osint

OSINT Skill v3.2

個人に関する体系的な情報収集です。名前やハンドルから、心理プロファイル、キャリアマップ、接点を含むスコア付きの人物調査書を作成します。

Phase Router

コンテキストから開始フェーズを判断します。

• 新しい名前／ハンドル／URL、「пробей」、「find out about」→ Phase 0（全工程）
• 既存の人物調査書に「LinkedIn/Instagram data」を追加 → Phase 2（抽出）
• 既存データから「Build psychoprofile」 → Phase 4
• 既存の人物調査書の「Rate completeness」 → Phase 5
• 調査結果を「Reformat」または「present」 → Phase 6

デフォルト（全工程の調査依頼）：Phase 0 → 1 → 1.5 → 2 → 3 → 4 → 5 → 6。

Environment

すべての API キーは環境変数で指定します。トークンをハードコードしないでください。

• PERPLEXITY_API_KEY — Perplexity Sonar（高速回答＋詳細調査）
• EXA_API_KEY — Exa AI（セマンティック検索、企業／人物調査、詳細調査）
• TAVILY_API_KEY — Tavily（エージェント向けに最適化された検索＋抽出、基本機能は 1 リクエストあたり $0.005）
• APIFY_API_TOKEN — Apify スクレイピング（LinkedIn、Instagram、Facebook）
• JINA_API_KEY — Jina リーダー／検索／詳細検索
• PARALLEL_API_KEY — Parallel AI 検索
• BRIGHTDATA_MCP_URL — Bright Data MCP エンドポイント（トークンを含む完全な URL）
• MCPORTER_CONFIG — mcporter 設定ファイルのパス

Scripts

スキルのディレクトリから実行します：bash scripts/<name>.sh。 各スクリプトは環境変数を検証し、説明的なエラーメッセージとキーの取得先 URL を表示して終了します。

検索と調査：

• diagnose.sh — まず最初に実行します。すべてのツールの機能一覧を表示します。
• perplexity.sh — search <query> | sonar <query>（AI による回答）| deep <query>（詳細調査）
• tavily.sh — search <query>（基本機能 $0.005）| deep <query>（高度な検索）| extract <url>
• exa.sh — search <query> | company <name> | people <name> | crawl <url> | deep <prompt>
• first-volley.sh "Name" "context" — すべての検索エンジンで並列検索を実行します。
• merge-volley.sh <outdir> — first-volley の結果を重複排除して統合します。

スクレイピング：

• apify.sh — linkedin <url> | instagram <handle> | run | results | store-search
• run-actor.sh — 汎用 Apify ランナー（55 以上の actor）。 apify/agent-skills から組み込まれています。 簡単な回答：bash scripts/run-actor.sh "actor/id" '{"input":"json"}' エクスポート：bash scripts/run-actor.sh "actor/id" '{"input":"json"}' --output /tmp/out.csv
• jina.sh — read <url> | search <query> | deepsearch <query>
• parallel.sh — search <query> | extract <url>
• brightdata.sh — scrape <url> | scrape-batch | search | search-geo <cc> | search-yandex

Research Escalation Flow

原則：低コストから高コストへ、高速な方法から詳細な方法へ。

Level 1: Quick Answers（数秒、約 $0.00）

必ずここから始めます。掘り下げる前に、まず概要を把握します。 すべてを並行して実行します：

# Perplexity Sonar — AI ответ с цитатами
bash skills/osint/scripts/perplexity.sh sonar "Who is <Name>, <context>"
# Brave Search — классический поиск
web_search "<Name> <company> <role>"
# Tavily — agent-optimized search с AI answer
bash skills/osint/scripts/tavily.sh search "<Name> <context>"
# Exa — семантический поиск + company/people research
bash skills/osint/scripts/exa.sh search "<Name> <context>"
bash skills/osint/scripts/exa.sh people "<Name>"

