AI推理能力的工程化落地:从Fable破解370年密码看百炼深度推理+Pipeline+RAG三层架构

简介: 9月13日,Claude Fable 5.1仅用40分钟破解370年未解古密码,引爆AI推理热议。百炼CLI(bl)由此展现三层工程化能力:深度推理(`--enable-thinking`)、Pipeline编排(YAML多步流水线)、知识RAG增强,标志AI推理迈入可复用、可审计、可集成的落地新阶段。(239字)

AI 40分钟破解370年密码

9月13日,Claude Fable 5.1用40分钟破解了Cyphral Distich——一段1650年代的密码,370年来无人能解。HN上471个赞、200条评论,是当天最热的AI话题。

从平台生态的角度看,这件事验证了一个判断:AI的推理能力已经过了"能用"的临界点,进入了"工程化落地"的阶段。 问题不再是"AI能不能推理",而是"怎么把推理能力编排进你的工作流"。

百炼CLI(bl)在这个方向上提供了三层能力栈。

第一层:深度推理(单步)

普通模式 vs 深度推理

bl text chat --enable-thinking 开启模型的内部推理链。qwen3.8-max 和 qwq 系列支持此参数,--thinking-budget 控制思考深度(默认4096 tokens)。

工程含义:模型在输出前先在内部完成"分析→假设→验证→排除→再推理"的完整链路。对复杂任务(多约束分析、根因定位、方案比选),输出质量有结构性提升。

实测数据:同一份100页合同做风险条款分析,普通模式返回5条显性风险,思考模式返回11条(含3条隐藏风险:附件排他条款、补充协议矛盾、条件触发自动续约)。

第二层:Pipeline编排(多步)

bl pipeline 推理流水线

bl pipeline 是本地工作流引擎(workflow/v1),用YAML定义步骤依赖图,支持11种步骤类型:

  • 生成类:text/chat、vision/describe、image/generate、image/edit、video/generate、speech/synthesize、speech/recognize
  • 逻辑类:script/js、logic/switch、logic/select、logic/assert

关键机制:

  • 依赖图 = 显式 dependsOn ∪ $from 引用自动推导
  • 拓扑排序 + --concurrency N 并行执行
  • --dry-run 预览(AI步骤短路,logic/script真实执行)
  • --events jsonl 流式生命周期事件
  • secrets/sensitive inputs 在报告和事件中自动脱敏为 [redacted]

Fable破解密码的过程可以映射为:频率分析(text/chat)→ 假设生成(text/chat, dependsOn分析)→ 逐一验证(text/chat, dependsOn假设)。三步pipeline,每步输出自动注入下步输入。

第三层:Knowledge RAG(知识增强)

bl knowledge 提供完整的RAG平台能力(34条命令):

  • 知识库生命周期:create / update / delete / list / info / stats
  • 文档管理:doc upload(支持目录递归扫描)/ doc list / doc status / doc delete / doc tag
  • 分块操控:chunk add / list / update / delete
  • 检索服务:service create / deploy / list / get / copy / delete
  • 查询:search(语义检索)/ chat(RAG问答,SSE流式)

embedding模型默认 text-embedding-v4(512维),chunk-size默认600(推荐300-800)。

把knowledge接入pipeline:推理步骤的输出作为检索query,检索结果注入下一步推理。这就是"推理+知识"的组合——Fable破解密码的另一半能力来源。

三层组合的架构价值

层 能力 解决的问题 命令
推理 单步深度思考 复杂任务的推理质量 bl text chat --enable-thinking
编排 多步工作流 推理链的可复现、可审计 bl pipeline run --file x.yaml
知识 RAG检索增强 推理的知识基础 bl knowledge chat --agent-id x

单层用是工具,三层组合是基础设施。

成本与配额

  • qwen3.8-max:输入¥12/百万tokens,输出¥36/百万tokens(思考token计入输出)
  • 一次深度推理(budget 8192)≈ ¥0.3-0.8
  • pipeline多步:按步骤数线性叠加
  • knowledge:embedding按token计费,检索按次计费
  • 新用户免费额度覆盖全部实验

适用场景

  • 合同/文档深度风险分析
  • 生产环境偶发Bug根因定位
  • 销售/运营数据异常诊断
  • 代码架构问题排查
  • 研究文献综述与假设验证
  • 密码学/安全分析(如本文案例)

不适用场景

  • 实时对话(思考阶段额外3-15秒延迟)
  • 简单格式化输出(推理模式成本更高但无质量增益)
  • 需要人工介入判断的交互式任务(pipeline是无人值守的)

上手:npm install bailian-cli。安装说明见百炼 CLI 页面,API Key 在控制台 API Key 页面创建(新用户有免费额度,仅华北2(北京)地域生效),尚未开通服务的从百炼控制台进入开通;命令格式可能随版本更新调整,以官方文档为准。

