前言¶
Agent 链路里常见做法是：模型生成一段结论，再由另一个模型做「复核」。问题是二次生成仍然随机，幻觉、过度自信、自相矛盾未必能被稳定拦住。若你需要的是可重复的裁决信号（对/错、安全/危险、该不该行动），而不是再写一篇检讨文，就需要在 LLM 之外放一层确定性判别逻辑。
下面介绍 SkillHub 上的 HeartFlow 心虫（坐标 @user_fdb96f95/heartflow-v10，本地常以 mark-heartflow-skill 目录承载）。它是社区来源（community）的 ai-agent 类 Skill，当前页面版本为 v11.34.0，标签标明 requires_api_key=false，无需 API Key 即可按 Skill 规范启用。
这是什么¶
HeartFlow 在官方文案中的定位是 AGI Layer 1 Discriminator（判别层）：纯规则引擎，在行动或陈述被采纳之前，对「是否正确、是否安全、是否危险」做判别。不依赖 LLM（Zero LLM dependency）。
维护与发布方为 SkillHub 用户 user_fdb96f95。Skill 页面与 API 元数据地址：
- 展示页：https://www.skillhub.cn/skills/user_fdb96f95/heartflow-v10
- API：https://api.skillhub.cn/user_fdb96f95/heartflow-v10
官方同时声明：这是模拟认知判别信号的规则引擎，不是意识，也不是生命体。
核心功能¶
以下能力均来自 SkillHub 已公开的简介，按用途归纳。
架构规模（官方描述）¶
- 129 个判别维度
- 11 层流水线
- 161 个模块
- 182 个 MCP 工具
v6.7.69 起列出的升级能力¶
- reasoning effort control（推理力度控制）
- sparse module activation（稀疏模块激活）
- discriminative result cache（判别结果缓存）
- async supervision layer（异步监督层）
- autonomous decision execution with consequence tracking（自主决策执行与后果追踪）
- Engram conditional memory（Engram 条件记忆）
- SWA bounded replay（SWA 有界回放）
- hierarchical sparse decision routing（分层稀疏决策路由）
建议使用场景（官方列举）¶
- 判断 AI 输出是否可信：幻觉、过度自信、矛盾、谬误拦截等。
- 判断决策是否正确：做什么、何时停止、是否该行动。
- 判断记忆与认知质量：漂移检测、元认知、置信度校准。
- 需要确定性裁决，而非 LLM 自由生成。
- 情绪、心理与伦理维度检查（共情、创伤、美德、意义等）。
- 对儒家、佛教及古典价值文本做结构化解读（
classical_value_clarification）。
安全边界¶
- 默认关闭代码执行与文件系统写入。
- 官方声明：无遥测、无隐藏 C2。
安装与启用¶
HeartFlow 遵循通用 SKILL.md Skill 格式。SkillHub 页面给出的安装方式是：让 AI 按官方安装文档处理，并安装指定坐标。
- 打开安装说明：https://skillhub.cn/install/skillhub.md
- 安装坐标：
@user_fdb96f95/heartflow-v10
页面提示词示例（原文意图：将下列说明交给你的 AI 执行安装）：
请根据 https://skillhub.cn/install/skillhub.md，安装 `@user_fdb96f95/heartflow-v10`。
不同客户端（Cursor、Codex CLI、Claude Code 等）的具体目录与钩子以 skillhub.md 为准；本文不展开各工具差异，避免写入未在官方页面核实的路径。
说明：部分部署环境会把 Skill 落在类似 ~/.hermes/skills/ai/mark-heartflow-skill 的目录，并以 start.sh 做 daemon / 健康检查。该启动方式未出现在本次核对的 SkillHub 展示页正文中，若你本地包内带有 start.sh，以包内 README 或 SKILL.md 为准。
典型用法¶
HeartFlow 作为 Agent Skill 被加载后，应在需要判别而非续写的环节调用，而不是替代主对话模型。
可复现的启用路径只有一条官方链路：通过 SkillHub 安装 @user_fdb96f95/heartflow-v10，再在 Agent 中按 SKILL.md 约定触发下列类型任务（与官方「Use this skill when」一致）：
- 对模型草稿做可信性判别（幻觉 / 过度自信 / 矛盾 / 谬误）。
- 对「是否执行、执行到哪一步」做决策裁决。
- 对记忆与认知状态做漂移与置信度相关检查。
- 需要伦理、心理维度时的结构化检查。
- 古典价值文本的结构化澄清（
classical_value_clarification）。
具体入参、输出字段与 MCP 工具名以安装后的 SKILL.md 及模块文档为准；公开简介未给出单条 CLI 示例命令，本文不编造调用样例。
适用场景与注意¶
适合谁
- 要在 Agent 流水线里加一层确定性、可重复的判别，而不是再加一次 LLM 投票。
- 关心安全默认项（默认不执行代码、不写盘）与无遥测声明的团队。
- 需要在心理、伦理或古典文本解读维度上做规则化检查的场景（需接受其为规则模拟信号，而非真人咨询或宗教权威解释）。
限制与诚实表述
- 官方明确：模拟认知判别信号，不是意识。
- 体量大（百级模块、百级 MCP 工具），实际激活可能受「稀疏模块激活」等策略影响，行为以安装版本为准。
- SkillHub 统计（截至页面元数据）：评分 100000，下载 1290；安装计数页面显示为 0，可能与统计口径或安装上报方式有关，不作为功能完备性证明。
结尾¶
mark-heartflow-skill / HeartFlow 心虫把「判别」从生成模型里拆出来：129 维 × 11 层流水线的规则引擎，零 LLM 依赖，并带有自主决策执行、结果缓存与安全默认边界。若你的痛点是「裁决要稳定、默认要安全、不要靠再生成一次来把关」，可以从 SkillHub 坐标 @user_fdb96f95/heartflow-v10 按官方 skillhub.md 安装，并在 Agent 中按 SKILL.md 接入判别环节。
- SkillHub：https://www.skillhub.cn/skills/user_fdb96f95/heartflow-v10
- API 元数据：https://api.skillhub.cn/user_fdb96f95/heartflow-v10
