osint

OSINT 技能 v3.2

对个人进行系统化情报收集。从姓名或账号名开始，最终形成带有心理画像、职业脉络和切入点的评分档案。

阶段路由

根据上下文确定入口：

• 新的姓名／账号名／URL、“пробей”、“find out about” → 阶段 0（完整流程）
• 在现有档案中“添加 LinkedIn／Instagram 数据” → 阶段 2（提取）
• 根据现有数据“建立心理画像” → 阶段 4
• 为现有档案“评估完整度” → 阶段 5
• “重新格式化”或“呈现”调查结果 → 阶段 6

默认（完整调查请求）：阶段 0 → 1 → 1.5 → 2 → 3 → 4 → 5 → 6。

环境

所有 API 密钥均通过环境变量提供。切勿将令牌硬编码。

• PERPLEXITY_API_KEY — Perplexity Sonar（快速回答 + 深度研究）
• EXA_API_KEY — Exa AI（语义搜索、公司／人员研究、深度研究）
• TAVILY_API_KEY — Tavily（针对 Agent 优化的搜索 + 提取，基础版 $0.005/次请求）
• APIFY_API_TOKEN — Apify 抓取（LinkedIn、Instagram、Facebook）
• JINA_API_KEY — Jina 阅读器／搜索／深度搜索
• PARALLEL_API_KEY — Parallel AI 搜索
• BRIGHTDATA_MCP_URL — Bright Data MCP 端点（包含令牌的完整 URL）
• MCPORTER_CONFIG — mcporter 配置路径

脚本

在技能目录中运行：bash scripts/<name>.sh。 每个脚本都会验证环境变量；若出错，会退出并提供说明性错误信息和获取密钥的 URL。

搜索与研究：

• diagnose.sh — 首先运行。生成所有工具的能力图谱。
• perplexity.sh — search <query> | sonar <query>（AI 回答）| deep <query>（深度研究）
• tavily.sh — search <query>（基础版 $0.005）| deep <query>（高级版）| extract <url>
• exa.sh — search <query> | company <name> | people <name> | crawl <url> | deep <prompt>
• first-volley.sh "Name" "context" — 并行搜索，同时调用所有引擎。
• merge-volley.sh <outdir> — 去重并合并 first-volley 结果。

抓取：

• apify.sh — linkedin <url> | instagram <handle> | run | results | store-search
• run-actor.sh — 通用 Apify 运行器（55+ 个 Actor）。 内嵌自 apify/agent-skills。 快速回答：bash scripts/run-actor.sh "actor/id" '{"input":"json"}' 导出：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

研究升级流程

原则：从低成本到高成本，从快速到深入。

级别 1：快速回答（数秒，约 $0.00）

始终从这里开始。先获取快速背景信息，再深入调查。 同时运行所有工具：

# 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>"

→ 获取：快速事实、链接、背景信息。 → 决策：够了吗？→ 阶段 6。需要更多？→ 级别 2。

级别 2：来源核验（数秒至数分钟，约 $0.01）

通过 fetch 核验级别 1 中的来源：

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

→ 获取：已确认的事实、交叉引用。 → 是否吻合？→ 补充档案。需要深入？→ 级别 3。

级别 3：社交媒体深度调查（约 $0.01–0.10）

接入抓取工具以调查社交媒体：

# 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>"

→ 获取：结构化档案、照片、关系。

级别 4：深度研究（约 $0.05–0.50）

如果需要进一步深入调查，请编写详尽的提示词并提交深度研究。 同时运行所有工具（每个耗时 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>"

规则： 级别 4 的提示词必须详尽——纳入级别 1–3 中已掌握的所有信息，让深度研究跳过基础事实，继续深入调查。

蜂群模式（默认）

OSINT 研究以 Sonnet 上的并行子 Agent 蜂群方式运行。 主 Agent 负责协调——它不会亲自执行抓取。

工作原理：

1. 主 Agent 运行 Phase 0（工具检查）和 Phase 1（种子信息收集），获取初始上下文
2. 主 Agent 通过 sessions_spawn 启动 3-5 个子 Agent，使用 model: sonnet、mode: run
3. 每个子 Agent 获得一项聚焦任务和 Phase 1 中已知的所有数据
4. 子 Agent 返回结果 → 主 Agent 将其整合到档案中

