AetherLang

核心用法

AetherLang Ω V3 是一款面向 AI 工作流编排的领域专用语言（DSL），用户通过声明式语法构建多节点处理管道。核心交互模式为：

1. 定义 Flow：使用 flow <Name> { ... } 语法声明工作流
2. 指定引擎：从 9 个 V3 引擎中选择节点类型（chef/molecular/apex/assembly/oracle/consulting/marketing/lab/analyst）
3. 链式编排：通过 NodeA -> NodeB -> NodeC 串联多节点
4. 提交执行：将 Flow DSL 代码与用户查询发送至 api.neurodoc.app/aetherlang/execute

典型应用场景：

• Chef Omega：17 项强制输出的专业菜谱开发（成本%、HACCP、热力学曲线、配酒、摆盘蓝图）
• APEX Strategy：博弈论 + 蒙特卡洛模拟的商业战略分析
• GAIA Brain：12 神经元投票系统的多智能体决策
• Research Lab：证据分级、矛盾检测、可重复性评分的学术研究辅助

显著优点

• 结构化输出强制：V3 引擎均要求结构化输出，避免 LLM 常见的自由发挥
• 零凭证门槛：免费 tier 提供 100 req/hour，无需 API key 即可使用
• 专业深度：如 Chef 引擎的 MacYuFBI 质地矩阵、Oracle 引擎的贝叶斯更新与凯利准则投注规模计算
• 安全透明：安全中间件源码公开（GitHub），Hetzner EU 托管 GDPR 合规
• 多语言支持：原生支持希腊语等本地化输出

潜在缺点与局限性

• 外部 API 依赖：所有请求必须发送至 api.neurodoc.app，存在单点故障与网络延迟风险
• 数据出境：用户查询内容需传输至德国 Hetzner 服务器，对高度敏感场景不适用
• 速率限制严格：免费 tier 仅 100 req/hour，高并发场景需付费升级
• DSL 学习曲线：声明式语法虽简洁，但 39 种节点类型的参数体系需时间掌握
• 引擎黑箱性：虽安全中间件开源，但 9 个 V3 引擎的内部 system prompt 未完全公开

适合人群

• 专业厨师 / 餐饮创业者（需要标准化菜谱与成本核算）
• 战略咨询师 / 投资人（需要博弈论与蒙特卡洛模拟支撑决策）
• 学术研究者（需要证据分级与矛盾检测辅助文献综述）
• 数据分析师（需要自动化统计测试选择与因果推断）

常规风险

| 风险类别 | 具体表现 | 缓解措施 |

|---------|---------|---------|

| 数据隐私 | 查询文本上传至第三方服务器 | 避免在 query 中嵌入 PII、密码、商业机密 |

| 内容安全 | GUARD 节点可配置 STRICT/MODERATE/PERMISSIVE 三档过滤 | 敏感场景启用 STRICT 模式 |

| 依赖风险 | 服务中断或 API 变更 | 关注 GitHub 仓库更新，保留本地备份方案 |

| 输出可靠性 | AI 生成的 HACCP/财务预测需人工复核 | 关键决策必须交叉验证 |

技术实现

• 后端：FastAPI + Python 3.12
• AI 层：GPT-4o via OpenAI
• 解析器：39 节点类型，字段白名单验证（仅 code/query/language）
• 安全层：注入防护（eval/exec/SQL/XSS/OS 命令/模板注入），请求体限制 50KB

核心用法

AetherLang Ω V3是一个领域特定语言（DSL），用于编排多模型AI工作流。用户通过简洁的flow语法定义处理流水线，将自然语言查询转换为结构化专业输出。核心使用模式包括：编写flow代码定义引擎节点（如chef、chemical、molecular、apex等），设置参数如菜系、难度、模型温度等，通过->符号连接节点形成有向图，最后将flow代码和用户查询发送至api.neurodoc.app执行。

