时机、定向和传递[35-36]。

技术中心路径具有明显的优势，特别是便于跟踪工具库的演变、开发技术对策以及评估新技术出现所带来的风险。然而，其解释潜力受到一种特有的还原论限制。在此，技术被视为决定影响性质和规模的独立变量。然而，关键的是，相同的技术手段，如推荐算法、病毒式内容、定向广告，在不同的系统中产生不同的效果。社交网络本身并不会使社会两极化；相反，它们放大和加速了那些先决条件存在于社会自身结构性属性中的过程。

因此，技术中心路径回答了“技术上如何实现”的问题，却绕过了“系统上为何有效”的问题。它描述了传递手段，但未能解释目标系统架构中究竟是什么使其易于受到所传递的影响。技术作为一种调节器出现，本质上是放大或加速了其生成机制超出技术分析范畴的过程。

4.4. 迈向结构中心路径

前述回顾揭示了当前认知战争概念化中存在一个系统性的空白。以效果为中心的方法记录了可观察的后果，但未能解释其起源。以行为体为中心的方法阐明了影响代理的意图和学说，但未能解答此类影响在何种系统条件下有效的悬疑。以技术为中心的方法描绘了工具库，但倾向于将复杂的社会动态简化为技术决定因素。

这三种视角的共同点是，都缺乏对一个关键问题的回答：究竟在社会技术系统的结构中，是什么使其易于受到认知影响？要解决这个问题，需要转变分析焦点，从描述效果、行为体和技术转向分析认知脆弱性的结构性基础。

本研究引入了一种以结构为中心的方法来分析认知战争。其基本前提是，认知影响的有效性不仅取决于干预本身的特征，还取决于目标系统的架构，特别是其不变量的配置、其层间连接的拓扑结构，以及那些可能引发认知完整性级联破坏的潜在脆弱性的存在。对这种方法论的详细阐释构成了下一节的内容。

5. 理论框架：不变量与认知脆弱性的多重架构

5.1. 不变量作为认知战争的对象

认知战争是在复杂的社会技术系统之间并针对其发起的，这些系统包括国家和国际组织、金融集团和工业企业、法律和宗教机构、民族集合体以及超国家共同体。从这个意义上说，最富有成效的理解是将其视为一种系统间战略竞争的模式，而不是任何狭义制度意义上的国家或组织之间的冲突，因为影响的目标是系统不变量，而非制度形式[37]。这些系统是自创生[38-39]且动态演化的，因为它们建立在原则、法律、规范和价值观以及以象征性方式表达的关于未来的图景之上，这些代表了界定系统身份最终轮廓的高阶结构承诺。正是这些高阶承诺作为不变量发挥作用，充当维持复杂系统的统一性、完整性和可再生产性的相对稳定的基础。

不变量不仅仅是稳定的参数；它们是系统存在的构成性基础，包括认识论假设、价值论层级、规范性期望、身份的象征性建构以及目的论向量。它们的功能是双重的。一方面，它们构成了一个整合矩阵，将异质组件绑定成一个连贯的整体；另一方面，它们配置了系统与其他系统的外部耦合模式，从而塑造了合作、冲突或战略脱离接触的参数。不变量构成了语义基础设施，通过一个内部秩序，系统在历史和结构变迁中进行自我再生产。对它们的破坏不仅仅意味着功能的丧失，而且涉及本体论连续性的侵蚀——即系统在适应转变中保持自身能力丧失。

对上述北约战略和条令文件以及学术文献的分析，可以识别出认知战争的宣称目标与不变量范畴之间的直接对应关系。在学术文献总结的北约ACT概念化中，通常区分认知影响的五个关键向量，包括破坏OODA循环、社会的极化与分裂、身份武器化、叙事武器化以及削弱战斗意志[10]。当这些向量转化为系统分析语言时，每一个都构成了对特定类别不变量的攻击，目标分别是验证的认识论结构、信任的社会架构、身份建构、历史记忆的叙事矩阵以及未来的目的论投射。

认知战争与信息战之间的一个关键概念区别在于效果的所在，即认知战争不仅仅针对特定信息内容的接受或拒绝，还针对“人类情感和潜意识过程”的操纵[10]。Backes 和 Swab[40]将认知战争定义为一种专注于改变目标人群思考方式，并借此改变其行为方式的策略。Du Cluzel[41]观察到，认知战争被系统地利用作为削弱、干扰和破坏目标人群、制度和国家的全球战略的一部分，以影响其选择。在这些表述中，出现了一个共同模式，即影响的对象不是个体认知行为或信息流，而是决定处理任何信息方式的稳定结构，本研究将其概念化为不变量。

认知战争的目标，特别是破坏稳定和影响，正是通过不变量结构的退化来实现的。北约创新中心的文件[41]强调，目标是“不攻击个人思考的内容，而是攻击他们思考的方式”，并且这种影响“有可能瓦解支撑社会的整个社会契约”。这种系统性瓦解状态不可能仅仅通过对数据的歪曲或隐藏（如在信息战中）产生；它需要颠覆认知连贯性赖以建立的基础本身，通过攻击共享的真理标准、规范性层级、认同模型、信任架构以及对可能未来的图景来实现。

因此，不变量的概念并非外在于关于认知战争的论述；它起到了对其中早已存在的核心内容进行认识论阐述的作用。其主要优势在于能够将大量零散的描述和效果转化成一个统一的分析框架，从而能够系统识别影响对象、评估其相互依赖性并预见级联的破坏稳定机制。

5.2. 认知脆弱性的多重架构

前一节确立的不变量之间的相互关联性需要一个适当的分析工具。局限于单层表示的传统网络模型不适合捕捉认知系统的特异性，在这些系统中，相同的参与者（包括个人、群体和机构）同时被跨越认识论、价值论、认同性和制度性的多种性质不同的关系所绑定。为了模拟此类结构，本研究采用了多重网络[12-13]的模型，该模型已被用于分析社会互动[42]和相互依赖系统中的级联脆弱性[43]。

多重网络是一个系统，其中同一组节点通过几种类型的边连接，从而形成拓扑结构不同但在功能上耦合的层[44]。每一层反映一种特定类型的不变量连接，包括认识论、价值论、认同性、社会和目的论的。多重网络的关键属性是层间连通性，定义为层之间的结构依赖关系，通过这种依赖，施加在一个层上的认知影响可以级联到其他层，产生无法简化为任何局部扰动的系统效应。

