jeet-ganguly/birdy-edwards

## 架构 ## 功能 - 🔍 **资料收集** — 自动抓取帖子、照片、Reels、个人资料以及评论、评论者的主页链接和姓名等数据 - 🧠 **交互情报** — AI 针对每次交互进行情感、立场、情绪和语言分析 - 📊 **行为者评分** — 带有 5 级分类系统的加权综合评分 - 🌍 **国家检测** — LLM 根据资料信号识别用户所在国家 - 👤 **人脸情报** — 跨所有图像进行人脸检测、128D 编码和身份聚类。使用 HOG 模型。 - 🕸️ **网络图表** — 交互式 HTML 图表，包括力导向图和共同交互者关系矩阵 - 📄 **PDF 报告** — 包含有限数量图表的专业情报报告 - 🤖 **本地 AI** — 由 Ollama 驱动，支持 gemma3:4b/12b/27b 及其他模型（在 Web 面板中注明），可在 GPU 或 CPU 上运行 - 🐳 **Docker 就绪** — 在 Linux 和 Windows 上一键部署 ## 文档 项目网站上提供了针对两种调查模式的完整使用指南： - [点击此处](https://jeet-ganguly.github.io/profile/edwards.html) [](https://jeet-ganguly.github.io/profile/edwards.html) ## ⚠️ 免责声明 ## 系统要求 | 组件 | 最低配置 | 推荐配置 | |---|---|---| | OS | Ubuntu 24.04 LTS / Windows 10+ | Ubuntu 24.04 LTS | | RAM | 8 GB | 16 GB | | 存储 | 20 GB 可用空间 | 40 GB 可用空间 | | Docker | Docker Desktop / Engine | 最新稳定版 | | Ollama | 最新版 | 最新版 | ## 安装说明 ### 前置条件 **步骤 1 — 安装 Docker** - **Linux:** https://docs.docker.com/engine/install/ubuntu/ - **Windows:** https://docs.docker.com/desktop/install/windows-install/ **步骤 2 — 安装 Ollama** - **Linux:** ``` curl -fsSL https://ollama.com/install.sh | sh ``` - **Windows:** 从 https://ollama.com/download 下载安装程序 **步骤 3 — 启动 Ollama 并绑定到所有网络接口** - **Linux:** ``` OLLAMA_HOST=0.0.0.0:11434 ollama serve ``` 使其永久生效： ``` sudo systemctl edit ollama ``` 添加： ``` [Service] Environment="OLLAMA_HOST=0.0.0.0:11434" ``` ``` sudo systemctl daemon-reload && sudo systemctl restart ollama ``` - **Windows:** Ollama 默认监听所有网络接口 —— 无需额外配置。如果不生效，则： ``` $env:OLLAMA_HOST="0.0.0.0" ollama serve ``` ### 快速开始 **步骤 1 — 克隆仓库** ``` git clone https://github.com/jeet-ganguly/birdy-edwards.git cd birdy-edwards ``` **步骤 2 — 创建必需的文件和目录** - **Linux:** ``` mkdir -p app/reports app/face_data app/post_screenshots app/status touch app/fb_cookies.pkl app/socmint.db app/socmint_manual.db app/.ollama_model ``` - **Windows (PowerShell):** ``` New-Item -ItemType Directory app/reports, app/face_data, app/post_screenshots, app/status New-Item -ItemType File app/fb_cookies.pkl, app/socmint.db, app/socmint_manual.db, app/.ollama_model ``` **步骤 3 — 构建 Docker 镜像** ``` docker compose build ``` **步骤 4 — 启动容器** ``` docker compose up -d docker compose logs -f ``` **步骤 5 — 打开 Web UI** ``` http://localhost:5000 ``` **步骤 6 - 导入 Session Cookies** ``` http://localhost:5000/tools/import-cookies ``` ### 拉取 AI 模型 在您的主机上拉取模型： ``` ollama pull gemma3:4b ``` 或者在 Web UI 中使用 **AI 模型面板** —— 选择一个模型并点击 **Apply & Pull**。 | RAM | 推荐模型 | |---|---| | 8 GB | gemma3:4b | | 16 GB | gemma3:12b | | 32 GB | gemma3:27b | ### 导入 Session Cookies BIRDY-EDWARDS 需要有效的 Facebook session。请使用 **Cookie-Editor** 浏览器扩展 —— 支持所有平台，无需 Selenium。 1. 安装 Cookie-Editor → [Chrome](https://chrome.google.com/webstore/detail/cookie-editor/hlkenndednhfkekhgcdicdfddnkalmdm) · [Firefox](https://addons.mozilla.org/en-US/firefox/addon/cookie-editor/) 2. 登录您的**专用调查账号** Facebook 3. 在 facebook.com 上点击 Cookie-Editor 4. 点击 **Export → Export as JSON** 5. 访问 `http://localhost:5000/tools/import-cookies` 并粘贴 ## 故障排除 **无法从 Docker 访问 Ollama** ``` docker exec -it birdy-edwards curl http://host.docker.internal:11434/api/tags ``` 如果失败，请使用 `OLLAMA_HOST=0.0.0.0:11434 ollama serve` 命令重启 Ollama **DB 错误：no such table 或其他数据库相关错误** 启动新的调查 —— 首次使用时会自动创建 schema。如果您在分析期间停止了进程/程序，请删除该调查并重新启动新的调查。 **Cookies 过期** 访问 `http://localhost:5000/tools/import-cookies` 并重新导入最新的 cookies。 **端口 5000 已被占用** 修改 `docker-compose.yml` 文件：将 `"5001:5000"` 改为其他端口，然后通过 `http://localhost:5001` 访问 **构建期间内存不足** 通过 Settings → Resources → Memory 将 Docker Desktop 的内存增加至 8 GB 以上 - Bug 修复和稳定性提升 - 新增对 Ollama 模型的支持 - UI 改进 - 文档改进 - 为 OCR 和评论分析增加更多语言支持 **我们不接受的内容** - 绕过平台安全控制的功能 - 引入云端依赖的更改 - 在外部存储或传输调查数据的代码 ## 致谢 - 灵感来源于 [Sherlock](https://github.com/sherlock-project/sherlock) - 灵感来源于 OSINT 和威胁情报研究社区 - [SeleniumBase](https://github.com/seleniumbase/SeleniumBase) — 无痕 Chrome 自动化工具 - [Ollama](https://ollama.com) — 本地 LLM 推理引擎 - [face_recognition](https://github.com/ageitgey/face_recognition) — 人脸检测和编码库 - [pyvis](https://github.com/WestHealth/pyvis) — 交互式网络图可视化 - [reportlab](https://www.reportlab.com) — PDF 生成工具 - [pytesseract](https://github.com/madmaze/pytesseract) — OCR 引擎封装库

标签：ESC4, GitHub, OSINT, 人脸识别, 情报收集, 本地大模型, 漏洞研究, 社交媒体情报, 系统分析, 网络分析