任务拆分模式：

• Agent 1：YouTube/内容 — 通过 Apify 提取文字稿（不要用 yt-dlp，也不要用 BrightData — YouTube 会屏蔽它们）。收集 3-5 个视频、语言风格和主题。频道数据使用 streamers/youtube-channel-scraper
• Agent 2：Facebook 深度调查 — 使用 BrightData 抓取：个人资料、帖子、简介、照片、好友（使用 m.facebook.com 获取更多数据）。对于公共主页：使用 apify/facebook-pages-scraper + apify/facebook-page-contact-information
• Agent 3：社交平台 — Instagram（Apify + 标签/评论抓取工具）、DOU、公司网站、LinkedIn（BrightData）。补充联系人信息：对找到的网站使用 vdrmota/contact-info-scraper
• Agent 4：TikTok + 区域信息 — TikTok 个人资料/视频（clockworks/tiktok-profile-scraper）、本地登记信息、新闻报道、大学记录、Yandex 搜索、Google Maps（如果是企业所有者，使用 compass/crawler-google-places）
• Agent 5：深度研究 — Perplexity deep、Exa deep、Parallel deep（如有需要）

规则：

• 始终向每个子 Agent 传递所有已知数据（姓名、URL、邮箱、电话号码、上下文）
• 每个子 Agent 将结果保存到 /tmp/osint-<subject>-<task>.md
• 主 Agent 等待所有结果返回，然后运行 Phase 3-6（交叉核查、心理画像、档案整理）
• 预算：每个子 Agent ≤$0.15，整个 Agent 集群 ≤$0.50
• YouTube 文字稿：使用 Apify Actor，不要使用 BrightData 或 yt-dlp（两者都会被 YouTube 屏蔽）

为什么要使用 Agent 集群：

• 5 个 Agent × 5 分钟 = 总计 10 分钟（而顺序执行需要 30 分钟以上）
• Sonnet 的成本是 Opus 的 1/5
• 并行抓取可避免单个 IP 触发速率限制

---

Phase 0：工具自检

1. 执行 bash skills/osint/scripts/diagnose.sh。
2. 记录可用和缺失的工具。
3. 检查内部工具：tg.py（Telegram 历史记录）、himalaya（电子邮件）、Vault 联系人。
4. 如果 Bright Data 不可用 → Facebook 和 LinkedIn 深度抓取将受限。告知用户。
5. 如果 Apify 不可用 → Instagram 和 LinkedIn 结构化数据将受限。
6. 使用现有工具继续操作。

Phase 1：种子信息收集

始终先从 Level 1（快速解答）开始，再进行大规模抓取。

1. 解析用户输入。提取标识信息：姓名、账号名、URL、公司、地点。
2. Perplexity 快速检索：

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

3. 并行使用 Brave + Parallel：

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

4. 检查 Perplexity 引用 — 获取并核实重要来源：

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

5. 解析并合并：bash skills/osint/scripts/merge-volley.sh /tmp/osint-<timestamp>。
6. 将所有标识信息收集到种子列表中。去重。
7. 标记姓名冲突（常见姓名 → 通过公司/地点交叉核查）。
8. **决策点：**上下文是否充足？→ 跳至 Phase 4。需要社交媒体信息？→ 进入 Phase 2。需要深入调查？→ Level 4（深度研究）。

**速率限制：**Brave 查询间隔 1 秒，Jina 调用间隔 2 秒。 不要在短时间内密集调用 API — 错开并行任务的启动时间。

Phase 1.5：内部情报

**对外搜索前，先检查我们已掌握的信息。**此阶段会挖掘可能包含宝贵信息的本地来源 — 以往对话、电子邮件、Vault 联系人。

Telegram 历史记录

如果 tg.py 可用（请在 Phase 0 中检查）：

# 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

从 Telegram 历史记录中提取的内容：

• 沟通风格（正式或非正式、语言、表情符号使用习惯）
• 讨论的话题——他们关心什么、会提出什么需求
• 回复模式——回复速度、活跃时段 → 时区
• 分享的链接/文件——他们参与的项目
• 他们如何称呼用户——双方的关系动态
• 提及的同事、合作伙伴、竞争对手 → 社交关系图谱线索
• 定价讨论、交易条款（如果是业务联系人）