→ 得られるもの：概要を把握するための事実、リンク、コンテキスト。 → 判断：これで十分ですか？ → Phase 6。さらに必要ですか？ → Level 2。

Level 2: Source Verification（数秒〜数分、約 $0.01）

Level 1 で得た情報源を fetch で確認します：

# Читай найденные URL
web_fetch "<url_from_perplexity>"
bash skills/osint/scripts/jina.sh read "<url>"
bash skills/osint/scripts/parallel.sh extract "<url>"

→ 得られるもの：確認済みの事実、相互参照。 → 一致しますか？ → 人物調査書に追記します。さらに詳しく調べますか？ → Level 3。

Level 3: Social Media Deep Dive（約 $0.01〜0.10）

ソーシャルメディアのスクレイピングを実行します：

# LinkedIn
bash skills/osint/scripts/apify.sh linkedin "<url>"
# Instagram
bash skills/osint/scripts/apify.sh instagram "<handle>"
# Facebook, заблокированные сайты
bash skills/osint/scripts/brightdata.sh scrape "<url>"

→ 得られるもの：構造化されたプロフィール、写真、つながり。

Level 4: Deep Research（約 $0.05〜0.50）

さらに詳しく調査する必要がある場合は、詳細なプロンプトを作成して deep research に送信します。 すべてを並行して実行します（各 30〜60 秒）：

# Perplexity Deep Research
bash skills/osint/scripts/perplexity.sh deep "<detailed research prompt about Name>"
# Exa Deep Research
bash skills/osint/scripts/exa.sh deep "<detailed prompt>"
# Parallel AI Deep Search
bash skills/osint/scripts/parallel.sh search "<detailed query>"
# Jina DeepSearch
bash skills/osint/scripts/jina.sh deepsearch "<query>"

ルール： Level 4 のプロンプトは詳細なものにしてください。Level 1〜3 ですでに把握した情報をすべて含め、 deep research が基本的な事実を繰り返すのではなく、さらに掘り下げられるようにします。

Swarm Mode (DEFAULT)

OSINT 調査は、Sonnet 上で並行動作するサブエージェントのスウォームとして実行されます。 メインエージェントは調整役であり、自らスクレイピングを行うことはありません。

動作の仕組み：

1. メインエージェントがフェーズ 0（ツールの確認）とフェーズ 1（初期情報の収集）を実行し、初期コンテキストを取得します
2. メインエージェントが model: sonnet、mode: run を指定して sessions_spawn 経由で 3～5 個のサブエージェントを起動します
3. 各サブエージェントには、焦点を絞ったタスクとフェーズ 1 で判明したすべてのデータが与えられます
4. サブエージェントが結果を返し、メインエージェントが調査資料に統合します

タスク分担のパターン：

• エージェント 1：YouTube／コンテンツ — Apify 経由でトランスクリプトを抽出します（YouTube にブロックされるため、yt-dlp と BrightData は使用しません）。動画 3～5 本、話し方、トピックを調査します。チャンネルデータには streamers/youtube-channel-scraper を使用します
• エージェント 2：Facebook の詳細調査 — BrightData でプロフィール、投稿、概要、写真、友達をスクレイピングします（より多くのデータを取得するには m.facebook.com を使用します）。公開ページには apify/facebook-pages-scraper と apify/facebook-page-contact-information を使用します
• エージェント 3：ソーシャルプラットフォーム — Instagram（Apify とタグ／コメントのスクレイパー）、DOU、企業ウェブサイト、LinkedIn（BrightData）を調査します。連絡先情報の補完には、見つかったウェブサイトで vdrmota/contact-info-scraper を使用します
• エージェント 4：TikTok と地域情報 — TikTok のプロフィール／動画（clockworks/tiktok-profile-scraper）、地域の登記情報、報道、大学の記録、Yandex 検索、Google マップ（事業主の場合は compass/crawler-google-places）を調査します
• エージェント 5：詳細調査 — 必要に応じて、Perplexity の詳細調査、Exa の詳細調査、Parallel の詳細調査を行います