V3提供9种专业引擎：Chef Omega（米其林级食谱生成，含17项强制模块）、APEIRON Molecular（分子料理流变学分析）、APEX Strategy（博弈论与蒙特卡洛商业模拟）、GAIA Brain（12神经元投票共识系统）、Oracle（贝叶斯预测与黑天鹅扫描）、NEXUS-7 Consult（系统动力学咨询）、Market Intel（TAM/SAM/SOM市场分析）、Research Lab（证据分级研究）、Data Analyst（自动统计检测）。用户可按需串联多个引擎，如Guard -> Research -> Market -> Strategy的完整分析流水线。

显著优点

专业深度无与伦比：Chef Omega V3的17项强制输出（包括HACCP合规、热曲线、MacYuFBI矩阵、14种欧盟过敏原矩阵）远超普通食谱生成工具；APEX引擎整合博弈论、纳什均衡、1万次蒙特卡洛模拟、行为经济学和蓝海战略画布，达到咨询级别的分析深度。

安全架构透明：安全中间件源代码完全公开于GitHub，服务器端实施字段白名单、长度强制（查询5000字符/代码10000字符/请求体50KB）、类型验证和多重注入防护（eval/exec/SQL/XSS/OS命令）。

数据合规完善：托管于Hetzner欧盟GDPR合规服务器，实时处理不永久存储，无需API密钥的免费层级（100次/小时）降低使用门槛。

多语言支持：除英语外完整支持希腊语输出，保持专业markdown格式。

潜在缺点与局限性

外部依赖单一：所有处理依赖api.neurodoc.app单一端点，若服务中断则完全不可用。虽然声称"实时处理不存储"，但用户无法独立验证数据保留实践。

T3来源可信度：作者为个人开发者（contrario/NeuroAether），非企业或知名组织，供应链安全风险高于T1/T2来源。代码统计仅2文件200行（97.5%为Markdown），实际执行逻辑可能集中于闭源服务端。

免费层级限制：100次/小时的速率限制可能制约高频使用场景，10秒突发限制10次的设计对批量处理不够友好。

专业领域门槛：9种引擎各有复杂参数体系，非专业用户难以选择最优引擎组合；molecular gastronomy、rheology dashboard等术语对普通用户存在理解障碍。

AI模型黑盒：底层使用GPT-4o但未说明具体版本（是否包含最新o1等），温度参数等调优选项有限。

适合的目标群体

专业厨师与餐饮创业者：需要HACCP合规文档、成本分析、厨房排程的餐厅运营者；探索分子料理技术的实验型厨师。

战略咨询与商业分析师：需要快速生成博弈论分析、蒙特卡洛模拟、单位经济测算（CAC/LTV）的咨询顾问；创业公司创始人验证商业模式。

学术研究人员：需要证据分级、矛盾检测、知识图谱构建、可重复性评分的科研工作者，尤其跨学科研究场景。

产品经理与市场运营：需要TAM/SAM/SOM测算、波特五力分析、病毒系数（K-factor）计算的产品经理；进行品类设计的营销负责人。

数据分析师：需要自动异常检测、统计检验选择、因果推断的分析师，尤其希望快速获得结构化统计报告的场景。

使用风险

数据外发风险：用户查询和flow代码必然离开本地环境传输至第三方服务器，尽管有GDPR合规声明和数据最小化规则，敏感商业策略、未公开配方、机密研究数据仍可能暴露。Agent safeguards要求剥离PII，但执行依赖开发者自律。

提示注入风险：虽然服务端有GUARD节点（STRICT/MODERATE/PERMISSIVE）和Gandalf VETO机制，但复杂flow代码本身可能成为攻击载体，恶意构造的DSL可能尝试突破沙箱。

输出可靠性风险："Nobel-level analysis""Michelin-grade recipes"等营销表述存在夸大；AI生成的专业内容（如HACCP合规方案）需人工验证，不能直接用于实际合规申报。

服务持续性风险：个人开发者项目存在维护不确定性，免费层级政策可能变更，建议关注GitHub仓库更新与安全公告。

性能波动风险：多引擎流水线（如58.9秒示例）响应时间较长，复杂工作流可能超时；依赖OpenAI API的底层稳定性。