核心用法
LYGO Sovereign Workflow Orchestrator（代号 lygo-sandcastle）是一款面向本地优先架构的 YAML 驱动工作流编排工具。用户通过定义 YAML 工作流文件，即可在完全受控的硬件环境中串联多个 AI 代理，实现从输入验证（P0 Gate）到运行时身份管理（P5 Run Identity）的全链路编排。核心命令包括：run 执行工作流、validate 预验证配置、recall 调用 mycelium 记忆层，以及 --i-consent 授权下的 kernel egg 植入。工具默认启用 dry-run 模式，所有潜在敏感操作均需用户显式确认。
显著优点
该工具最突出的设计理念是主权可控——所有工作流在本地执行，无强制云端依赖，确保用户对数据、模型、执行环境的完全掌控。P0-P5 的分级安全架构提供了精细化的权限递进：P0 负责输入过滤，P1 管理记忆层，P3 实现多代理共识，P5 则处理运行时身份认证。这种分层设计使得复杂工作流的安全边界清晰可见。
另一个重要优势是显式 Consent 机制。kernel egg 植入等敏感操作必须通过 --i-consent 标志授权，杜绝了自动化脚本意外触发高风险行为的可能。配合完善的 SECURITY.md 文档和自我检查脚本（self_check.py），用户可以在执行前充分理解每一步的潜在影响。
此外，工具与 lygo-protocol-stack 生态深度集成，支持链式调用 lygo-kernel-egg-planter 和 lygo-ollama-army 等扩展组件，为构建大规模本地 AI 集群提供了标准化接口。
潜在缺点与局限性
作为文档型编排工具，lygo-sandcastle 本身不实现核心功能逻辑，而是依赖用户手动安装的外部 Python 包（lygo_sandcastle）。这意味着 Skill 的安全边界止于安装指导，实际执行代码的安全性需要用户独立审查。若外部包被篡改或维护停滞，整套工作流的安全性将受影响。
YAML 工作流的灵活性也带来了配置风险。用户可能在 YAML 中硬编码 API 密钥或敏感提示词，而工具本身不提供自动化的 secrets 扫描或加密存储功能。虽然 SECURITY.md 明确警告了这一点，但仍需用户自觉遵守安全规范。
可选的上游集成（sandcastle-ai）虽然丰富了功能，但引入了额外的信任假设。启用 LYGO_SANDCASTLE_USE_UPSTREAM 后，系统可能接触外部服务，此时"本地优先"的隔离性有所削弱。
适合的目标群体
该工具主要面向三类用户：一是注重数据主权的组织，如金融机构、医疗科研单位或需要处理敏感信息的政府机构，他们无法接受公共云 AI 服务的合规风险；二是AI 工程团队，尤其是已部署本地大模型（如 Ollama）并需要标准化编排框架的开发者；三是安全研究人员，对 Sovereign AI、Biophase7 协议栈等前沿概念感兴趣的学术或开源社区成员。
不适合追求开箱即用、无需配置经验的普通用户，也不适合希望完全托管、免运维场景的 SaaS 偏好者。
使用风险
供应链风险：外部依赖包 lygo_sandcastle 和 sandcastle-ai 需用户手动安装，存在被恶意投毒或版本漂移的可能。建议在隔离环境中安装，并锁定具体版本号。
YAML 配置风险：工作流文件可能包含未加密的敏感信息，误提交至公共仓库将导致泄露。应配合 pre-commit hooks 或 CI 扫描工具进行防护。
功能完整性风险：作为早期版本（v1.0.0），部分高级功能（如 P3 共识机制）的实际稳定性有待验证，生产环境部署前建议充分测试。
维护连续性风险：发布者 deepseekoracle 虽属 T2 可信来源，但项目处于快速迭代阶段，长期维护承诺尚不明确，关键业务场景应做好 fork 或备份方案。