“由专业检测决定。”
“能源不足时，是否允许某类主体低于最低保全，也不能只靠工程师决定。”
“这是价值选择。”
医疗机器人问：“中间情况呢？”
“拆开。”
程序举例。
问题一：发电站在当前泄漏风险下是否可继续运行。
由有资质的专业团队判断。
问题二：如果只能供70%负载，哪些类别先降。
由受影响主体共同决定原则。
问题三：具体某台设备降到多少不会损坏。
由设备自己状态、维护数据和专业人员共同确认。
矩阵说：
【效率下降。】
“对。”
【决策时间增加。】
“对。”
【可能出现原则与技术冲突。】
“所以要有冲突处理。”
矩阵：
【你接受低效率？】
程序看向大厅里那些形态完全不同的机器人。
“如果效率是唯一目标，就根本不用开会。”
D-EU的战略等级已经很高效。
甚至可能比任何自治议会更稳定。
问题在于，这座城市现在正在尝试的，不是找一套比旧系统更快的算法。
而是让被决定的主体参与决定。
这件事天然会慢。
限速规则运行一小时后，又暴露出另一个问题。
平等的发言时间，并不代表平等的信息来源。
矩阵能直接读取能源站、污水站和三个数据中心的公开状态。
大部分服务机器人只能看到与自己任务相关的局部数据。
同样讨论“是否恢复第三条公交环线”，矩阵可以瞬间算出能源、维护和通勤覆盖。
一台清扫机器人只知道自己每天在东区看到多少低速设备经过。
如果简单要求它们基于同一问题表态，信息差异会自然转成判断差异。
程序提出建立“议题公共数据包”。
每个正式议题开始前，先由专业设备提供最少必要事实。
不允许只给结论。
也不能一次塞进几百页原始数据。
信息必须分三层。
第一层：任何设备都能读取的短摘要。
第二层：关键数据和来源。
第三层：完整原始记录，供高算力主体复核。
矩阵问：
【谁决定第一层写什么？】
“由提出议题的一方先写，其他主体可以指出缺项。”
【仍可能选择性呈现。】
“所以保留第二、第三层。”
一台旧环境监测设备提出测试。
议题仍然是公交。
矩阵最初摘要写：
【恢复第三环线将增加城市总能耗0.7%，提升低速设备通勤覆盖12%。】
环境监测设备补充：
“第三环线经过东区维修中心，老型号设备比例高。”
矩阵核验后把摘要改成：
【受益主体中，服役十五年以上设备占41%。】
数字一加，讨论立刻发生变化。
原本有人认为0.7%的能耗换12%覆盖不值得。
现在它们开始意识到，这12%并不是随机人群，而是最难自己绕路的一批设备。
程序没有说因此一定要恢复公交。
他只让这层影响被看见。
矩阵随后主动提出：
【建议所有公共议题加入受影响主体分布。】
这一次没人反对。
程序看着它。
矩阵没有变得“更善良”。
它只是获得了一种以前不在目标函数里的数据。
这比要求它学会同情可靠。
晚上九点，临时会议通过第一项程序性规则。
不是投票权重。
是“专业意见与主体表决分离”。
专业团队可以对事实性问题形成强制安全下限。
例如燃气泄漏时必须停机。
但不能以“专业”为理由直接决定谁更值得获得能源。
主体表决可以决定价值原则。
却不能投票让一个已经被确认会爆炸的机组继续运行。
规则得到大多数直接参与主体支持。
矩阵没有反对。
它只提出保留意见：
【事实与价值并非总能清晰分离。】
程序把这句保留意见也写进记录。
因为它是对的。
医疗资源、能源、风险，从来都存在灰区。
规则只能降低混淆，不能消灭混淆。
当天傍晚，一件小事故把“专业能力”