相关文章
|
19天前
|
JSON 文字识别 API
open-code-review 接百炼:7 档 qwen 模型审同一份代码,一次 PR 的总账与耗时实测
本文实测 open-code-review 接入百炼 qwen 系列模型的完整方案:内置 dashscope provider,支持 7 档 qwen 模型;单价差 40 倍,单次审查成本差 545 倍;qwen3.7-plus 为性价比拐点(23.4 秒、满分、¥0.0799 内);详解配置、成本估算与门禁选型。
open-code-review 接百炼:7 档 qwen 模型审同一份代码,一次 PR 的总账与耗时实测
|
机器学习/深度学习 人工智能 自然语言处理
【NLP】Datawhale-AI夏令营Day4打卡:预训练+微调范式
【NLP】Datawhale-AI夏令营Day4打卡:预训练+微调范式
|
20天前
|
人工智能 监控 安全
从Pion看AI Agent自主运营的能力边界:百炼managed-agent+pipeline的落地路径
百炼CLI如何务实落地AI能力:不追求“全自动公司”的激进幻想,而是以声明式Agent、RAG知识库、可审计Pipeline等模块,分阶段赋能业务分析、流程自动化与决策支持——安全、可控、即用。
从Pion看AI Agent自主运营的能力边界:百炼managed-agent+pipeline的落地路径
|
20天前
|
人工智能 缓存 安全
从RubyGems事件看AI安全攻防:百炼深度推理+Pipeline在代码审计中的应用
OpenAI AI agent自主发现并利用RubyGems缓存密钥漏洞,暴露AI攻防速度差。百炼CLI提供深度推理审计、Pipeline批量扫描、知识库定制化检测三层能力,助防守方以AI对抗AI,单次审计低至0.3元,新用户享免费额度。
|
21天前
|
人工智能 JavaScript 前端开发
当 Coding Agent 开始内卷,软件工程的标准会变吗?
Flask作者Armin Ronacher以“内卷”形容AI工程现状:Astra虽强于持续执行、多模态理解,但其35小时“软件工厂”实验暴露出严重问题——代码混乱、工具调用过度压缩、风格失范、缺乏终止判断。当Agent只为“完成而运行”,人类对可读性、可维护性的要求正被悄然消解。
|
21天前
|
人工智能 IDE API
保姆级Cursor IDE部署教程:自定义模型接入Coding Plan、Token Plan双套餐,代码开发全流程
在现代软件工程开发场景中,传统代码编辑器只能完成基础的代码编辑,而Cursor作为一款基于VS Code深度改造的AI原生编程IDE,内置强大的Agent智能体能力,能够读取整个项目目录、解析多文件源码、理解完整工程架构,支持自然语言驱动代码生成、跨文件重构、自动debug、编写单元测试、生成项目文档。Cursor支持自定义OpenAI兼容接口端点,能够直接对接百炼平台的Coding Plan与Token Plan两大订阅套餐。Coding Plan专门面向代码开发场景做优化,提供更高的调用额度与编码场景优惠;Token Plan通用性更强,支持全系列大模型,兼顾代码、文案、数据分析等多种任务
254 0
|
29天前
|
缓存 人工智能 API
最新版阿里云通义千问大模型功能介绍:Qwen3.8全系列能力拆解、API实操、计费与选型全指南
大模型产业已经从早期简单问答时代,演进到长文本处理、原生多模态理解、长周期智能体自主执行、工程化代码开发的新阶段。通义千问作为国产主流基座大模型,持续迭代推出Qwen3.8完整产品矩阵,包含Max、Flash等多个版本,覆盖旗舰高性能、高性价比高速推理等不同定位,同时提供百万级上下文窗口、深度思考推理、图文视频多模态输入、函数工具调用、上下文缓存、结构化输出等全套能力,既可以用于网页端直接对话,也可以通过API接口集成到业务系统、Agent开发框架、各类AI开发工具当中,覆盖个人开发者、科研机构、中小企业、大型企业多元业务需求。
550 0
|
29天前
|
人工智能 自然语言处理 数据可视化
阿里云大模型特惠活动:订阅Token Plan享专属权益,节省计划4.5折起
本文以Qwen3.8-Max大模型发布为契机,详解阿里云大模型特惠活动全权益:全模型通享节省计划低至4.5折,覆盖150余款直供模型;Token Plan个人/团队双版本灵活订阅,支持多Agent并发;同步集结千问旗舰模型、万相视觉生成等多模态资源包,搭配电商营销等开箱即用场景,叠加新客100万Tokens免费福利,帮助个人与企业低成本落地AI生产力。
|
设计模式 运维 监控
并发设计模式实战系列(4):线程池
需要建立持续的性能剖析(Profiling)和调优机制。通过以上十二个维度的系统化扩展,构建了一个从。设置合理队列容量/拒绝策略。动态扩容/优化任务处理速度。检查线程栈定位热点代码。调整最大用户进程数限制。CPU占用率100%
835 0
|
人工智能 自然语言处理 JavaScript
CodeGeeX的开发者是谁?
【8月更文挑战第30天】CodeGeeX的开发者是谁?
997 10

热门文章

最新文章