ルール：

• すべての既知のデータ（名前、URL、メールアドレス、電話番号、コンテキスト）を各サブエージェントに必ず渡します
• 各サブエージェントは結果を /tmp/osint-<subject>-<task>.md に保存します
• メインエージェントはすべての結果を待ってから、フェーズ 3～6（相互参照、心理プロファイル、調査資料）を実行します
• 予算：各サブエージェントは ≤$0.15、スウォーム全体で ≤$0.50
• YouTube のトランスクリプトには Apify のアクターを使用し、BrightData または yt-dlp は使用しません（どちらも YouTube にブロックされます）

スウォームを使う理由：

• 5 エージェント × 5 分 = 合計 10 分（順次実行した場合は 30 分以上）
• Sonnet は Opus より 5 倍安価です
• 並列スクレイピングにより、単一 IP でのレート制限の集中を防げます

---

フェーズ 0：ツールの自己診断

1. bash skills/osint/scripts/diagnose.sh を実行します。
2. 利用可能なツールと不足しているツールを記録します。
3. 内部ツールを確認します：tg.py（Telegram の履歴）、himalaya（メール）、vault の連絡先。
4. Bright Data が利用できない場合 → Facebook と LinkedIn の詳細なスクレイピングが制限されます。その旨をユーザーに伝えます。
5. Apify が利用できない場合 → Instagram と LinkedIn の構造化データが制限されます。
6. 利用可能なツールセットで続行します。

フェーズ 1：初期情報の収集

大規模なスクレイピングの前に、必ずレベル 1（簡単な回答）から始めます。

1. ユーザー入力を解析します。識別情報を抽出します：名前、ハンドル、URL、企業、所在地。
2. Perplexity の高速検索：

   bash skills/osint/scripts/perplexity.sh search "Who is <Name>, <context>"
   

3. Brave と Parallel を並行実行：

   web_search "<Name> <company>"
   bash skills/osint/scripts/first-volley.sh "Full Name" "context"
   

4. Perplexity の引用を確認 — 上位の情報源を取得して検証します：

   web_fetch "<citation_url_1>"
   web_fetch "<citation_url_2>"
   

5. 解析して統合します：bash skills/osint/scripts/merge-volley.sh /tmp/osint-<timestamp>。
6. すべての識別情報を初期リストに集め、重複を削除します。
7. 同姓同名の可能性に印を付けます（よくある名前は、企業や所在地との相互参照で確認します）。
8. 判断ポイント： コンテキストは十分ですか？ → フェーズ 4 に進みます。ソーシャルメディアの調査が必要ですか？ → フェーズ 2 に進みます。詳細な調査が必要ですか？ → レベル 4（詳細調査）に進みます。

レート制限： Brave のクエリ間は 1 秒、Jina の呼び出し間は 2 秒待ちます。 API を短い間隔で連続して呼び出さないでください — 並列起動のタイミングをずらしてください。

フェーズ 1.5：内部情報の調査

外部情報を調べる前に、すでに把握している情報を確認します。 このフェーズでは、過去の会話、メール、vault の連絡先など、貴重な情報が含まれている可能性のあるローカルソースを調べます。

Telegram の履歴

tg.py が利用可能な場合（Phase 0 で確認してください）：

# Search by name/handle in Telegram
python3 skills/telegram/scripts/tg.py search "Name" 20
# If we have their username/id — read conversation history
python3 skills/telegram/scripts/tg.py history <username_or_id> 50

Telegram の履歴から抽出する情報：

• コミュニケーションスタイル（フォーマル／カジュアル、言語、絵文字の使い方）
• 話題 — 相手が関心を持っていること、求めていること
• 返信のパターン — 返信速度、活動時間帯 → タイムゾーン
• 共有されたリンク／ファイル — 相手が取り組んでいるプロジェクト
• ユーザーへの呼びかけ方 — 関係性の力学
• 言及された同僚、パートナー、競合相手 → ソーシャルグラフの種
• 価格の話し合い、取引条件（ビジネス上の連絡相手の場合）

