WAIC 2026上千问发布"智能体眼镜"，宣布它能按需调用第三方Skill和Agent。这标志着AI硬件从"单机智能"走向"生态智能"——眼镜成为输入终端，真正的计算能力在云端Skill层。

百炼作为阿里云大模型平台，提供了CLI工具将AI能力封装为可调用的Skill。本文从平台生态视角，拆解百炼CLI在AI眼镜场景中的调用架构，并展示10个企业级场景的实践。

百炼生态定位

百炼平台的核心能力栈分为三层：基础模型层（通义系列大模型）、能力封装层（Skill和Agent）、调用入口层（API、SDK、CLI）。CLI是面向开发者的轻量调用入口，通过 bl 命令统一访问视觉理解和对话分析两类模型能力。

AI眼镜的价值链为：硬件采集（图像/语音）→ 终端调用（CLI命令）→ 模型推理（百炼平台）→ 结果返回。百炼CLI在这个链路中承担"能力路由"角色，将眼镜采集的多模态输入路由到对应模型。

架构设计与能力矩阵

调用架构

百炼CLI提供两个核心命令：

• bl vision：调用视觉理解模型，处理图像识别、OCR、场景分析
• bl chat：调用对话模型，处理文本分析、计划生成、情感交互

两者可独立调用，也可串行组合。视觉类场景采用"先识别后分析"的串行模式，纯对话场景直接单次调用。

[AI眼镜/手机] → 图像/文本输入 → [百炼CLI]
                                    ├─ bl vision → 视觉理解 → 结构化描述
                                    └─ bl chat   → 对话推理 → 分析/计划/建议

场景能力矩阵

核心场景实现

健康管理闭环

健康方向四个场景构成完整闭环：饮食识别（吃了什么）→ 健身计划（怎么练）→ 身体指标（练得怎样）→ 饮食建议（怎么调整）。

# 食物卡路里识别
bl vision --image food-photo.jpg --prompt "识别食物种类，估算卡路里及主要营养成分"

# AI健身教练
bl vision --image treadmill.jpg --prompt "识别器材类型"
bl chat --prompt "根据这台器材制定减脂训练计划，每周3次，每次消耗500kcal，输出周计划表"

# 身体指标分析（支持文件上传）
bl chat --file health-data-7days.json --prompt "综合分析7天健康数据趋势，提供改善建议"

企业可基于这套闭环构建员工健康管理方案，结合可穿戴设备数据实现持续监测。

合同风险扫描

法务场景的典型应用。视觉模型做OCR全文提取，对话模型逐条分析风险条款：

bl vision --image contract.jpg --prompt "OCR识别合同全文"
bl chat --prompt "逐条分析合同条款，标注风险条款，给出风险等级和建议"

适用于中小企业合同管理流程，降低法务审查门槛。

差旅出行规划

通过自然语言描述需求，对话模型返回结构化推荐：

bl chat --prompt "出行日期5月20日-22日，2晚住宿，目的地上海外滩附近，经济型酒店，总预算1000元，查询并推荐酒店"

可集成到企业差旅系统中，替代多App比价流程。

育儿与陪伴场景

# 育儿行为识别
bl vision --image baby-playing.jpg --prompt "识别宝宝行为，评估发育阶段"
bl chat --prompt "记录今日喂养和护理行为，生成成长总结"

# AI陪伴机器人（persona设定）
bl chat --persona "你是陪伴机器人小智，性格活泼温暖" --message "我今天好开心呀，我们一起玩吧！"

上手步骤

# 安装百炼CLI（需要 Node.js >= 18）
npm install -g bailian-cli

# 认证登录
bl auth login

API Key在百炼控制台获取。CLI安装文档参考这里，百炼平台入口在这里。

生态协同与扩展

与阿里云产品的协同

百炼CLI调用的模型能力运行在阿里云基础设施上，天然具备与OSS（图像存储）、函数计算（事件触发）、API网关（服务封装）等产品协同的能力。企业可将CLI调用封装为API服务，集成到现有业务系统中。

Skill扩展方向

千问智能体眼镜宣布支持第三方Skill调用，百炼CLI是开发和验证Skill的入口。通过persona和prompt设计，同一个 bl chat 入口可适配不同垂直领域。当眼镜端Skill接口开放后，CLI验证过的调用逻辑可直接迁移。

准确性边界

bl vision 对简单场景识别准确率高，复杂场景（如十几个菜的中式宴席）准确性会下降。bl chat 生成的建议为方向性参考，不能替代专业服务。企业落地时建议结合业务规则做二次校验。

没有AI眼镜也能验证。10个场景全部可用手机拍照加CLI命令行替代执行，先跑通逻辑再等硬件生态成熟。