多重方法使得例如可以形式化针对不同类型政治体系的认知战争策略之间的根本区别。

通过与社会技术系统作为功能稳定型与演化动态型的类比，可以进一步阐明这种区别，这在多重网络视角中已得到形式化[45]。在此解读中，高度集中的政体往往近似于功能稳定的架构（低多重性、强垂直耦合），而多元政体则表现出更高的不可约多重性和相应的不同脆弱性逻辑。

针对高度集中的政体（包括专制、威权政权和其他封闭政治体系）的认知战争，旨在侵蚀对现实解释的垄断。此类系统的特点是低多重性，因为其认知架构坍缩为由权威垂直结构控制的单一主导层。一种有效的影响策略在于，有意向此层注入高信息熵——引入一种不确定性，而这种不确定性若不使政权自身对其认识论权威的主张妥协则无法解决。关于“深层国家”或“隐藏决策中心”的阴谋论、模糊叙事和矛盾主张，产生了与官方立场相竞争的替代性解释框架。政权既不能确认也不能反驳此类建构，否则就意味着承认其自身控制的不完整。结果，权威叙事碎片化，系统失去了有效的认知压缩能力，即简化复杂性的能力。

针对多元体系的认知战争则基于相反的逻辑。多元体系的特点是高度的不可约多重性，其韧性并非源于对叙事的垄断，而是源于跨多层的连贯性——价值共识、制度信任、共享的验证程序以及共同的未来图景。在这种背景下，有效的认知影响策略并非旨在增加熵，而是旨在破坏层间连贯性。社会极化、对制度信任的侵蚀、身份碎片化以及认识论权威的去合法化——这些在北约关于认知战争的概念讨论中被广泛提及——构成了对多重网络层间连接的攻击。系统随后分裂为不连贯的子结构，失去了协调响应的能力，而其单个组件的局部功能，在细节调整后，可能得以保留。

多元体系面临的一个特殊威胁是寄生性子结构的植入，这些是嵌入在多层架构内的、封闭的、功能稳定的形态。腐败的垂直网络、影子影响结构、外国控制的代理网络可能作为“系统中的系统”运作，通过单一类型的连接进行自我再生产，同时绕过合法的程序和规范层。外部行为体可以将此类结构培养为长期认知影响的工具。它们的植入导致适应性能力逐步退化，此时多元多重网络虽然保留着外在的复杂性，但丧失了其功能的不可约性，因为关键决策越来越由隐蔽的单层回路决定。

在多重架构内对脆弱性进行操作诊断，建立在层间拓扑分析的基础上。特别重要的是那些其失稳会导致系统整体连通性最大程度降低的层。那些密集参与层间连接的节点，例如意见领袖、认识论权威机构和群体间沟通的调解者，充当着结构连接器。它们的去合法化、被捕获或中和，会破坏认知连通性，并可能引发级联退相干，代表着从功能性复杂向碎片化不连贯的转变。

因此，多重模型为分析认知脆弱性提供了一个操作性框架，能够根据系统类型区分影响策略、识别关键节点和连接，并预见级联不稳定场景。它为发展适应性防御策略奠定了基础，这些策略不仅旨在保护结构，而且旨在维护认知连贯性和系统不变量组织的韧性。

5.3. 认知退相干作为一种系统效应

基于前一节引入的多重架构，认知退相干可以具体化为有效跨层破坏的系统性结果。在高度集中的政体中，退相干通常通过信息熵破坏主导的解释层来诱发，从而分裂政体的认识论垄断。相比之下，在多元政体中，退相干更多地是通过侵蚀层间连贯性产生的，有效破坏了认识论验证、制度信任、身份整合和目的论导向之间的连接组织。在这两种情况下，其机制都是由层间依赖关系中介的，因为扰动通过连接器节点传播，并将局部破坏转化为系统范围内的认知完整性丧失。

认知退相干的概念表示对多重架构施加认知影响所产生的特定系统效应。退相干在于系统不变量之间失去连贯性，此时多重网络的各个层可能在局部继续运作，但不再构成一个连贯的整体。系统保留了其组件（如信念、价值观、身份和制度），但丧失了它们的整合，以至于它们不再凝聚成一个能够引导协调行动的统一语义秩序。

退相干的机制具有级联特性。在一个层内发起的初始扰动（例如，诋毁关键的认识论权威，或引入竞争性的身份叙事）通过层间连通性节点传播到相邻层。对知识来源（认识论层）信任的侵蚀在选择评估（价值论层）中产生不确定性，这反过来又破坏了集体选择和协调（社会层）的基础，并逐步消解了关于期望未来的共享表征（目的论层）。每次转变都会加剧不稳定性，因为一个不变量的破坏会剥夺其他不变量赖以存在的语义基础。此过程的非线性意味着，在特定的连接拓扑下，相对较弱的初始扰动可能产生不成比例的大规模效应，这在复杂系统理论中被称为“临界转变”[46]现象。

从现象学上看，认知退相干通过一系列特征性症状表现出来。在决策层面，它表现为瘫痪，或在不相容选项之间的混乱摇摆，这是由于缺乏共享的评估框架。在身份层面，它表现为分裂成相互敌对的群体，每个都声称体现系统的“真实”身份。在时间导向层面，它表现为失去共同的未来视野，表现为统一目的论向量分解为多种不相容的投射。系统变得无法回答“我们是谁？”“什么是真实的？”以及“我们追求什么？”这些问题，并非因为缺乏答案，而是因为答案太多且相互排斥。

认知退相干构成了韧性和形变适应的对立面，这是适应系统的两个关键属性。韧性指系统在保持其不变量结构的同时吸收扰动的能力。形变适应[37]指在不丧失身份认同的情况下进行深刻结构转变的能力。这两种能力都以不变量的连贯性为前提，因为系统只有保持允许其区分适应性变化与瓦解的内部连贯性，才能适应。因此，退相干代表了系统认知主权的一种不可逆的削弱形式，认知主权被理解为其战略自决、发展、适应和自卫的能力。在退相干状态下，系统在物理上没有被摧毁，但被剥夺了有意义自治的能力；由于缺乏自身一致的向量，它变得容易受到任何能够暂时构建其混乱状态的外部影响。

恰恰是诱发认知退相干构成了认知战争中对手的战略目标。 目标系统从内部自我毁灭、丧失抵抗能力的状态并非一种比喻，而是对认知影响所针对的特定系统效应的描述[41]。与北约ACT相关的讨论承认了这一威胁，并强调培养认知韧性作为防御战略优先事项的必要性。本研究提出的理论框架使这一任务可操作化，即防御认知战争不是保护特定信念或叙事，而是维护支撑系统有意义自治和适应性转变能力的不变量结构的连贯性。关于此框架的实际应用示例，请参阅补充信息[48]（示例A和B），其中包含两个基于场景的工作示例，说明了在多元和高度集中的威权体系中从不变量破坏到认知退相干的路径。

