“模型+经验+案例库！”阿米尔一拍大腿，“这不比纯数字靠谱？”
当晚，第一版预警模型终于上线。
第二天一早，尤哈输入最新数据：印度环保草案通过概率调至40%，影响程度因案例库比对升为“高”，坐标点稳稳落在黄区边缘。
“黄灯亮了。”他抬头，“脚悬刹车上了。”
可第三天，问题来了。
一条来自东南亚代理的紧急消息：当地新税法草案拟对进口玻璃加征15%附加费。消息来源是代理老板酒桌上听来的，未公开。
尤哈录入系统，模型却没响。
“影响大，但概率难估。”他皱眉，“没公开文件，没案例参考，系统判定‘信息不完整’，自动降级为‘观察态’。”
“可万一真征了呢？”小陈急了。
“那就不是模型问题，是信息匹配问题。”刘好仃看着屏幕，“咱们的模型像个好学生，只认标准答案。可现实出的，往往是填空题。”
他转身在白板上画了个新模块：“信息预筛组。所有非结构化信息，先由专人做‘翻译’和‘标注’，比如‘酒桌消息’标为‘低确信度，高敏感性’，再输入模型。”
“我来！”小陈举手，“我以前在外贸公司干过，擅长从闲聊里扒干货。”
“那尤哈你配合，做数据转译。”刘好仃点头，“咱们不指望模型一开始就全知全能，但得让它学会‘听人话’。”
一周后，新流程跑通。
那天早上，小陈刚进会议室，就看见尤哈盯着屏幕瞪眼。
“怎么了？”她凑过去。
“模型刚自动标红了一个风险点。”尤哈声音发紧，“越南海关拟加强原产地证明核查，影响概率65%，影响程度‘高’，触发红灯预警。”
“消息来源？”小陈问。
“你前天整理的代理群聊记录，加上昨天商会内部邮件，还有去年退运案例三起。”尤哈指着屏幕右下角，“系统自动生成了风险简报，还标了应对建议：‘提前准备原产地文件备份，联系当地清关代理确认流程’。”
小陈愣住：“它……自己会学习了？”
刘好仃端着陈皮水走进来，看了一眼屏幕，笑了。
“不是它学会了，”他说，“是咱们终于教会它怎么‘看天色’了。”
会议室里，几个人围在屏幕前，像围着一炉调得正好的玻璃液。
尤哈正要说话，投影突然弹出一条新消息。
来自南美代理的语音转文字：“刚听说，下月起所有进口建材需提供碳足迹报告，否则拒收。”
小陈立刻调出模型界面，输入关键词。
进度条缓缓推进，模型开始交叉比对：wto通报无记录，世界银行报告未提及，但三小时前，一个巴西行业论坛有匿名帖提到类似政策。
尤哈快速打开数据分析软件，导入过往清关延误案例，启动趋势预测。
刘好仃站在两人身后，没说话。
屏幕中央，坐标轴上的红点开始闪烁。
模型下方跳出一行字：“风险等级：橙。建议动作：立即启动信息验证流程。”