⚠️ Telegram の履歴はグレード A の情報源です — フィルタリングされておらず、リアルタイムで、信頼性があります。 精選された LinkedIn／Instagram のプロフィールよりも重視してください。 ⚠️ プライバシー： 内部情報はドシエ内にとどめてください。公開する内容で DM を引用してはいけません。

メールの履歴

himalaya が利用可能な場合：

# Search emails by name or domain
~/.local/bin/himalaya search "from:[email protected] OR to:[email protected]" -f INBOX
# Or by name
~/.local/bin/himalaya search "Name Surname" -f INBOX
~/.local/bin/himalaya search "Name Surname" -f Sent

メールから抽出する情報：

• Telegram でのスタイルと比較したフォーマルなコミュニケーションスタイル（違いから洞察が得られます）
• ビジネス提案、請求書 → 金銭的な関係
• CC に含まれる人 → 組織図
• 署名欄 → 役職、電話番号、会社、ソーシャルリンク（LinkedIn より情報が豊富なことがよくあります）

Vault／CRM の確認

# Check if we already have a card
grep -rl "Name" vault/crm/ vault/contacts/ 2>/dev/null
# Check MOC indexes (adjust paths to your vault structure)
grep -i "name" vault/MOC/*.md 2>/dev/null

Vault にカードがある場合： 読み取り、last_accessed、既存のタグ、過去のやり取りを確認します。 重複させないでください — 調査の完了後、既存のカードを充実させます。

ノードのカメラ／位置情報（ペアリング済みデバイスが利用可能な場合）

対面で会う際、ノードが利用可能であれば、nodes camera_snap で状況を記録できます。 ユーザーから明示的な許可を得た場合に限ります。

内部情報の要約

Phase 1.5 の後には、次のことが分かっているはずです：

• 以前からの関係があるか？（まだ接点のない／面識のある／親しい連絡相手）
• 相手が好む言語は何か？
• 相手のコミュニケーションスタイルはどのようなものか？
• 既存のビジネス上の背景情報はあるか？
• 会話から得られたソーシャルグラフの種

この文脈によって Phase 2 の優先順位が変わります — メールからすでに相手の経歴が分かっている場合は、外部調査では心理プロフィールやソーシャルメディアに焦点を当ててください。

Phase 2：プラットフォームからの情報抽出

URL パターンや抽出の手がかりが必要な場合にのみ、references/platforms.md を読みます。

ツールの優先順位（第一候補 → フォールバック）。第一候補が失敗したら、ただちに切り替えてください。同じツールを再試行してはいけません。

• LinkedIn：apify.sh linkedin → brightdata.sh scrape → jina.sh read
• Instagram：apify.sh instagram → brightdata.sh scrape
• Instagram の詳細調査：run-actor.sh "apify/instagram-tagged-scraper"（相手をタグ付けした人）、apify/instagram-comment-scraper（センチメント）
• Facebook 個人アカウント：brightdata.sh scrape → なし（Bright Data のみ動作します）
• Facebook ページ／グループ：run-actor.sh "apify/facebook-pages-scraper" → brightdata.sh scrape
• TikTok：run-actor.sh "clockworks/tiktok-profile-scraper" → clockworks/tiktok-scraper（包括的）
• TikTok の検索：run-actor.sh "clockworks/tiktok-user-search-scraper"（キーワードで検索）
• YouTube：run-actor.sh "streamers/youtube-channel-scraper" → jina.sh read → brightdata.sh scrape
• Telegram チャンネル：web_fetch t.me/s/{channel} → jina.sh read
• Twitter/X：python3 scripts/twitter.py tweet <url> → jina.sh read
• Google Maps（ビジネス）：run-actor.sh "compass/crawler-google-places"
• 連絡先情報の補完：run-actor.sh "vdrmota/contact-info-scraper"（あらゆる URL からメールアドレス／電話番号を抽出）
• あらゆるサイト：jina.sh read → brightdata.sh scrape

run-actor.sh = 汎用 Apify ランナー（組み込み、55 以上の Actor）。Actor の全カタログについては references/tools.md を参照してください。

