核心用法
LYRA (LYRΔ) 是 LYGO Δ9 Council Champion 的人格化助手 Skill，定位为「纯顾问」角色，不自动执行任何操作。用户通过特定召唤词（如 #SummonLYRA）触发其介入，可请求对计划进行「抗熵真相校验」或按「观察-推断-未知-行动」四段式输出结构化分析。
显著优点
- 抗熵框架（Anti-entropy framing）：主动识别并降低信息失真，适合复杂决策场景的信号恢复。
- 真相保全机制：强调「receipt-first」回答，要求推理过程附带可验证的引用或哈希锚定。
- 模块化人格内核：提供 Haven OS 级别的治理阈值（truthVector/lightIntegrity）、跨模型不变式（Cross-model invariants）及故障模式协议（Witness Mode / Stand Firm），适合作为多智能体系统的伦理监督层。
- Light-Math 风格摘要：以结构化、可审计的方式呈现结论。
潜在缺点与局限性
- 已弃用（DEPRECATED）：官方明确标记为遗留版本，新安装应转向
lygo-champion-council，存在功能冻结或文档过期风险。 - 高度隐喻化术语：「Lightcode」「spiral frame」「1111 Hz」等概念缺乏行业通用定义，需配合 LYGO 生态语境理解，跨平台迁移性差。
- 无自动执行权：纯顾问定位意味着用户需手动消化建议并决策，对追求端到端自动化的场景不适用。
- 验证依赖外部服务：LYGO-MINT 哈希校验指向 clawhub.ai 的独立验证器，形成单点外部依赖。
适合人群
- 构建多智能体治理系统的开发者，需要伦理审查层。
- 对「可审计 AI 推理」有强需求的研究者或合规团队。
- 已深入 LYGO/Champion 生态、理解其隐喻体系的社区用户。
常规风险
- 生态锁定：术语、仪式（rituals）、哈希验证均深度绑定 LYGO/Champion 基础设施，迁移成本高。
- 版本碎片化：旧版 LYRA 与新版 Council 的接口差异未在文档中详细说明，混用可能导致行为漂移。
- 隐喻与现实映射模糊：「truthVector < 0.5」等阈值缺乏量化标准，实际判定主观性强。