前言¶
Agent 鏈路裏常見做法是：模型生成一段結論，再由另一個模型做「複覈」。問題是二次生成仍然隨機，幻覺、過度自信、自相矛盾未必能被穩定攔住。若你需要的是可重複的裁決信號（對/錯、安全/危險、該不該行動），而不是再寫一篇檢討文，就需要在 LLM 之外放一層確定性判別邏輯。
下面介紹 SkillHub 上的 HeartFlow 心蟲（座標 @user_fdb96f95/heartflow-v10，本地常以 mark-heartflow-skill 目錄承載）。它是社區來源（community）的 ai-agent 類 Skill，當前頁面版本爲 v11.34.0，標籤標明 requires_api_key=false，無需 API Key 即可按 Skill 規範啓用。
這是什麼¶
HeartFlow 在官方文案中的定位是 AGI Layer 1 Discriminator（判別層）：純規則引擎，在行動或陳述被採納之前，對「是否正確、是否安全、是否危險」做判別。不依賴 LLM（Zero LLM dependency）。
維護與發佈方爲 SkillHub 用戶 user_fdb96f95。Skill 頁面與 API 元數據地址：
- 展示頁：https://www.skillhub.cn/skills/user_fdb96f95/heartflow-v10
- API：https://api.skillhub.cn/user_fdb96f95/heartflow-v10
官方同時聲明：這是模擬認知判別信號的規則引擎，不是意識，也不是生命體。
核心功能¶
以下能力均來自 SkillHub 已公開的簡介，按用途歸納。
架構規模（官方描述）¶
- 129 個判別維度
- 11 層流水線
- 161 個模塊
- 182 個 MCP 工具
v6.7.69 起列出的升級能力¶
- reasoning effort control（推理力度控制）
- sparse module activation（稀疏模塊激活）
- discriminative result cache（判別結果緩存）
- async supervision layer（異步監督層）
- autonomous decision execution with consequence tracking（自主決策執行與後果追蹤）
- Engram conditional memory（Engram 條件記憶）
- SWA bounded replay（SWA 有界回放）
- hierarchical sparse decision routing（分層稀疏決策路由）
建議使用場景（官方列舉）¶
- 判斷 AI 輸出是否可信：幻覺、過度自信、矛盾、謬誤攔截等。
- 判斷決策是否正確：做什麼、何時停止、是否該行動。
- 判斷記憶與認知質量：漂移檢測、元認知、置信度校準。
- 需要確定性裁決，而非 LLM 自由生成。
- 情緒、心理與倫理維度檢查（共情、創傷、美德、意義等）。
- 對儒家、佛教及古典價值文本做結構化解讀（
classical_value_clarification）。
安全邊界¶
- 默認關閉代碼執行與文件系統寫入。
- 官方聲明：無遙測、無隱藏 C2。
安裝與啓用¶
HeartFlow 遵循通用 SKILL.md Skill 格式。SkillHub 頁面給出的安裝方式是：讓 AI 按官方安裝文檔處理，並安裝指定座標。
- 打開安裝說明：https://skillhub.cn/install/skillhub.md
- 安裝座標：
@user_fdb96f95/heartflow-v10
頁面提示詞示例（原文意圖：將下列說明交給你的 AI 執行安裝）：
請根據 https://skillhub.cn/install/skillhub.md，安裝 `@user_fdb96f95/heartflow-v10`。
不同客戶端（Cursor、Codex CLI、Claude Code 等）的具體目錄與鉤子以 skillhub.md 爲準；本文不展開各工具差異，避免寫入未在官方頁面覈實的路徑。
說明：部分部署環境會把 Skill 落在類似 ~/.hermes/skills/ai/mark-heartflow-skill 的目錄，並以 start.sh 做 daemon / 健康檢查。該啓動方式未出現在本次覈對的 SkillHub 展示頁正文中，若你本地包內帶有 start.sh，以包內 README 或 SKILL.md 爲準。
典型用法¶
HeartFlow 作爲 Agent Skill 被加載後，應在需要判別而非續寫的環節調用，而不是替代主對話模型。
可復現的啓用路徑只有一條官方鏈路：通過 SkillHub 安裝 @user_fdb96f95/heartflow-v10，再在 Agent 中按 SKILL.md 約定觸發下列類型任務（與官方「Use this skill when」一致）：
- 對模型草稿做可信性判別（幻覺 / 過度自信 / 矛盾 / 謬誤）。
- 對「是否執行、執行到哪一步」做決策裁決。
- 對記憶與認知狀態做漂移與置信度相關檢查。
- 需要倫理、心理維度時的結構化檢查。
- 古典價值文本的結構化澄清（
classical_value_clarification）。
具體入參、輸出字段與 MCP 工具名以安裝後的 SKILL.md 及模塊文檔爲準；公開簡介未給出單條 CLI 示例命令，本文不編造調用樣例。
適用場景與注意¶
適合誰
- 要在 Agent 流水線里加一層確定性、可重複的判別，而不是再加一次 LLM 投票。
- 關心安全默認項（默認不執行代碼、不寫盤）與無遙測聲明的團隊。
- 需要在心理、倫理或古典文本解讀維度上做規則化檢查的場景（需接受其爲規則模擬信號，而非真人諮詢或宗教權威解釋）。
限制與誠實表述
- 官方明確：模擬認知判別信號，不是意識。
- 體量大（百級模塊、百級 MCP 工具），實際激活可能受「稀疏模塊激活」等策略影響，行爲以安裝版本爲準。
- SkillHub 統計（截至頁面元數據）：評分 100000，下載 1290；安裝計數頁面顯示爲 0，可能與統計口徑或安裝上報方式有關，不作爲功能完備性證明。
結尾¶
mark-heartflow-skill / HeartFlow 心蟲把「判別」從生成模型裏拆出來：129 維 × 11 層流水線的規則引擎，零 LLM 依賴，並帶有自主決策執行、結果緩存與安全默認邊界。若你的痛點是「裁決要穩定、默認要安全、不要靠再生成一次來把關」，可以從 SkillHub 座標 @user_fdb96f95/heartflow-v10 按官方 skillhub.md 安裝，並在 Agent 中按 SKILL.md 接入判別環節。
- SkillHub：https://www.skillhub.cn/skills/user_fdb96f95/heartflow-v10
- API 元數據：https://api.skillhub.cn/user_fdb96f95/heartflow-v10