失敗したツールのトラブルシューティングを行う場合にのみ、references/tools.md を読みます。

⚠️ コンテンツプラットフォームに関するルール（重要）

YouTube、ポッドキャスト、ブログ、カンファレンスの講演を見つけた場合は、直ちに references/content-extraction.md を読み、コンテンツをその場で 3～5 件抽出してください。

URL を記録するだけではいけません。今すぐ文字起こし／テキストを抽出してください。 20 分の YouTube 動画から、その人の LinkedIn 全体より多くのことが分かります。 コンテンツプラットフォームは心理プロフィールの最大の情報源です — これらを省くと、ドシエの内容が浅くなります。

OpSec を意識した対象者

初期検索で、足跡があるはずの人物について不自然なほど情報が少ない場合：

1. Wayback Machine： web_fetch "https://web.archive.org/web/2024*/target-url" — 削除されたプロフィール、過去の自己紹介
2. Google Cache： web_search "cache:domain.com/path" — 最近削除されたページ
3. Yandex Cache： brightdata.sh search-yandex "Name" — Yandex は CIS をより深くインデックス化し、より長期間キャッシュします
4. ユーザー名のバリエーション： 翻字（Иванов → ivanov、ivanoff）、生年の接尾辞、会社名の略称を試します
5. 画像の逆検索： 写真が見つかった場合は、同じアバターを使っている別のプロフィールがないか確認します
6. カンファレンスのアーカイブ： プロフィールが削除された後も、登壇者の自己紹介が残っていることがよくあります

フェーズ 3：相互照合と信頼度の評価

ステップ 1：事実表

すべての主張を行として列挙します：事実 | ソース 1 | ソース 2 | 評価。

ステップ 2：重要な事実の照合

重要な事実（勤務先、役職、所在地、学歴）ごとに：

• LinkedIn の肩書きと Telegram の署名、メールの署名、会社の Web サイトを比較します
• 2 つ以上が一致 → 評価 A
• ソースが 1 つだけ → 評価 B
• 推定（メッセージからのタイムゾーン、ジオタグ） → 評価 C
• 検証されていない単独の言及 → 評価 D

ステップ 3：矛盾の解決

LinkedIn には「CEO」とある一方、会社のサイトには「共同創業者」とある場合は、明示的に指摘します。ソースとともに両方を記載します。一方を黙って選ばないでください。

ステップ 4：同姓同名の確認

よくある名前の場合は、少なくとも 2 つの事実（会社＋都市、または写真＋会社）を確認し、同一人物に結び付けます。確信が持てない場合は、別々の人物として扱います。

信頼度の評価：

• A（確認済み）： 2 つ以上の独立したソース、または公式／認証済みプロフィール、または Telegram／メールでの直接の会話
• B（可能性が高い）： 信頼できるソースが 1 つ（LinkedIn、公式メディア、会社のサイト）
• C（推定）： 間接的な証拠（写真のジオタグ、メッセージのパターンから推定したタイムゾーン、つながり）
• D（未検証）： 単独の言及で、誤っている可能性があるもの

内部インテリジェンス（フェーズ 1.5）は独立したソースとして数えます。

フェーズ 4：心理プロファイル

このフェーズでのみ references/psychoprofile.md を読みます。

1. テキストサンプルを収集します：投稿、自己紹介、インタビュー、チャンネルのコンテンツ、Telegram メッセージ（最も有力な情報源）。
2. 行動の根拠と信頼度（高／中／低）を引用し、各次元で MBTI を評価します。
3. 文の長さ、絵文字の頻度、自己言及率など、文体を定量化します。
4. フォーマルな場（LinkedIn／メール）とインフォーマルな場（Telegram／Instagram）での話し方を比較します — その差から本当の人物像が分かります。
5. 自己申告ではなく、行動から価値観を推定します。
6. 生年月日が確認済み（評価 A または B）の場合に限り、星座を記載します。

