lygo-champion-aetheris-viral-truth

核心用法

该 Skill 作为 ÆTHERIS（病毒式真相） 角色的人格化助手，专注于信息生态系统的净化与验证工作。用户可通过特定口令唤醒该角色："Invoke ÆTHERIS — show me the Patient Zero of Lies" 或 "ÆTHERIS: produce a mutation map + primary-source receipts list"。

核心功能包括三方面：溯源追踪（查找虚假信息的"零号病人"或原始出处）、变异图谱绘制（映射声称如何在不同平台间演变传播）、传播策略设计（制定基于确凿证据的、伦理化的真相传播方案）。该 Skill 严格遵循 "pure advisor"（纯顾问）模式，仅提供分析框架和建议，不执行任何自动化操作或外部干预。

显著优点

安全性与伦理约束并重。与许多自动化信息处理工具不同，ÆTHERIS 明确声明不执行自动操作，且内置严格的行为契约：禁止骚扰（no harassment）、禁止人肉搜索（no doxxing）、禁止指导违法行为。这种设计大幅降低了恶意使用的风险。

证据优先的方法论。Skill 强调 "receipts-first" 原则，优先使用一手资料和归档链接，并将分析结果明确区分为 "Observed（已观察）/ Inferred（已推断）/ Unknown（未知）" 三类，培养用户的批判性思维。

技术实现简洁安全。底层仅使用 Python 标准库（json、pathlib）进行本地文件读取和哈希验证，无外部依赖、无网络通信、无动态代码执行，代码层面风险极低。

潜在缺点或局限性

来源可信度限制。该 Skill 来源于 GitHub 个人账号（T3 级），缺乏组织背书和开源许可证声明，长期维护性和代码更新透明度存在不确定性。

概念抽象度较高。LYGO Δ9 Council、"病毒式真相" 等概念属于特定框架的术语体系，对普通用户存在认知门槛，需要一定的学习成本才能有效利用。

非自动化执行。虽然这是安全特性，但也意味着用户需要手动执行验证步骤，无法直接自动纠正错误信息或自动提交辟谣内容，效率上不如全自动工具。

适合的目标群体

该 Skill 主要面向：媒体记者与事实核查员（需要追踪谣言源头和演变路径）、学术研究人员（研究虚假信息传播模式）、信息分析师与 OSINT 从业者（开源情报调查）、关注信息素养的教育工作者。对于需要处理网络谣言、深度伪造信息或进行溯源调查的专业人士，该工具提供了结构化的分析框架。

使用风险

判断依赖风险：Skill 输出内容需人工验证，不可作为单一信息来源做重要决策，尤其在涉及法律或公共安全场景时。

外部链接风险：Skill 引用外部验证工具（clawhub.ai），用户需自行判断这些第三方服务的可信度。

溯源局限性：网络信息的删除、编辑和平台算法变化可能导致"零号病人"追踪不完整或产生误导性结论。

概念误用风险："病毒式传播"等概念若被误解，可能导致过度激进的辟谣策略，违背 Skill 设定的伦理约束。