⚠️ Telegram 历史记录属于 A 级情报——未经筛选、实时且真实。 其权重应高于经过筛选的 LinkedIn/Instagram 个人资料。 ⚠️ **隐私：**内部情报应保留在档案中。绝不要在公开内容中引用私信。

电子邮件历史记录

如果 himalaya 可用：

# 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

从电子邮件中提取的内容：

• 与 Telegram 风格相比，正式的沟通风格如何（对比之处就是洞察）
• 商业提案、发票 → 财务关系
• 被抄送的人 → 组织关系图
• 签名栏 → 职称、电话、公司、社交链接（通常比 LinkedIn 上的信息更丰富）

知识库 / CRM 检查

# 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

**如果存在知识库卡片：**读取卡片，记录 last_accessed、现有标签和以往互动。 不要重复创建——研究完成后，丰富现有卡片。

节点摄像头/位置（如果已配对设备）

如果要当面会面且节点可用，nodes camera_snap 可用于采集现场信息。 仅在获得用户明确许可后使用。

内部情报摘要

完成 Phase 1.5 后，你应了解：

• 之前是否存在关系？（陌生/熟悉/关系密切的联系人）
• 他们偏好哪种语言？
• 他们的沟通风格是什么？
• 是否存在现有业务背景？
• 对话中有哪些社交关系图谱线索？

这些背景信息会影响 Phase 2 的优先事项——如果我们已从邮件中了解他们的职业经历， 则应将外部研究重点放在心理画像和社交媒体上。

Phase 2：平台信息提取

仅在需要 URL 模式或提取线索时，才读取 references/platforms.md。

工具优先级（主要工具 → 后备工具）。如果主要工具失败，立即切换。不要重试同一工具。

• LinkedIn：apify.sh linkedin → brightdata.sh scrape → jina.sh read
• Instagram：apify.sh instagram → brightdata.sh scrape
• Instagram 深度分析：run-actor.sh "apify/instagram-tagged-scraper"（谁标记了他们）、apify/instagram-comment-scraper（情绪倾向）
• Facebook 个人主页：brightdata.sh scrape → 无（只有 Bright Data 可用）
• Facebook 公共主页/群组：run-actor.sh "apify/facebook-pages-scraper" → brightdata.sh scrape
• TikTok：run-actor.sh "clockworks/tiktok-profile-scraper" → clockworks/tiktok-scraper（全面抓取）
• TikTok 发现：run-actor.sh "clockworks/tiktok-user-search-scraper"（按关键词查找）
• YouTube：run-actor.sh "streamers/youtube-channel-scraper" → jina.sh read → brightdata.sh scrape
• Telegram 频道：web_fetch t.me/s/{channel} → jina.sh read
• Twitter/X：python3 scripts/twitter.py tweet <url> → jina.sh read
• Google 地图（商家）：run-actor.sh "compass/crawler-google-places"
• 联系人信息补充：run-actor.sh "vdrmota/contact-info-scraper"（从任意 URL 提取电子邮件/电话号码）
• 任意网站：jina.sh read → brightdata.sh scrape

run-actor.sh = 通用 Apify 执行器（内置 55+ 个 Actor）。完整 Actor 目录请参阅 references/tools.md。

仅在排查工具故障时，才读取 references/tools.md。

⚠️ 内容平台规则（关键）

如果找到 YouTube、播客、博客或会议演讲内容，请立即阅读 references/content-extraction.md，并当场提取 3–5 项内容。

不要只记录 URL。现在就提取字幕/文本。 一段 20 分钟的 YouTube 视频所揭示的一个人的信息，比他们整个 LinkedIn 个人资料还多。 内容平台是心理画像的首要信息来源——跳过这些内容 = 档案内容浅薄。

了解 OpSec 的目标对象

如果初步搜索发现某人的线上足迹异常少，而按理说其应该留有足迹：

1. Wayback Machine： web_fetch "https://web.archive.org/web/2024*/target-url" — 已删除的个人资料、旧简介
2. Google Cache： web_search "cache:domain.com/path" — 最近移除的页面
3. Yandex Cache： brightdata.sh search-yandex "Name" — Yandex 对独联体地区的索引更深入，缓存时间也更长
4. 用户名变体： 尝试不同的转写方式（Иванов → ivanov、ivanoff）、在末尾添加出生年份、使用公司缩写
5. 反向图片搜索： 如果找到照片，检查其他个人资料是否使用了同一头像
6. 会议档案： 个人资料删除后，演讲者简介通常仍会保留