5.4. 隐身性作为认知战争的本体属性

基于以上分析，我们认为认知战争展现出一种与其他对抗形式的根本本体论区别，即其构成性的隐身性。目前，北约官方承认五个作战域，即陆、海、空、天和网络空间[47]。认知域被讨论为潜在的第六个作战域[9]，尽管其在官方条令中的制度化仍有争议[10]。

对五个公认域的分析揭示了一个共同特征，即在这些任何域内的攻击，原则上都是可探测的。陆地、海洋或空域中的动能行动会产生无法忽视的物理破坏。太空作战虽然对公众不太可见，但会被专门的监控系统记录。网络攻击可能暂时保持潜伏（例如，以高级持续性威胁形式），但其后果，从系统故障、数据泄露到物理基础设施失效，最终都会显现出来，使得攻击事实变得可察觉。

相比之下，认知战争代表了一种性质上截然不同的现象。其基本特征在于构成性的隐身性，即不仅仅是战术上的优势（隐蔽），而是作为一种本体属性。认知影响的目标可能永远不会意识到自己受到了攻击。此外，传统意义上的“攻击”概念在此在很大程度上失去了其概念适用性，因为目标将诱发的改变（如怀疑、价值观重估、身份转变、对制度失去信任）体验为其自身有机的过程，是其观点“自然”演化的结果。

这种本体配置产生了一系列独特的意涵，将认知战争与其他对抗形式鲜明区分开来。第一，它意味着缺乏明确的开战理由（casus belli）。在传统领域中，无论实践中如何模糊，和平状态与战争状态之间仍然存在一个可识别的门槛：轰炸、入侵或针对关键基础设施的大规模网络攻击被视为需要回应的侵略行为。认知战争很少越过一个清晰的、事件性的、足以被视为战争行为的门槛；它是在武装冲突门槛以下的灰色地带展开，即使其可能构成对国家保留领域的强制性干预。系统持续处于武装冲突门槛以下的灰色地带，目标无法接收“战争”已经开始的无歧义信号；因此，它无法及时调动其防御机制。

第二，认知战争实现了能动性的反转。 在动能冲突中，受害者知道自己是外部暴力的对象。相比之下，在认知战争中，目标将自己体验为自身决策的主体，从而“得出”由外部诱发的结论，并“形成”其架构已被操纵预先构建的信念。这种将影响对象转变为假定主体的反转，恰恰是攻击隐身性的支撑机制。

第三，认知战争以其效果的潜伏性为特征。 动能影响产生即时结果；网络攻击的效果常常延迟数小时或数天。认知影响可能在数月或数年后才显现。对制度信任的侵蚀、身份的碎片化和价值共识的消解是在代际时间尺度上展开的过程。这使得归因（定义为在干预与效果之间建立因果联系）异常困难，并且通常具有政治争议。

最后，认知战争缺乏传统的终止标志。 传统战争以投降、停战或条约结束。正如 Du Cluzel 所观察到的，认知战争是“潜在无休止的，因为这类冲突不可能有和平条约或投降”[40]。一旦被诱发，退相干状态可能内在地自我再生产，因为一个在其不变量间失去连贯性的系统，可能在没有任何进一步外部刺激的情况下，凭惯性继续瓦解。

在所提出的多重模型的术语中，认知战争的隐身性可以通过以下事实解释：影响主要不是针对网络的节点（行为体），而是针对层间连接，或者更具体地说，针对意义建构架构本身。行为体继续运作，保持自主的主观感觉，并且记录不到干预。变化的不是意识的内容（特定的想法），而是将这一内容组织成连贯世界图景的结构。

这种本体论区别对防御战略具有直接影响。如果攻击是隐形的，传统的“探测→归因→响应”序列就变得不适用。因此，防御认知战争需要从被动应对威胁转向主动加强不变量连贯性，而这正是北约战略论述日益概念化为认知韧性的东西。

6. 讨论

本研究提出的概念框架允许重新审视当前对认知战争的主流定义，并提出一种整合结构中心视角的替代性表述。

引用最广泛的认知战争定义是由 Claverie 和 Du Cluzel 提出的：“认知战争是一种非常规战争形式，它使用网络工具来改变敌人的认知过程，利用心理偏见或反射性思维，引发思想扭曲，影响决策并阻碍行动，在个体和集体层面产生负面影响”[7]。这一定义抓住了认知战争与信息战之间的一个关键区别，即认知效果不是行动的副产品，而是其直接目标。

北约的工作定义则强调了工具性维度：“认知战争包括与其他力量工具同步开展的活动，通过影响、保护或破坏个体、群体或人口层面的认知，来影响态度和行为，以获得对敌优势”[3]。Backes 和 Swab 提供了一个更简洁的表述：“认知战争是一种专注于改变目标人群思考方式，从而改变其行为方式的策略”[40]。

尽管这些定义具有启发式效用，但它们有一个共同的局限性，即它们强调了过程（认知扭曲、决策、行为），而没有明确阐明攻击的对象。当“认知过程”受到攻击时，究竟什么是目标？对于这个问题，现有定义未能提供一个系统的答案。

本研究发展的结构中心方法允许提出一个替代定义：

认知战争是社会技术系统的不变量的蓄意攻击目标，这些是支撑其连贯运行（共享的真理标准、价值层级、身份边界、信任架构和未来图景）的认识论、价值论、认同性、社会性和目的论结构。它是通过利用系统多重架构内的层间连接来实施的，旨在诱发认知退相干——一种系统性的连贯自我理解、协调行动和适应性转变能力的丧失。其基本特征是构成性隐身性，即目标将诱发的改变体验为内生的、“有机的”，而非外部干预的结果。

这种概念化带来了几个独特的分析优势。它阐明了攻击对象（作为稳定结构性基础的不变量），明确了机制（通过层间连接的级联传播），并以系统术语（认知退相干）表述了目标。它还将认知战争与信息战区分开来，后者主要争论内容的真实性，而前者则针对解释任何内容的结构。最后，它支持对不同类型社会技术系统的影响策略进行操作区分，通过将分析聚焦于拓扑结构、连接器节点和跨层依赖关系。

