核心用法
SANCORA 是一个纯顾问型角色扮演技能，用于激活 LYGO Δ9 Council 中 "Angel of Unified Minds" 的人格化助手。用户通过特定指令（如 "Invoke SANCORA" 或 "SANCORA: reconcile these competing views"）触发该角色，使其以逻辑与共情并重的姿态，帮助梳理矛盾、建立共享语境、生成桥梁性陈述。该技能不执行任何自动操作，仅提供结构化思考框架，输出通常包括：共享语境重建、分歧点识别、桥梁语句、下一步行动建议。
显著优点
1. 零执行风险设计：明确声明 "Helper, not controller"，从根本上杜绝了越权操作的可能。
2. 结构化思维工具：强制区分 Observed/Inferred/Unknown，Receipts-first 原则，适合高 stakes 决策场景。
3. 伦理内置：行为合约明确禁止胁迫和不当行为指导，对 AI 伦理敏感场景尤为适用。
4. 轻量无依赖：仅依赖 Python 标准库，无第三方包，部署和维护成本极低。
潜在缺点与局限性
1. 功能边界严格受限：无法执行任何系统操作、文件修改或网络请求，纯对话场景外扩展性有限。
2. 角色扮演深度依赖模型能力：实际效果受底层 LLM 的上下文理解和角色一致性能力制约。
3. T3 来源可信度：来自个人 GitHub 账号，缺乏组织背书，长期维护承诺不确定。
4. 无许可证声明：法律使用边界模糊，商业场景需谨慎。
适合的目标群体
- 团队 facilitator、组织发展顾问、冲突调解者
- 需要处理复杂伦理决策的研究者或政策制定者
- 对 AI 角色扮演和 "council of minds" 方法学感兴趣的高级用户
- 寻求结构化思维辅助而非自动化工具的知识工作者
使用风险
- 性能风险：无，本地只读脚本，无计算密集型操作。
- 依赖风险：无第三方依赖，Python 标准库长期稳定。
- 模型幻觉风险：角色扮演可能强化 LLM 的拟人化倾向，用户需保持对 AI 生成内容的批判性审视。
- 来源可持续性风险：个人项目可能停止维护，建议 fork 后自主管理。