为大规模军事行动制定有效的行动方案（COA）是军事决策流程（MDMP）中资源密集、耗时且关键的一环。当前的指挥控制（C2）流程主要依赖人工、速度缓慢，并在作战节奏加速、复杂性增加及对手能够快速利用机会窗口的背景下面临挑战。为此，推出COA-GPT 2.0，这是一种先进的代理式人工智能（AI）规划助手，它利用多模态大语言模型（LLM）、专用外部工具及人类专业知识，在军事决策流程期间快速支持指挥控制规划参谋，显著简化任务规划。本报告概述了COA-GPT 2.0的当前能力，呈现了军事主题专家（SME）对其军事决策流程产出物的评估，并明确了实现指挥所（CP）在精简人员编制下仍保持强大分析能力的前进路径。开发COA-GPT 2.0的目标是加速军事规划流程，同时使指挥官在压缩的决策时间线下保持决策优势，能够动态调整作战计划以应对新出现的威胁和不断变化的战场环境，适应现今及近未来复杂多域战场。

军事行动中行动方案（COA）的制定是营、旅、师、军及战区陆军层级的指挥官及其参谋面临的最关键和复杂的规划挑战之一。在这些较高指挥层级，军事决策流程（MDMP）作为条令框架构建了这一复杂的规划工作。该流程有意融入了多人性化特征，如重复性、多形式沟通和群体构思，以确保指挥官及其参谋形成足够的态势理解，从而维持在下级梯队于复杂多域作战空间行动时的努力统一。传统的军事决策流程方法需要大量的参谋资源、跨多个作战职能领域的专业知识以及显著的时间投入，以生成在可行性、适用性、可接受性和独特性之间取得平衡的可行行动方案选项——所有这些都在高压环境下进行，决策影响着数千名士兵，并可能决定广阔作战区域的任务成败，甚至可能涉及建议动用关键的国防和战略威慑能力。

然而，新出现的战场现实正迅速超越传统军事决策流程方法在所有层级上那种审慎的节奏。自主系统的激增、无处不在的传感器、人工智能（AI）和先进数据分析正在急剧加速作战节奏，同时使信息量和速度呈指数级增长。未来的多域作战将呈现转瞬即逝的机会窗口，这些窗口可能仅存在几分钟而非数小时或数天——这是通过耗时规划周期无法利用的窗口。此外，采用先进反介入/区域拒止（A2AD）能力的复杂对手将制造 contested 电磁环境，其中通信的拒止、降级、间歇与受限（DDIL）成为常态，而精准远程火力日益威胁大型静态指挥所（CP），驱动了对敏捷机动指挥节点的需求。通过COA-GPT 2.0应对这些挑战，这是一个代理式AI赋能的规划助手，它利用最新的生成式AI能力对大量数据进行推理，从而加速规划流程和行动方案生成。COA-GPT 1.0 [7]是第一代使用大语言模型（LLM）进行快速行动方案开发的生成式AI系统，在其第二次迭代中已取得实质性演进。与专注于使用单一LLM生成简单行动方案的COA-GPT 1.0不同，当前系统通过集成的多智能体架构全面支持所有军事决策流程步骤，生成全套条令规划产物，同时保持人工监督。

设想COA-GPT作为任务指挥信息系统内的智能助手，在数据输入和人类参谋之间充当中间层。通过由军事主题专家调优的多模态LLM承担常规数据处理和文件起草任务，规划人员可以专注于高阶分析和与指挥官的互动。受先前方法的启发，也旨在提供一个平台，让战争的科学由计算机处理，而战争的艺术仍保留在人类判断的领域，从而在保持军事指挥必要人性化要素的同时，提高决策的速度和质量。

图1：用于军事规划的分布式COA-GPT架构，根据不同指挥所（CP）的层级和可用连接性，同时利用本地和基于云端的大语言模型（LLM）。 该示意图展示了与驻地任务指挥（HSMC）及国家级数据库的集成，以及不同类型的指挥所：主指挥所（Main CP）、战术指挥所（TAC CP）、后方指挥所（Rear CP）、主指挥所/主要备用指挥所（MCP PACP）以及机动指挥组（CMD GRP）。

COA-GPT

拟议的高层架构（如图1所示）是一个分布式生态系统，其中COA-GPT实例部署于各个指挥层级。这些实例之间的关键架构差异在于它们所采用的底层大语言模型（LLM）技术，这取决于其作战环境。在连接稳定的层级，COA-GPT可以利用最先进的基于云的LLM。这使得它们能够直接与国家层级数据库交互，并执行复杂的大规模数据合成以支持战略级规划。

图2：COA-GPT用于任务规划的多智能体生态系统，展示了自动化规划智能体、数据分析、模拟、规划参谋和指挥官之间的相互作用。

相反，部署在战场内的指挥层级则在通信拒止、降级、间歇与受限（DDIL）的假设下运作。对于这些单位（包括从军到旅级的各种指挥所（CP）），连接云端的可靠性无法保证，甚至由于电磁（EM）辐射担忧而不被期望。因此，这些层级配备了运行在自包含本地LLM上的COA-GPT实例。这一关键设计选择确保了每个指挥所都拥有有韧性的、独立的人工智能助手，在规划与决策支持方面保持完全功能，不受连接性影响。