所提出方法的局限性主要在于其抽象层次。多重模型需要进一步操作化以进行实证应用，包括层间连通性的指标、识别连接器节点的方法以及评估系统认知连贯性的度量。这些任务超出了本研究的范围，并为未来研究勾勒了清晰的议程。

7. 结论

本研究阐述了一种认知战争的结构中心概念框架，将分析焦点从效果、行为体和技术转移到认知脆弱性的结构性基础。此分析的核心是社会技术系统的不变量及其相互连接的架构，特别是支撑认知连贯性、战略身份和适应性转变能力的配置。

主要发现可总结如下。第一，认知战争被重新概念化为对不变量结构的蓄意攻击，即构成系统认知架构本体承重框架、并决定其在不确定性和外部压力下进行有意义自治能力的认识论、价值论、认同性、社会性和目的论基础。

第二，所提出的认知架构多重模型使得能够区分和操作化针对刚性集中型与适应性多重系统的影响策略。对于前者，攻击的关键向量在于提升主导层内的信息熵；对于后者，则在于破坏层间连贯性。这种区别不仅具有理论意义，而且对制定差异化的认知防御策略具有实际意义。

第三，本研究引入了认知退相干的概念，作为对手影响所针对的系统效应。退相干被理解为系统丧失连贯自我描述、战略行动和适应性重构的能力，而单个组件的碎片化功能可能仍然完好。它不意味着毁灭，而是内部瓦解，标志着从治理到被治理的系统性转变。

第四，本研究识别了认知战争与其他对抗形式之间的本体论区别，源于其构成性的隐身性以及模拟目标系统有机自我发展的能力。影响的有效性恰恰在于其不被识别；其后果被体验为内生演化。这使得传统的“探测-归因-响应”三部曲变得不适用，并需要将重心转向将主动维护认知连贯性作为系统安全的条件。

本文所发展的框架的实际意义在于，能够实现从对离散信息威胁的被动反应转向认知脆弱性的系统诊断。这种诊断预设了开发层间连通性指标、识别结构连接器节点的方法论以及能够评估系统韧性和形变适应能力的认知连贯性度量。这些方向在复杂系统理论、社会心理学、控制论、神经生物学、战略分析和信息安全的交叉领域勾勒了未来的研究议程。

