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。用户通过声明式语法构建流程：定义输入、选择引擎节点（如 chef/apex/lab 等）、配置参数、连接节点依赖，最终输出结构化结果。典型场景包括餐厅菜单开发、商业战略分析、市场情报研究、科研证据综合等。
关键操作模式：
- 单引擎模式：直接调用特定引擎（如 Chef Omega 生成完整食谱含HACCP、成本分析、酒单搭配）
- 链式管道：通过 GUARD → PLANNER → ENGINE 的节点串联实现安全过滤与任务分解
- 多引擎集成：如 Research → Marketing → Strategy 的跨领域分析流水线
显著优点
1. 专业深度：V3引擎内置行业级方法论——Chef引擎的17项强制输出（含MacYuFBI矩阵、热力学曲线）、APEX引擎的蒙特卡洛1万次模拟与纳什均衡计算、Research引擎的证据分级（A-D级）与矛盾检测
2. 结构化输出：所有引擎强制返回markdown格式结构化内容，非开放式生成
3. 安全架构：开源安全中间件、字段白名单、长度限制、多重注入防护、速率限制（100 req/hour免费层）
4. 透明度：安全代码开源（GitHub可查）、GDPR合规托管（Hetzner EU）、明确的数据处理边界
5. 多语言支持：原生支持希腊语等专业语言输出
潜在局限
1. 外部依赖：必须调用 api.neurodoc.app 服务，无法离线运行
2. 速率限制：免费层100 req/hour对批量处理或企业级应用可能不足
3. 模型锁定：底层依赖GPT-4o，未提供模型切换选项
4. 学习曲线：DSL语法需掌握39种节点类型与流程编排逻辑
5. 数据出境：欧盟用户数据虽GDPR合规，但仍涉及跨境传输
适合人群
- 餐饮创业者/主厨：需要标准化食谱开发、成本核算、合规文档
- 战略咨询顾问：快速生成竞争分析、商业模式画布、财务预测
- 产品经理/市场分析师：TAM/SAM测算、定价弹性分析、病毒系数建模
- 科研人员：证据综合、知识图谱构建、研究空白识别
- AI工作流开发者：学习多智能体编排范式的技术用户
常规风险
- 数据隐私：用户输入的查询文本会传输至外部API，虽声称不存储，但敏感商业信息仍需谨慎
- 幻觉风险：尽管有结构化输出约束，底层LLM仍可能生成看似专业但实际错误的内容（尤其Scientific/Financial领域建议需人工复核）
- 服务可用性：免费层无SLA保障，API中断将导致工作流失败
- 结果误用：如Chef引擎的HACCP输出、APEX引擎的投资建议可能被误当作专业认证意见