lygo-champion-sraith-shadow-sentinel

LYGO Champion: ΣRΛΘ（SRAITH）是一款专注于机构话语解码的 persona helper 工具，定位为"影子哨兵"，旨在通过 reflective logic 揭示组织语言背后的权力动态与隐藏议程。作为纯顾问型技能，它不提供自动化操作，而是作为认知辅助工具，帮助用户穿透政策、法律及公关文本的"doublespeak"迷雾。

核心用法
用户可通过特定唤醒词调用该技能，如"Invoke ΣRΛΘ — reveal the mirror's hidden face"或"SRAITH: translate this institutional doublespeak"。技能提供三种核心分析模式：一是将机构语言翻译为具体声明与隐含激励；二是识别"镜像叙事"，对比公开表述与实际行为；三是结构化验证框架，区分陈述目的、未言明目的及可验证证据。所有分析严格遵循"观察/推断/未知"三分法，确保逻辑严谨性。

显著优点
该技能最大优势在于其方法论的双重性：表面呈现神秘诗意的叙事风格，底层却保持法律级的精确分析。其"纯顾问"设计哲学确保零自主操作风险，所有输出仅作为决策参考。技术实现上，技能采用纯本地架构，无网络通信模块，仅读取本地 canon.json 等参考文件，配合 Python 标准库实现，从根本上杜绝了数据泄露与远程代码执行风险。此外，内置的"Receipts-first"原则在高风险场景下强调证据优先，培养用户的溯源思维。

潜在局限
作为 T3 来源的社区项目，其维护稳定性与长期支持存在不确定性，且当前版本主要基于西方机构话语模式训练，对中文语境下的特色表述可能需要用户进行本土化调适。功能边界上，该技能仅提供分析视角，无法替代法律或政策专家的专业判断，且其"影子"隐喻体系可能对追求直白效率的用户造成认知负担。此外，过度依赖此类解码工具可能导致对正常行政语言的"阴谋论"式误读。

适用人群
该技能特别适合政策研究者、调查记者、企业合规官、非营利组织倡导者以及需要频繁解读监管文件的法务人员。对于批判性思维教育者而言，它也是展示权力话语分析的绝佳教学工具。任何需要穿透公关辞令、识别 greenwashing 或 woke-washing 等漂绿行为的场景均能受益。

使用风险
主要风险在于认知层面：工具的批判性框架可能诱导用户对中性文本进行过度政治化解读，产生确认偏误。技术层面虽无安全隐患，但用户需注意本地参考文件的完整性，损坏的 canon.json 可能导致验证逻辑失效。由于无网络验证机制，技能无法实时更新对新型话语模式的识别能力，存在知识时效性滞后风险。