图2说明了每个COA-GPT实例的多智能体生态系统，它协调自动化规划智能体、数据分析、模拟、规划参谋和指挥官以执行军事决策流程。与单一的LLM解决方案不同，COA-GPT采用多个专用智能体，以层级化、角色专门化的组织方式运作，镜像了军事规划参谋的职能。通过此集成规划架构，系统全面支持所有军事决策流程的步骤和子步骤，对军事规划中常见的大量非结构化数据进行推理，以生成高保真的产物和建议。

任务规划的初始阶段涉及摄取任务相关文档，这些文档通常以各种格式分发，如PDF、Microsoft Office文件（例如Word、PowerPoint、Excel）、GeoJSON和KML文件。COA-GPT的第一个组件是一个专门的数据解析器智能体，旨在应对这一挑战。该智能体从这些不同来源提取所有相关信息，并将非结构化的任务数据转换为标准化的结构格式。这一基础步骤对于确保数据一致性以供COA-GPT及其核心和专用智能体进行后续分析至关重要。在此摄取过程中，系统还会自动识别并标记所提供文档中的潜在差异，向规划参谋警示任何不一致之处。

COA-GPT的知识库还通过条令和历史数据得到增强。为提供条令背景，我们开发了一个军事检索增强生成（RAG）数据库，其中包含来自陆军出版局（APD）和其他可靠来源的大量出版物。对于历史背景，所有用户反馈和与COA-GPT的交互都会被存储，并在适用情况下用于未来任务的规划。在整个规划过程中，指挥控制规划参谋或指挥官还可以通过图形用户界面（GUI）上传额外的任务和想定相关文档。

系统在整个军事决策流程中产生全面的规划产物，包括敌我行动方案、同步矩阵、预警与作战命令、任务简报以及其他条令输出。一个专门的地理空间智能体从地图图像执行地形分析，而系统则维护运行评估并为任务执行生成最终战斗产物。系统还执行音频分析，并作为一个全面的数据管理系统，维护通用作战图（COP）并为任务执行生成最终战斗产物。这种集成方法确保所有规划要素保持同步，同时承担常规数据处理和文件起草任务，使人类规划人员能够专注于高阶分析和与指挥官的互动。

在此工作流下，规划参谋使用COA-GPT来摄取和分析任务文档，然后为军事决策流程每个规划步骤所需的条令产物生成初稿。COA-GPT使用其主规划智能体并结合我们军事数据集的RAG来生成初始的军事决策流程输出和产物。RAG系统确保这些初始产物基于军事条令和可用的任务数据。这些输出随后被发送到一个独立的评审员智能体，其职责是根据条令和主题专家 informed 的特定标准对主规划智能体进行批判并提供反馈。主规划智能体利用评审员提供的反馈生成修订后的输出，根据我们的经验，这些输出相比原始输出有显著改进。此迭代工作流可以重复进行以提高精炼度并产生更高质量的结果，但代价是额外的时间和计算资源。在规划过程中，主规划智能体会定期指派其他更专业的智能体执行各种军事决策流程任务。这些基于特殊角色或陆军作战职能的专用智能体，在军事决策流程的不同步骤和子步骤中被调用，具体取决于COA-GPT正在执行的规划任务类型。

为完成规划周期，COA-GPT促进行动方案分析与比较。一旦制定完成，行动方案被发送到模拟器进行兵棋推演并生成详细的性能指标。这些结果随后反馈给COA-GPT，由它呈现比较分析供参谋和指挥官评估。基于这些指标，指挥官可以批准一个行动方案，或者参谋可以提供反馈以修改行动方案并在模拟器中重新分析。最终行动方案选定后，COA-GPT协助规划参谋生成用于任务执行的最终命令，从而支持从初始数据摄取到命令生成的整个军事决策流程。

在规划过程的任何时刻，指挥控制参谋都可以在批准前检查并/或细化生成的军事决策流程产物，确保决策权和军事判断力保留在人类手中。此外，我们的系统由LLM驱动的一个关键优势是，规划参谋或指挥官可以直接指导或向COA-GPT下达指南，系统将根据该反馈细化其输出。COA-GPT的多智能体架构允许规划参谋直接与多个专用LLM和外部工具交互以执行军事决策流程。这种代理式设计镜像了人类军事参谋的结构，由专业参谋处理军事决策流程的不同方面。除了其规划能力，COA-GPT还作为一个全面的数据管理系统，适用于所有任务和条令文档，因为它转换非结构化数据并构建一个包含所有相关规划信息的结构化数据库。COA-GPT还维护一个规划通用作战图（COP）以展示其产物，管理战场条件和资源可用性的运行评估，并生成任务执行所需的最终战斗产物。这种集成方法使所有规划要素在整个军事决策流程中保持一致，为指挥官和参谋提供最新的决策信息，并通过使用陆军已在更高层级采用的相同流程来加速规划。