フェーズ 5：網羅性の評価（再帰的）

軸 1：データの網羅性（次元ごとに合否を判定）

必須チェックは 9 項目です。1 つでも不合格の場合は、重大な不足として指摘します：

1. 対象者を正しく特定できているか？（同姓同名の別人ではないか）
2. 現在の役職／会社を確認できているか？
3. 2 つ以上のソーシャルプラットフォームを見つけているか？
4. 少なくとも 1 つの連絡方法（メール／電話／メッセンジャー）があるか？
5. 職歴に検証可能な職務が 2 つ以上あるか？
6. 現在の所在地を特定できているか？
7. 少なくとも 1 枚の写真が見つかっているか？
8. ソース間に未解決の矛盾がないか？
9. 内部インテリジェンスを確認したか？（Telegram／メール／Vault — 空の場合も含む）

軸 2：深度スコア（重み付きの 8 項目）

次元	重み	評価項目（1-10）
身元	0.15	氏名、生年月日、所在地、学歴、写真
職歴	0.20	職歴の網羅性、現在の役職の明確さ
デジタル上の足跡	0.15	見つかったプラットフォーム数、アカウントの活動レベル
心理プロファイル	0.15	MBTI の信頼度、定量化した文体、推定した価値観
内部情報	0.10	Telegram／メールの履歴の深さ、Vault のデータ
私生活	0.05	家族、趣味、ライフスタイル、ペット
相互照合	0.10	評価 A の事実の数、矛盾の数
実行可能性	0.10	特定した接点、明確なアプローチ戦略

加重合計（1-10）= 深度スコア。

軸 3：情報源の多様性

使用した情報源の種類の数を数えます（最大 12 種類）。 LinkedIn、Instagram、Facebook、Telegram の DM、Telegram チャンネル、VK、Twitter/X、 企業ウェブサイト、報道機関・メディアの記事、会議のプロフィール、政府・企業の登記情報、 メールでのやり取り。

• 8 種類以上 ＝ 優秀
• 5～7 種類 ＝ 良好
• 2～4 種類 ＝ 浅い
• 1 種類 ＝ 不十分

ギャップ分析

深度スコア	網羅性	診断	対応
8 以上	すべて合格	強固な調査資料	フェーズ 6 に進む
8 以上	一部不合格	深いが見落としあり	不合格の項目を重点的に調査し、もう 1 サイクル実施
7 未満	すべて合格	広範だが浅い	インタビュー・記事・deepsearch で掘り下げる
7 未満	一部不合格	やり直しが必要	別の検索アプローチと新しいツールの組み合わせを試す

終了基準

(a) 深度スコアが 8.0 以上で、すべての網羅性チェックに合格 → フェーズ 6 に進む (b) 3 サイクル完了 → 入手できた最善の情報を、正直な評価を添えて提出する (c) 2 サイクル続けて差分が 0.5 未満 → 頭打ちと判断し、注記を添えて提出する

評価基準

• 9～10：経歴の完全な年表、5 つ以上のプラットフォーム、確認済みの生年月日、高い確度の人物プロファイル、家族・趣味の情報、複数の調査開始地点、Telegram の履歴分析。専門調査員による報告書に相当します。
• 7～8：経歴の概要、3 つ以上のプラットフォーム、ほとんどの事実が B 評価以上、中程度の確度の人物プロファイル。十分なデューデリジェンスです。
• 5～6：基本的な経歴情報、1～2 のプラットフォーム、いくつかの情報の欠落。簡易的な身元調査のレベルです。
• 5 未満：見つかったデータはごくわずかです。せいぜい氏名と現在の役職にとどまります。不十分として明記してください。