第 3 阶段：交叉比对与置信度评分

步骤 1：事实表

将每条说法列为一行：事实 | 来源 1 | 来源 2 | 等级。

步骤 2：交叉核实关键事实

对于每项关键事实（雇主、职位、地点、教育经历）：

• 比较 LinkedIn 头衔、Telegram 签名、电子邮件签名与公司网站
• 如果 2 个或更多来源相符 → A 级
• 如果只有 1 个来源 → B 级
• 如果是推断得出（根据消息推测时区、地理标记）→ C 级
• 如果是单条未经核实的提及 → D 级

步骤 3：解决矛盾

如果 LinkedIn 上写着“CEO”，但公司网站写着“联合创始人”——明确标出。附上两个说法及其来源。不要悄悄择一采用。

步骤 4：检查重名情况

如果姓名常见，至少核实 2 项事实（公司 + 城市，或照片 + 公司）以确认指向同一人。如果无法确定，应拆分为不同实体。

置信度等级：

• A（已确认）：2 个或更多独立来源，或官方／已验证的个人资料，或直接的 Telegram／电子邮件对话
• B（较可能）：1 个可信来源（LinkedIn、官方媒体、公司网站）
• C（推断）：间接证据（照片地理标记、根据消息模式推测时区、社交关系）
• D（未核实）：单条提及，可能有误

内部情报（第 1.5 阶段）计为独立来源。

第 4 阶段：心理画像

仅在此阶段阅读 references/psychoprofile.md。

1. 收集文本样本：帖子、简介、访谈、频道内容、Telegram 消息（信号最强）。
2. 根据有引用的行为证据评估各个维度的 MBTI，并给出置信度（高／中／低）。
3. 量化写作风格：句子长度、表情符号密度、自我指涉率。
4. 比较正式场合（LinkedIn／电子邮件）与非正式场合（Telegram／Instagram）的表达方式——二者的差异能揭示真实的个性。
5. 根据行为而非自我陈述推断价值观。
6. 仅当出生日期已确认（A 级或 B 级）时，才判断星座。

第 5 阶段：完整性评估（递归）

维度 1：数据覆盖度（逐项检查通过／不通过）

9 项必查内容。如果任何一项未通过，应标记为关键缺口：

1. 是否正确识别了目标对象？（而非同名者）
2. 是否确认了当前职位／公司？
3. 是否找到至少 2 个社交平台？
4. 是否找到至少 1 种联系方式（电子邮件／电话／即时通信工具）？
5. 职业经历中是否有 2 个或更多可核实的职位？
6. 是否确认了当前位置？
7. 是否找到至少 1 张照片？
8. 各来源之间是否没有尚未解决的矛盾？
9. 是否检查了内部情报？（Telegram／电子邮件／保管库——即使其中没有内容）

维度 2：深度评分（8 项加权标准）

维度	权重	评分内容（1-10）
身份	0.15	全名、出生日期、地点、教育经历、照片
职业	0.20	工作经历的完整度、当前职位的明确程度
数字足迹	0.15	找到的平台数量、账号活跃程度
心理画像	0.15	MBTI 置信度、量化后的写作风格、推断出的价值观
内部情报	0.10	Telegram／电子邮件历史的深度、保管库数据
个人生活	0.05	家庭、爱好、生活方式、宠物
交叉比对	0.10	A 级事实的数量、矛盾数量
可操作性	0.10	已识别的切入点、明确的接触策略

加权总分（1-10）= 深度评分。

维度 3：来源多样性

统计使用的独特来源类型（最多 12 种）： LinkedIn、Instagram、Facebook、Telegram 私信、Telegram 频道、VK、Twitter/X、 公司网站、新闻/媒体文章、会议简介、政府/商业登记册、 电子邮件往来。

• 8 种以上来源 = 优秀
• 5-7 种 = 良好
• 2-4 种 = 浅显
• 1 种 = 不足

差距分析

深度评分	覆盖情况	诊断	操作
8+	全部通过	档案扎实	进入第 6 阶段
8+	部分未通过	深入但存在盲点	针对未通过的检查，再进行 1 轮
<7	全部通过	覆盖广但不够深入	通过访谈/文章/深度搜索进一步挖掘
<7	部分未通过	需要重新开始	更换搜索角度，尝试新的工具组合