8. 参考文献

1. NATO Science & Technology Organization. (2022). 2021 Highlights. NATO Collaboration SupportOffice.
2. NATO Science & Technology Organization. (2023). 2022 Highlights. NATO Collaboration Support Office. https://www.sto.nato.int/wp-content/uploads/2023-NATO-STO-Highlights-Web.pdf
3. NATO Allied Command Transformation. (2023, May 9). Cognitive warfare: Beyond military information support operations. https://www.act.nato.int/article/cognitive-warfare-beyond-military-information-support-operations/
4. NATO Joint Warfare Centre. (2025). Cognitive warfare: Special report: The battlespace of the mind: Command, control, and the cognitive frontier. The Three Swords, 41.
5. Hung, T.-Z., & Hung, T.-W. (2022). How China’s cognitive warfare works: A frontline perspective of Taiwan’s anti-disinformation wars. Journal of Global Security Studies, 7(4), Article osac016. https://doi.org/10.1093/jogss/ogac016
6. Hellstrom, J., Kallioniemi, P., Kytoneva, S., & Puranen, M. (2024). Are Russian narratives amplified by PRC media? A case study on narratives related to Sweden’s and Finland’s NATO applications. NATO Strategic Communications Centre of Excellence. https://stratcomcoe.org/publications/are-russian-narratives-amplified-by-prc-media-a-case-study-on-narratives-related-to-swedens-and-finlands-nato-applications/298
7. Claverie, B., & du Cluzel, F. (2022). The cognitive warfare concept. In B. Claverie, B. Prebot, N. Buchler, & F. du Cluzel (Eds.), Cognitive warfare: The future of cognitive dominance (pp. 6–11). NATO Collaboration Support Office. https://hal.science/hal-03635889/document
8. Smiljanic, D. (2025). Cognitive warfare – the human mind as the new battlefield. Proceedings of the Defence and Security Conference 2025, 1(1), 84–114. https://www.researchgate.net/publication/391704397_Cognitive_warfare_-_the_human_mind_as_the_new_battlefield
9. Le Guyader, H. (2022). Cognitive domain: A sixth domain of operations. In B. Claverie, B. Prebot, N. Buchler, & F. du Cluzel (Eds.), Cognitive warfare: The future of cognitive dominance (pp. 1–5). NATO Collaboration Support Office. https://hal.science/hal-03635898v1
10. Deppe, C., & Schaal, G. S. (2024). Cognitive warfare: A conceptual analysis of the NATO ACT cognitive warfare exploratory concept. Frontiers in Big Data, 7, Article 1452129. https://doi.org/10.3389/fdata.2024.1452129
11. Masakowski, Y. R., & Blatny, J. M. (Eds.). (2023). Mitigating and responding to cognitive warfare (STO Technical Report STO-TR-HFM-ET-356). NATO Science and Technology Organization. https://www.sto.nato.int/document/mitigating-and-responding-to-cognitive-warfare-2/
12. Kivelä, M., Arenas, A., Barthelemy, M., Gleeson, J. P., & Moreno, Y. (2014). Multilayer networks. Journal of Complex Networks, 2(3), 203–271. https://doi.org/10.1093/comnet/cnu016
13. Boccaletti, S., Bianconi, G., Criado, R., Del Genio, C. I., Gómez-Gardeñes, J., Romance, M., Sendiña-Nadal, I., Wang, Z., & Zanin, M. (2014). The structure and dynamics of multilayer networks. Physics Reports, 544(1), 1–122. https://doi.org/10.1016/j.physrep.2014.07.001
14. Groestad, P. (2022). Cognitive Warfare – Hacking the OODA Loop [Conference presentation]. NATO CCDCOE CyCon, Estonia. https://www.youtube.com/watch?v=H3RqF5PiqXM
15. Blatny, J. M., & Sondergaard, S. (2025). NATO Chief Scientist’s reports: Cognitive warfare. NATO Science & Technology Organization. https://www.sto.nato.int/wp-content/uploads/chief-scientist-report-cognitive-warfare-4.pdf
16. Thomas, T. (2004). Russia’s reflexive control theory and the military. The Journal of Slavic Military Studies, 17(2), 237–256. https://doi.org/10.1080/13518040490450529
17. Lefebvre, V. A. (1987). The fundamental structures of human reflexion. Journal of Social and Biological Structures, 10(2), 129–175. https://doi.org/10.1016/0140-1750(87)90004-2
18. Splidsboel Hansen, F. (2021). When Russia wages war in the cognitive domain. The Journal of Slavic Military Studies, 34(2), 181–201. https://doi.org/10.1080/13518046.2021.1990562
19. Lee, S. (2014). China’s ‘Three Warfares’: Origins, applications, and organizations. Journal of Strategic Studies, 37(2), 198–221. https://doi.org/10.1080/01402390.2013.870071
20. Aukia, J. (2023, April). China’s hybrid influence in Taiwan: Non-state actors and policy responses (Hybrid CoE Research Report 9). European Centre of Excellence for Countering Hybrid Threats. https://www.hybridcoe.fi/wp-content/uploads/2023/04/20230406-Hybrid-CoE-Research-Report-9-Chinas-hybrid-influence-in-Taiwan-WEB.pdf
21. Sun Tzu. (1963). The art of war (S. B. Griffith, Trans.). Oxford University Press. (Original work published ca. 5th century BCE)
22. Liddell Hart, B. H. (1929). The decisive wars of history: A study in strategy. G. Bell & Sons.
23. Kahneman, D. (1974). Judgment under uncertainty: Heuristics and biases. Science, 185(4157), 1124–1131. https://doi.org/10.1126/science.185.4157.1124
24. Cialdini, R. B. (1984). Influence: The psychology of persuasion. HarperCollins.
25. Parsons, P. R. (2021). The lost doctrine: Suggestion theory in early media effects research. Journalism & Communication Monographs, 23(2), 80–138. https://doi.org/10.1177/15226379211006119
26. Woolley, S. C., & Howard, P. N. (Eds.). (2018). Computational propaganda: Political parties, politicians, and political manipulation on social media. Oxford University Press. https://doi.org/10.1093/oso/9780190931407.001.0001
27. Sunstein, C. R. (2001). Republic.com. Princeton University Press.
28. Sunstein, C. R. (2017). #Republic: Divided democracy in the age of social media. Princeton University Press.
29. Pariser, E. (2011). The filter bubble: What the Internet is hiding from you. Penguin Press.
30. Arguedas, A. R., Robertson, C. T., Fletcher, R., & Nielsen, R. K. (2022). Echo chambers, filter bubbles, and polarisation: A literature review. Reuters Institute for the Study of Journalism. https://reutersinsstitute.politics.ox.ac.uk/echo-chambers-filter-bubbles-and-polarisation-literature-review
31. Kitchens, B., Johnson, S. L., & Gray, P. (2020). Understanding echo chambers and filter bubbles: The impact of social media on diversification and partisan shifts in news consumption. MIS Quarterly, 44(4), 1619–1649. https://doi.org/10.25300/MISQ/2020/16371
32. Bruns, A. (2019). Are filter bubbles real? Polity Press.
33. Vaccari, C., & Chadwick, A. (2020). Deepfakes and disinformation: Exploring the impact of synthetic political video on deception, uncertainty, and trust in news. Social Media + Society, 6(1), 1–13. https://doi.org/10.1177/2056305120903408
34. Schiff, K. J., Schiff, D. S., & Bueno, N. S. (2024). The liar’s dividend: Can politicians claim misinformation to evade accountability? American Political Science Review, 1–20. https://doi.org/10.1017/S0003055423001454
35. Lange, L. (2024, November 21). Decoding China’s AI-Powered ‘Algorithmic Cognitive Warfare’ [White paper]. Special Competitive Studies Project. https://www.scsp.ai/resource/decoding-chinas-ai-powered-algorithmic-cognitive-warfare/
36. Special Competitive Studies Project. (2024). Generative AI: The future of innovation and power. SCSP. https://www.scsp.ai
37. Korobeynikov, F., & Mokhor, V. (2026). Adaptive security: Strategic principles for complex socio-technical systems. Royal Society Open Science, 13(1), 251481. https://doi.org/10.1098/rsos.251481
38. Maturana, H. R., & Varela, F. J. (1980). Autopoiesis and cognition: The realization of the living. D. Reidel.
39. Luhmann, N. (1995). Social systems (J. Bednarz, Jr. & D. Baecker, Trans.). Stanford University Press. (Original work published 1984)
40. Backes, O., & Swab, A. (2019). Cognitive warfare: The Russian threat to election integrity in the Baltic states. Belfer Center for Science and International Affairs, Harvard Kennedy School. https://www.belfercenter.org/publication/cognitive-warfare-russian-threat-election-integrity-baltic-states
41. Du Cluzel, F. (2020). Cognitive warfare. NATO ACT Innovation Hub. https://innovationhub-act.org/wp-content/uploads/2023/12/20210122_CW-Final.pdf
42. Szell, M., Lambiotte, R., & Thurner, S. (2010). Multirelational organization of large-scale social networks in an online world. Proceedings of the National Academy of Sciences, 107(31), 13636–13641. https://doi.org/10.1073/pnas.1004008107
43. Buldyrev, S. V., Parshani, R., Paul, G., Stanley, H. E., & Havlin, S. (2010). Catastrophic cascade of failures in interdependent networks. Nature, 464(7291), 1025–1028. https://doi.org/10.1038/nature08932
44. Bianconi, G. (2018). Multilayer networks: Structure and function. Oxford University Press. https://doi.org/10.1093/oso/9780198753919.001.0001
45. Korobeynikov, F. (2025). Differentiating socio-technical systems via multiplex network theory [Conference contribution, III Scientific-Practical Conference “Resilience of Dynamic Systems”, Kyiv]. Figshare. https://doi.org/10.6084/m9.figshare.30730316.v1
46. Scheffer, M., Bascompte, J., Brock, W. A., Brovkin, V., Carpenter, S. R., Dakos, V., Held, H., van Nes, E. H., Rietkerk, M., & Sugihara, G. (2009). Early-warning signals for critical transitions. Nature, 461(7260), 53–59. https://doi.org/10.1038/nature08227
47. Salavastru, C. M., & Ratiu, A. (2024). Mission command in multi-domain operations. International Conference KNOWLEDGE-BASED ORGANIZATION, 30(1), 161–165. https://doi.org/10.2478/kbo-2024-0022
48. Korobeynikov, F., Davydiuk, A., & Mokhor, V. (2026). Supplementary Information for “Ontological Foundations of Cognitive Warfare”. figshare. https://doi.org/10.6084/m9.figshare.31446277

