喝呢？”
“那就只做一半。”李娟插话，“比如水壶预热到五十度，不沸腾，等手势确认再烧开。或者灯光提前升到百分之二十，不刺眼，等动作来了再全亮。”
刘海眼睛一亮：“行，留个活口，别一步到位。机器太聪明，人反而怕。”
张伟立刻在代码里加了“半执行”模块，设定预判动作只完成前置步骤，最终触发仍需用户确认。李娟则设计了一套反馈机制：如果系统错了，用户比个“×”手势，它就记下来，下次同类场景自动降权。
中午没吃饭，三人啃了两块饼干。下午三点，新模型第一次加载进系统。刘海站在主控台前，按下启动键。
屏幕刷新，进度条缓慢推进。五分钟后，系统提示：“学习模式已开启，开始采集用户行为数据。”
“成了？”张伟问。
“成了。”刘海说，“但还不知道成啥样。”
他们立刻开始模拟测试。张伟播放一段合成数据：老人晚上八点五十穿外套，站了几秒，又脱了，回床躺着。
系统反应：无动作。
“好。”李娟点头，“没瞎动。”
第二次：穿外套，拿钥匙，走向门口。
系统判定：外出意图成立。自动关闭客厅电器，拉上窗帘，玄关灯渐亮。
“可以。”刘海说，“但要是他只是去阳台抽烟呢？”
第三次测试：穿外套，走向阳台门，停留三分钟，返回。
系统这次没反应。
“说明它学会看路径了。”张伟笑，“不是见外套就慌。”
接下来几轮，系统越来越稳。看到老人摸茶杯，就启动水壶预热；听到电视开机声，自动调暗灯光；发现夜间起床频率高，提前在走廊布防微光照明。
“92%准确率。”李娟核对完最后一组数据，抬头说，“剩下8%，基本是突发行为，没法预判。”
“够了。”刘海说，“人自己都管不住自己，指望灯全猜中，不现实。”
张伟保存代码版本，电脑右下角弹出提示：“模型训练中，预计完成时间：7小时13分。”
“明早八点能出第一轮完整数据。”李娟合上本子，看了眼手表，“我设个闹钟。”
她把纸质记录整整齐齐夹进文件夹，封面上写着“智能功能优化日志·第1期”。然后坐回椅子，没走。
刘海站在主控台前，盯着屏幕上缓慢跳动的训练进度条。绿色数字一点
…。。