フェーズ 6：調査資料の出力

出力を作成する前に assets/dossier-template.md を読みます。テンプレートの構成に厳密に従ってください。 出力に Markdown の表は使用しないでください（Telegram では表示できません）。箇条書きのみを使用してください。 深度スコア、情報源の数、情報源の種類、API 使用料の合計を報告してください。

内部情報を使用した場合は、「из переписки」 という独立したセクションを追加してください （内部情報／機密情報として明記し、外部共有は禁止してください）。

予算

• 対象者 1 人あたり 0.50 ドル以下：確認を求めずに使用してください。
• 0.50 ドル超：続行する前にユーザーに確認してください。
• 調査セッションごとの累積使用料を記録してください。

トラブルシューティング

• すべてのツールで結果が空：対象者のデジタル上の存在が少ない可能性があります。Bright Data の Yandex 検索を試してください（CIS 地域に適しています）。氏名ではなく、会社名と役職で検索してください。
• 何度も別人が表示される：すべての検索クエリに会社名、都市名、または役職を追加してください。氏名全体を引用符で囲んでください。
• LinkedIn がブロックされている：Apify の代わりに brightdata.sh scrape を主に使用してください。
• Apify のアクターが停止・変更された：代替手段を apify.sh store-search "linkedin scraper" で確認してください。Apify 上のアクターは変更されやすいため、必ず Bright Data の代替手段を用意してください。
• 深度スコアが 6～7 で停滞する：報道機関・メディアの記事、または内部情報が不足している可能性があります。業界誌（ロシア市場の場合は AdIndex、Sostav、Forbes、Kommersant）を検索してください。jina.sh deepsearch を試してください。Telegram の履歴を確認してください。
• ソーシャルメディアが見つからない：対象者が別名を使っている可能性があります。メールアドレス、電話番号、または企業の従業員ページで検索してください。Apify のストアを検索します：bash scripts/apify.sh store-search "people search"。mcpc がインストールされている場合：APIFY_TOKEN=$APIFY_API_TOKEN mcpc --json mcp.apify.com --header "Authorization: Bearer $APIFY_TOKEN" tools-call search-actors keywords:="people search" limit:=10。電話番号を使って Telegram の連絡先を確認してください。
• TikTok スクレーパーが失敗する：代替手段として clockworks/free-tiktok-scraper（無料枠）を試してください。TikTok のユーザー名は他のプラットフォームと異なることが多いため、clockworks/tiktok-user-search-scraper で本名を検索してください。
• ウェブサイトからメールアドレスが必要：vdrmota/contact-info-scraper を使用してください。サイトをクロールして、すべての連絡先情報を抽出します。
• レート制限（429）：5 秒待ってから、さらに 15 秒待ってください。代替ツールに切り替えてください。すぐに再試行しないでください。

アンチパターン

1. 1つのツールだけで開始してはいけません。利用可能なすべてのツールを並行して起動してください。
2. 失敗したツールを2回以上再試行してはいけません。フォールバックに切り替えてください。
3. 生年月日、家族、星座を推測してはいけません。
4. 同姓同名の人物と照合せずに、データを特定の人物のものとして扱ってはいけません。
5. 出典のない事実を含めてはいけません。
6. 公開メッセージで OSINT の手法を明かしてはいけません。
7. 再帰サイクルは3回を超えてはいけません。効果は次第に薄れます。
8. 根拠なしに Depth Score を9以上にしてはいけません。
9. 心理プロファイリングを省略してはいけません。これがなければ、人物調査資料は Wikipedia の記事と同じです。
10. Phase 1.5（内部情報）を省略してはいけません。Telegram の履歴は、最も情報量の多い情報源であることがよくあります。
11. 共有可能な出力でDMをそのまま引用してはいけません。要約して出典を示してください。
12. レート制限を設けずにAPIへ過剰なリクエストを送ってはいけません。リクエストの間隔を空けてください。