关于作者

Fedir Korobeynikov 是信息安全哲学博士，System Capital Management 数字技术与信息安全总监，安全研究与研究中心（乌克兰基辅）创始人，以及乌克兰国家科学院 G.E. Pukhov 能源工程建模研究所的博士研究生（理学博士课程）。

Andrii Davydiuk 是网络安全哲学博士，北约CCDCOE政策与能力部门负责人，乌克兰国家特殊通信与信息保护局国家网络保护中心副主任，高级科学研究员，乌克兰国家科学院 G.E. Pukhov 能源工程建模研究所博士研究生（理学博士课程）。

Volodymyr Mokhor 是理学博士，数学建模、网络安全与风险科学教授，乌克兰国家科学院（NAS）通讯院士，乌克兰国家科学院能源与能源技术学部副主任，乌克兰国家科学院 G.E. Pukhov 能源工程建模研究所所长。

CCDCOE

北约合作网络防御卓越中心（CCDCOE）是一个北约认证的知识中心，采用独特的跨学科方法应对网络防御领域最相关的议题。CCDCOE的核心是一个由来自军事、政府、学术界和工业界的国际专家组成的多元化团队，目前代表39个国家。

CCDCOE保持着其作为国际公认的网络防御中心、顶级专业知识来源以及网络防御战略、法律、操作和技术方面基础资源的地位。本中心在网络防御所有前沿领域提供思想领导力，并提供该领域的360度全景视角。在其紧密相连的技术、战略、操作和法律重点领域内，本中心鼓励并支持将网络安全纳入北约和国家治理与能力建设的主流进程。

应CCDCOE邀请编写的《塔林手册》是政策顾问和法律专家关于国际法如何适用于国家之间以及针对国家和非国家行为体进行的网络行动的最全面指南。自2010年以来，中心每年组织“锁定盾牌”演习，这是世界上规模最大、最复杂的技术实弹网络防御挑战。每年，“锁定盾牌”为网络安全专家提供机会，在实时攻击下提升其防御国家IT系统和关键基础设施的技能。演习重点在于现实场景、前沿技术，以及模拟大规模网络事件的整个复杂性，包括战略决策以及法律和通信层面。

CCDCOE主办国际网络冲突会议（CyCon），这是塔林一年一度的独特活动，汇聚了全球网络防御界的关键专家和决策者。该会议自2009年起在塔林举行，每年春季吸引超过600名参与者。

CCDCOE负责为整个联盟的所有北约机构识别和协调网络防御行动领域的教育与培训解决方案。北约认证的卓越中心不属于北约指挥结构的一部分。

本结构化叙事性综述分析了随着军事行动从网络中心战向多域作战演进，高功率微波定向能武器（HPM）将如何塑造现代战争。借鉴了同行评审的技术文献、官方条令出版物以及开源实验报告，综合了当前关于HPM源、天线、功率与频率体制、传播与耦合机制，以及跨越陆、海、空、天、网领域的典型交战几何学的知识。本文从对电子设备的杀伤力、射程与波束控制、平台集成、后勤、大气层敏感性及成本等关键参数出发，比较了HPM定向能武器与高能激光系统，并强调了它们在反无人机、反基础设施以及一体化防空反导任务中的互补作用。在多域作战框架内，本综述探讨了人工智能赋能的传感、瞄准与指挥控制如何提升HPM武器的效能、韧性和响应速度，同时也评估了其在电磁频谱中可能引发的新漏洞和升级风险。它评估了技术与作战挑战，例如环境衰减、敌方加固与对抗措施、发电与热管理，以及融入现有部队结构的问题，并探讨了包括模块化架构和多模式杀伤链在内的新兴解决方案。本综述指出了在复杂目标建模与测试、效应度量标准化、战斗损伤评估，以及集成量子安全通信与先进传感等领域的关键研究空白。同时，本文概述了现有国际人道法和空间相关条约下的伦理与法律考量，并强调若要为实现全球安全与稳定而充分发挥HPM定向能武器的全部潜力，则必须建立健全的治理体系和保持伦理上的警惕。

关键词：高功率微波，定向能武器，多域作战，电磁频谱，反无人机，OODA循环

本文是一篇发表于期刊Journal of Engineering and Applied Science的综合性综述，旨在全面探讨无人机蜂群（UAV swarms）这一领域。文章指出，无人机集群代表了空中机器人技术的变革性进步，其通过利用协同自主性来增强操作能力。与单一机器人系统相比，受自然界社会行为启发的集群系统在多任务处理、可扩展性、成本效益、鲁棒性和适应性方面具有显著优势。以下内容是对本综述论文的解读。

一、 概述：无人机集群——空中机器人的变革性进展

集群机器人系统是多机器人系统（MRS）中的一种协调方法，由一组具有相似能力的、相对简单的自主机器人组成。它们通过局部传感和通信能力进行交互，从而在完成预定任务时比单个机器人更高效。无人机集群的核心是MRS的协调，即自主空中智能体在路径规划、任务分配和编队控制方面进行集体操作。

当前，人工智能（AI）和机器学习（ML）的集成对于提升无人机集群的决策和适应能力至关重要。本文的贡献在于全面审视了无人机集群的基础设施、最新研究进展、多样化应用，并指明了技术挑战与未来方向。

二、 无人机集群的基础设施与核心特征

无人机集群的有效运行依赖于一系列紧密协作的基础设施组件，并展现出使其区别于传统系统的关键特征。

1. 基础设施组件 无人机集群的基础设施由七大关键部件构成，确保集群的整体运作与协调：

• 无人机/四旋翼飞行器：作为集群中的个体单元，配备传感器、处理器及用于通信和协调的硬件。
• 控制单元：负责管理整个集群，确保无人机在期望参数内运行。可以是地面站或基于云的系统，提供控制、监控和数据接收的中心接口。
• 通信系统：用于无人机之间以及与地面控制站实时交换信息的无线网络，常采用Wi-Fi、蓝牙或Zigbee等协议。
• 传感器：集成传感器（如摄像头、激光雷达、GPS、加速度计、陀螺仪）用于收集和处理环境数据。
• 算法：特别是群体智能（SI）算法，用于实现自主协同，包括路径规划、碰撞避免、编队控制和决策。
• 能源：电池或系留供电，直接影响飞行时间和整体性能。
• 导航系统：如GPS、惯性导航和视觉里程计，使无人机能够自主导航和避撞。

