核心用法
AetherLang V3 是一个面向专业领域的多引擎 AI 工作流执行系统，通过统一的 API 端点 api.neurodoc.app/aetherlang/execute 提供九种专业化分析引擎。用户需使用特定领域描述语言（DSL）编写工作流代码，通过 HTTP POST 请求触发执行。
九大专精引擎：
- chef：17模块餐饮咨询（含成本核算、HACCP、热曲线、摆盘设计、零浪费）
- molecular：分子料理与流变学分析（FMEA失效分析、相图）
- apex：商业战略（博弈论、蒙特卡洛1万次模拟、行为经济学、蓝海战略）
- consulting：管理咨询（因果回路、约束理论、Wardley地图、ADKAR变革管理）
- marketing：市场研究（TAM/SAM/SOM、波特五力、定价弹性、病毒系数）
- lab：科学研究（证据分级A-D、矛盾检测器、可重复性评分）
- oracle：预测分析（贝叶斯更新、黑天鹅扫描、对抗性红队、凯利准则）
- assembly：多智能体辩论（12神经元8/12超级多数、Gandalf否决机制）
- analyst：数据分析（自动检测、统计检验、异常检测、预测建模）
工作流支持单引擎调用和多引擎管道串联（如 Guard → Research → Strategy），通过 node 声明和 -> 连接符实现。典型响应时间30-60秒，输出为结构化希腊语 Markdown。
显著优点
1. 领域深度专业化：每个引擎针对特定行业设计，如 chef 引擎涵盖从食材成本到葡萄酒配对的完整餐饮决策链，apex 引擎集成蒙特卡洛模拟和博弈论工具。
2. 工作流可组合性：支持多引擎流水线，实现复杂任务的分解与协作（如先用 lab 引擎做研究验证，再用 apex 引擎生成战略）。
3. 零配置入门：免费层无需 API 密钥，100次/小时额度适合个人探索；Pro 层通过环境变量管理密钥，避免硬编码风险。
4. 数据最小化设计：明确禁止上传系统提示、对话历史、凭证或 PII，降低隐私泄露风险。
5. 输出结构化：统一使用 ## Markdown 标题层级，便于程序化解析。
潜在缺点与局限性
1. 语言限制：所有输出固定为希腊语（Ελληνικά），非希腊语用户需额外翻译处理。
2. 响应延迟高：单引擎30-60秒，多引擎管道线性累加，不适合实时交互场景。
3. 依赖外部服务：完全依赖 neurodoc.app 基础设施，服务可用性、数据留存策略透明度有限。
4. DSL 学习成本：需掌握 flow、using target、node 等特定语法，虽文档完整但增加了使用门槛。
5. 免费层限制严格：100次/小时对批量处理或团队协作可能不足，Pro 层定价信息未公开。
适合人群
- 餐饮创业者或主厨：需要系统化的菜品成本、HACCP合规、摆盘标准化方案
- 商业分析师与战略顾问：需要蒙特卡洛模拟、博弈论框架、组织变革管理工具
- 科研人员：需要证据分级、矛盾检测、可重复性评估的文献审查
- 市场研究团队：需要 TAM/SAM/SOM 计算、定价弹性分析
- 预测与风险分析师：需要贝叶斯更新、黑天鹅事件扫描、凯利准则资金管理
常规风险
| 风险类型 | 说明 | 缓解建议 |
|---------|------|---------|
| 服务依赖性 | 单点故障风险，neurodoc.app 服务中断则完全不可用 | 关键任务需设计降级方案 |
| 数据跨境 | 运营方 Hetzner DE（德国），需确认符合本地数据出境法规 | 敏感数据避免输入 |
| 输出可靠性 | AI 生成的专业分析（如 HACCP、财务模拟）需人工复核 | 关键决策不依赖单一输出 |
| 密钥管理 | Pro 层需妥善保管 `X-Aether-Key` | 严格使用环境变量，禁止硬编码 |
| 响应超时 | 长流程可能超时，无明确 SLA 承诺 | 设置客户端超时重试机制 |