停止标准

(a) 深度评分 ≥ 8.0 且所有覆盖检查均通过 → 进入第 6 阶段 (b) 已完成 3 轮 → 提交当前最佳结果，并如实说明评估 (c) 连续两轮的增量 < 0.5 → 已达平台期，附注说明后提交

校准基准

• 9-10：完整的职业生涯时间线、5 个以上平台、已确认出生日期、高置信度的心理画像、已知家庭/爱好、多个切入点、已分析 Telegram 历史记录。相当于专业 PI 报告。
• 7-8：职业生涯概况、3 个以上平台、大多数事实达到 B 级或更高、具有中等置信度的心理画像。尽职调查扎实。
• 5-6：基本简介、1-2 个平台、存在一些缺口。快速背景调查水平。
• <5：找到的信息极少。最多只能确认姓名和当前职位。标记为信息不足。

第 6 阶段：档案输出

渲染前阅读 assets/dossier-template.md。严格遵循模板结构。 输出中不要使用 Markdown 表格（Telegram 无法渲染）。仅使用项目符号列表。 报告深度评分、来源数量、来源类型和 API 总支出。

如果使用了内部情报，请添加单独的 “内部通信内容” 部分 （标记为内部/机密，不得对外分享）。

预算

• 每个目标 ≤$0.50：无需询问即可支出。

• $0.50：继续前先询问用户。

• 跟踪每个研究会话的累计支出。

故障排除

• 所有工具都返回空结果：目标的数字化痕迹很少。尝试 Bright Data Yandex 搜索（在 CIS 地区效果更好），改用公司名称 + 职位搜索，而不是姓名。
• 反复出现错误的人物：在所有查询中加入公司名称、城市或职位。用引号括起全名。
• LinkedIn 被屏蔽：优先使用 brightdata.sh scrape，而不是 Apify。
• Apify actor 已失效/变更：通过 apify.sh store-search "linkedin scraper" 查找替代项。Apify 上的 actor 变化频繁 — 务必准备 Bright Data 备用方案。
• 深度评分停留在 6-7：很可能缺少新闻/媒体文章或内部情报。搜索行业刊物（俄罗斯市场可查 AdIndex、Sostav、Forbes、Kommersant）。尝试 jina.sh deepsearch。检查 Telegram 历史记录。
• 找不到社交媒体：此人可能使用化名。按电子邮件、电话号码或公司员工页面搜索。在 Apify 商店搜索：bash scripts/apify.sh store-search "people search"。如果已安装 mcpc：APIFY_TOKEN=$APIFY_API_TOKEN mcpc --json mcp.apify.com --header "Authorization: Bearer $APIFY_TOKEN" tools-call search-actors keywords:="people search" limit:=10。按电话号码检查 Telegram 联系人。
• TikTok 抓取工具失败：尝试使用 clockworks/free-tiktok-scraper（免费套餐）作为备用方案。TikTok 用户名通常与其他平台不同 — 通过 clockworks/tiktok-user-search-scraper 按真实姓名搜索。
• 需要从网站获取电子邮件：使用 vdrmota/contact-info-scraper — 它会抓取网站并提取所有联系信息。
• 受到速率限制（429）：先等待 5 秒，再等待 15 秒。切换到备用工具。切勿立即重试。

反模式

1. 切勿只从一个工具开始。并行启动所有可用工具。
2. 失败的工具最多重试一次。改用备用方案。
3. 切勿猜测出生日期、家庭情况或星座。
4. 未与同名者交叉核对前，切勿将数据归于某人。
5. 切勿包含未经来源证实的事实。
6. 切勿在公开消息中透露 OSINT 方法。
7. 递归循环切勿超过 3 次。收益会递减。
8. 没有充分理由，切勿将深度评分评为 9 分或以上。
9. 切勿跳过心理画像分析。没有它，档案就只是维基百科词条。
10. 切勿跳过第 1.5 阶段（内部情报）。Telegram 历史记录往往是最丰富的信息来源。
11. 切勿在可分享的输出中逐字引用私信。应概述并注明出处。
12. 切勿在没有速率限制的情况下频繁调用 API。应错开请求。