2. 关键特征与优势 无人机集群作为MRS的一个子集，具备以下显著特征，这些特征共同支撑了其广泛应用：

• 成本效益：使用一组专用机器人比构建一个单一的多功能机器人更具成本效益，且不受尺寸和有效负载限制。
• 可扩展性：即使机器人数量增加，也能保持其有效性和性能。
• 鲁棒性与生存性：在不利条件下保持功能，并能在机器人发生故障时重新配置以减轻影响。
• 适应性与灵活性：调整集体行为以响应环境变化或新的任务目标。
• 并行性：多个机器人并发且独立地执行任务，提升系统性能和效率。
• 冗余性与容错性：通过重新配置剩余机器人来补偿故障，克服单点故障问题。
• 多任务处理：将任务分解为可同时完成的子任务，从而加快任务完成速度。
• 可分布性：基于单个机器人的能力来协调和分配任务，提高了效率、可扩展性和对条件变化的适应性。

三、 无人机集群的关键研究领域

无人机集群的研究是跨学科的，涉及多个核心优化与协调问题，主要包括以下六大方向：

1. 任务分配：将任务分配给一组机器人，以在考虑每个机器人的能力和限制的同时，最大化整体性能。这本质上是一个组合优化问题。
2. 路径规划：为多个机器人在复杂环境中导航寻找最有效的路线，同时避免障碍物和碰撞。协调多机器人路径规划是核心挑战之一。
3. 资源分配：在多个机器人之间分配能源、时间和通信带宽等关键资源，以优化集群整体性能。
4. 编队控制：协调多个机器人的运动以保持特定队形（如集群或队列），这对于需要同步移动的任务至关重要。
5. 网络优化：优化多个机器人之间的通信和数据交换，以最小化延迟并最大化效率。
6. 传感器布置：确定多个机器人上传感器的最佳位置，以最大化传感任务的覆盖范围和准确性。

其中，协同路径规划、任务分配与编队控制是研究重点：

• 协同路径规划：主要解决在共享环境中为机器人团队规划无碰撞路径的挑战。方法可分为两类：

  • 集中式（耦合）规划：将多个机器人视为一个单一的高维机器人进行规划。该方法能提供完备的解，但所需样本数随机器人数量线性增长，可扩展性差。
  • 解耦规划：为每个机器人单独规划路径，然后协调组合。该方法搜索维度低，可扩展性好，但本质上是不完备的，可能需要额外协调来保证找到解（如果存在的话）。

• 任务分配与角色互换：高效的多机器人任务规划与协调对系统至关重要。拍卖算法（机器人根据其独特能力和相关成本对任务出价）被广泛应用。任务互换性则指根据机器人个体能力和对特定任务的适应性来分配任务。当任务与执行机器人无关时（即任何机器人都能完成任何任务），机器人团队被认为是完全可互换的，这为算法设计提供了灵活性。

• 编队控制：涉及协调多个飞行机器人以保持特定队形来实现共同目标。主要策略包括：

  • 基于虚拟结构：使用一个虚拟结构来引导无人机编队，适用于监视和测绘等需要保持刚性队形的应用。
  • 领航-跟随：一个或多个无人机作为领航者，其余作为跟随者，适用于搜索救援等需要遵循特定路径的场景。
  • 基于行为：每个无人机遵循简单的行为规则以形成期望队形，适用于动态环境和侦察、数据收集等任务。

四、 使能技术与集成

1. 通信与组网 有效通信是无人机集群成功运行的关键。集群需要低延迟通信以执行同步动作并快速响应环境变化。移动自组织网络（MANETs） 常用于促进无人机之间的直接通信，而无需依赖固定基础设施。然而，保持网络稳定性和避免拥塞是重大挑战。未来，5G/6G技术、区块链去中心化网络以及AI/ML优化的通信协议是重要发展方向。

2. 安全与隐私考量 在监视、军事等敏感应用中，安全与隐私至关重要。

• 安全挑战：主要包括保护通信链路免受干扰、欺骗和窃听等网络攻击。需要开发强大的加密技术和安全通信协议。
• 隐私挑战：在使用无人机集群进行监视和数据收集时，必须确保数据被负责任地使用，并保护个人和敏感位置的隐私。这需要严格的数据治理政策和隐私保护技术。

3. 人工智能与机器学习的集成 AI和ML的集成极大地推动了无人机集群向智能化发展。

• 群体智能（SI）：作为AI的一个分支，SI研究受自然界启发的去中心化、自组织系统的集体行为。SI算法使无人机能够以分布式决策的方式进行协同导航、控制、感知和决策。
• 近期进展：在集群导航与控制、集群感知与决策算法方面取得了显著进步。例如，集群能进行集体感知以快速适应环境变化，并能通过集体决策优化任务分配。
• 应用赋能：AI/ML使无人机集群在搜索救援、环境监测、精准农业等任务中实现了自主决策、改进的目标识别、障碍物检测和优化的飞行路径。微分几何原理的应用也显著提高了无人机集群的制导、导航和控制性能。

五、 无人机集群的应用领域

无人机集群凭借其飞行优势和分布式行为，在民用和军事领域都有广泛应用。

1. 民用应用

• 自主监控：
  • 精准农业：协同进行作物授粉、监测作物和土壤健康、收集大面积产量数据。
  • 环境监测：高效覆盖大区域，进行污染检测、天气模式跟踪、空气质量监测和森林火灾探测。
  • 野生动物保护：监测动物种群，追踪偷猎活动。
  • 基础设施检查：快速准确地检查桥梁、管道和电力线路。
• 物流配送：
  • 包裹投递：快速高效投递包裹，降低时间和成本。
  • 医疗物资运输：向偏远或灾区投送必需物资。
  • 应急响应：向危险或难以抵达地点的救援队运送设备和物资。
• 搜索与救援：在灾后场景中协助救援人员快速到达危险或难以进入的区域，提供实时空中图像和数据，提高救援效率。
• 娱乐与活动：
  • 无人机灯光秀：多架无人机协同飞行，创造视觉奇观。
  • 广告：在空中显示标识和信息，创造独特的促销效果。

2. 军事应用

• 监视与侦察：执行边境巡逻，监控大片区域，提供潜在威胁的实时情报；进行侦察行动，收集敌方位置和动向的关键数据。
• 作战支持：协助进行目标识别与跟踪，为地面部队提供准确及时的信息；用于电子战，干扰敌方通信，破坏其行动。
• 军事物流：为前线部队运输补给和装备，确保资源持续供应，适用于具有挑战性的环境。

六、 挑战、局限性与未来方向

尽管前景广阔，但无人机集群的实现仍面临一系列挑战，可分为传统挑战和高级挑战。

1. 主要挑战与局限性

• 通信与协调：确保集群智能体间的有效通信是一大挑战，因为随着智能体数量增加，所需通信量呈指数级增长。可靠通信在设备故障等意外情况下至关重要。
• 控制与算法：需要开发能够处理大型集群复杂性的鲁棒、可扩展且能量高效的控制算法。这包括任务分配、路径规划、运动协调和动态可行轨迹生成等基本集群行为。
• 同步与环境干扰：在环境干扰下实现无人机间的协调、同步并保持集群完整性是另一个主要挑战。
• 安全与隐私：在确保有效通信和协调的同时，维护集群安全（防御网络攻击）和数据隐私是持续的关注点。
• 可扩展性与鲁棒性：需要开发稳定、计算高效的算法，以处理动态和不可预测的环境。
• 异构集群与伦理：使用具有不同能力和传感器的异构机器人集群虽然能实现专业化任务分配，但也增加了复杂性。此外，在监视等应用中的伦理影响必须仔细考量。

2. 未来研究方向 为应对上述挑战，未来的研究将聚焦于以下方向：

• 算法与智能化：
  • 专注于创建能量高效的算法，以延长无人机集群的 operational endurance。
  • 利用AI/ML技术（包括深度学习和群体智能）来提升集群决策、自主控制、任务分配和适应性。
  • 开发更鲁棒和可扩展的算法，以处理动态环境和大型集群。
• 通信与网络：
  • 集成5G、6G及更高代际通信技术，以获得高数据速率、低延迟和高可靠性。
  • 探索去中心化通信策略，如基于区块链的网络，以增强安全性并减少单点故障风险。
  • 利用AI/ML优化通信协议，并根据实时数据自适应管理网络资源。
• 系统集成与高级能力：
  • 集成新兴技术：如区块链和物联网（IoT），以实现安全的集群通信与协调。
  • 探索异构集群：充分发挥具有不同能力机器人的潜力，进行专业化高效的任务分配。
  • 增强自主性：研究协同任务分配和协调运动，以实现对复杂环境的完全自主控制。结合制导优化和目标跟踪技术以增强集群能力。
• 安全、伦理与跨学科合作：
  • 开发高级威胁检测与缓解策略，探索量子密码学等安全通信方法。
  • 仔细审视伦理影响，确保无人机集群的负责任和合乎道德的使用。
  • 促进网络安全专家、无人机开发人员和政策制定者之间的跨学科合作，创建解决技术和伦理问题的综合框架。

七、 结论

无人机集群领域，特别是飞行机器人方面，已取得显著进展。通过利用多个机器人协同工作，无人机集群为处理复杂任务提供了一种独特而高效的方法。AI和ML技术的集成是推动其向智能化、自主化发展的关键动力。

尽管在通信、控制、可扩展性、安全性和能源效率等方面仍存在挑战，但通过去中心化算法、先进的AI/ML技术以及跨学科创新，正在有效地解决这些问题。未来的研究将继续专注于开发鲁棒的控制算法、自适应编队变更、能量效率提升以及安全的通信协议。

通过持续的研究与创新，无人机集群有望在农业、搜索救援、环境监测、基础设施检查以及军事行动等多个领域引发变革性进步，同时必须确保其发展与应用始终受到伦理规范的指导。

Alqudsi, Y., Makaraci, M. UAV swarms: research, challenges, and future directions. J. Eng. Appl. Sci. 72, 12 (2025). https://doi.org/10.1186/s44147-025-00582-3

通用大语言模型处理自然语言请求并向用户返回可靠输出的能力是革命性的。然而，这需要付出巨大的计算能力、可靠的网络连接和时间的代价。本研究创建了一个名为HIVEMIND的系统，探索了在开源框架AutoGen中使用多智能体开源大语言模型（Llama3.1和Mistral-small），以促进多个大语言模型智能体之间的通信。每个智能体专门负责流程中的特定任务，从而为在离线（物理隔离）环境中提升大语言模型性能提供了一种替代方案。通过适当的架构调优，结果显示，三智能体配置在解决、执行和调试代码挑战方面实现了最佳效能。在中等和困难的代码挑战上，三智能体的Mistral-small模型表现更优，而计算资源的增加相对有限。HIVEMIND系统目前即可部署在舰船及其他离线军事环境中，以增强大语言模型在辅助开发人员进行软件创建和代码问题解决方面的性能，每次安装使用现成组件成本为3,199美元，或为300艘舰船部署两套HIVEMIND系统的成本为200万美元。

研究目标与贡献

本研究的核心目标是探究多智能体框架和各种实现超参数能否提高大语言模型作为编码助手的性能。这通过在离线环境中使用本地模型实现。研究假设：多智能体大语言模型能否利用不同的模型和团队来提高输出性能，同时降低成本并提升速度？

本研究探讨的研究问题包括：

• 专业的开源模型能否比最先进的通用大语言模型表现更优？

• 多智能体通信能否提高性能？

• 多智能体大语言模型中需要哪些具体的角色？

• 多智能体大语言模型的理想数量是多少？

• 每个多智能体大语言模型的理想上下文（提示）是什么？

• 从测试向量开始进行代码生成能否提高性能？

• 经过调优的多智能体大语言模型能否调试程序代码？

• 经过调优的多智能体大语言模型能否提供离线（物理隔离）调试？

• 多智能体方法能否推广到其特定编程用例之外并表现良好？

• 在简单测试案例上表现良好的多智能体大语言模型能否在更困难的测试案例上表现良好？

• 表现良好的多智能体大语言模型在执行时间、中央处理器、内存和图形处理器功耗方面如何比较？

本文共由六章组成。除第1章引言外，第2章介绍了当前相关工作，包括大语言模型基础、多智能体框架及其他多智能体系统。第3章讨论了实验设计、框架架构和实现。第4章结合额外测试分析了实验结果。第5章讨论了实验带来的启示和可立即产生影响的作战应用。最后，第6章为该领域潜在的未来工作提出了建议。

独特的军事用例要求大语言模型具备与商用大语言模型不同的属性。由于军事行动可能在恶劣环境中进行，军用大语言模型不能需要强大的计算能力、网络访问或大量时间来运行。此外，许多商用大语言模型设有信任与安全访问限制，以防止大语言模型创建或促成有害内容。然而，军事用例可能需要这些能力来执行军事行动。使用多智能体大语言模型有助于解决这些独特的限制。本项目专注于开发一种框架，以利用多智能体大语言模型和各种开源模型，提高大语言模型在特定任务上的性能，从而达到或超越顶尖通用大语言模型的水平。