cognis-digital/electionlens

``` pip install cognis-electionlens electionlens scan . # → prioritized findings in seconds ``` ## 使用说明 —— 逐步指南 1. **安装** CLI： pipx install "git+https://github.com/cognis-digital/electionlens.git" 2. **扫描**一组帖子的语料库以检测协同造假行为 —— 这是主要命令。接受 JSON 数组、JSONL 或使用 `-` 代表标准输入： electionlens scan posts.jsonl cat posts.json | electionlens scan - 3. **调整聚类参数** —— 突发窗口大小，以及用于标记复制粘贴集群和突发的账号数量： electionlens scan posts.jsonl \ --window 120 --min-cluster-accounts 3 --min-burst-accounts 4 4. **读取输出** —— 默认为表格形式，或输出 JSON 用于下游分析： electionlens --format json scan posts.jsonl > cib-report.json 5. **在 CI / 监控中自动化** —— 当风险等级为 CRITICAL 时以非零状态码（`3`）退出： electionlens scan posts.jsonl --fail-on-critical # exit 3 => CRITICAL 检测到协同行为 ## 目录 - [为什么使用 electionlens？](#why) · [功能](#features) · [快速开始](#quick-start) · [示例](#example) · [架构](#architecture) · [AI 技术栈](#ai-stack) · [功能对比](#how-it-compares) · [集成](#integrations) · [随处安装](#install-anywhere) · [相关项目](#related) · [贡献指南](#contributing) ## 为什么使用 electionlens？ 针对选举期间的影响力操作模式监控器 —— 无需搭建重量级的基础设施。 `electionlens` 是单一用途、可脚本化且可自托管的：将其指向目标，以你的工作流已支持的语言（表格 · JSON · SARIF）获取优先级排序的结果，将其作为 CI 的门禁，并让代理通过 MCP 驱动它。 ## 功能 - ✅ 加载帖子 - ✅ 分析 - ✅ 可在 Linux/macOS/Windows · Docker · devcontainer 上运行 - ✅ 提供 Python、JavaScript、Go 和 Rust 的移植版本 (`ports/`) ## 快速开始 ``` pip install cognis-electionlens electionlens --version electionlens scan . # scan current project electionlens scan . --format json # machine-readable electionlens scan . --fail-on high # CI gate (non-zero exit) ``` ## 示例 ``` $ electionlens scan . [HIGH ] ELE-001 example finding (./src/app.py) [MEDIUM ] ELE-002 another signal (./config.yaml) 2 findings · risk score 5 · 38ms ``` ## 架构 ``` flowchart LR IN[input] --> P[electionlens
analyze + score] P --> OUT[report] ``` ## 从任何 AI 技术栈中使用 `electionlens` 与所有流行的 AI 使用方式实现了互操作： - **MCP server** —— `electionlens mcp` (Claude Desktop, Cursor, Cognis.Studio, [uncensored-fleet](https://github.com/cognis-digital/uncensored-fleet)) - **兼容 OpenAI / JSON** —— 将 `electionlens scan . --format json` 通过管道传递给任何代理或 LLM - **LangChain · CrewAI · AutoGen · LlamaIndex** —— 用一行代码将 CLI/JSON 封装为工具 - **CI / 脚本** —— 为非 AI pipeline 提供退出码 + SARIF ## 功能对比 | | **Cognis electionlens** | 典型工具 | |---|:---:|:---:| | 可自托管，无需账号 | ✅ | 视情况而定 | | 单条命令，零配置 | ✅ | ⚠️ | | 用于 CI 的 JSON + SARIF | ✅ | 视情况而定 | | 原生 MCP (AI 代理) | ✅ | ❌ | | 多语言移植 (JS/Go/Rust) | ✅ | ❌ | | 开放许可证 | ✅ COCL | 视情况而定 | ## 集成 可接入你的技术栈：用于代码扫描的 **SARIF**，用于任何场景的 **JSON**，用于 AI 代理的 **MCP server** (`electionlens mcp`)，以及用于 SIEM/Slack/Jira 的 webhook 转发器。详见 [`docs/INTEGRATIONS.md`](docs/INTEGRATIONS.md)。 ## 安装 —— 各种方式、各种平台 ``` pip install "git+https://github.com/cognis-digital/electionlens.git" # pip (works today) pipx install "git+https://github.com/cognis-digital/electionlens.git" # isolated CLI uv tool install "git+https://github.com/cognis-digital/electionlens.git" # uv pip install cognis-electionlens # PyPI (when published) docker run --rm ghcr.io/cognis-digital/electionlens:latest --help # Docker brew install cognis-digital/tap/electionlens # Homebrew tap curl -fsSL https://raw.githubusercontent.com/cognis-digital/electionlens/main/install.sh | sh ``` | Linux | macOS | Windows | Docker | 云平台 | |---|---|---|---|---| | `scripts/setup-linux.sh` | `scripts/setup-macos.sh` | `scripts/setup-windows.ps1` | `docker run ghcr.io/cognis-digital/electionlens` | [DEPLOY.md](docs/DEPLOY.md) (AWS/Azure/GCP/k8s) | ## 相关 Cognis 工具 - [`claimtrace`](https://github.com/cognis-digital/claimtrace) —— 虚假信息溯源追踪器 —— 已知最早出现图谱 - [`deepcheck`](https://github.com/cognis-digital/deepcheck) —— 具有 C2PA 验证功能的轻量级合成媒体检测器 - [`narrativediff`](https://github.com/cognis-digital/narrativediff) —— 针对单一事件的跨 50 多家媒体的新闻偏见与框架差异对比 **探索完整套件 →** [🗂️ 全部 170+ 件工具](https://github.com/cognis-digital/cognis-neural-suite) · [⭐ awesome-cognis](https://github.com/cognis-digital/awesome-cognis) · [🔗 cognis-sources](https://github.com/cognis-digital/cognis-sources) · [🤖 uncensored-fleet](https://github.com/cognis-digital/uncensored-fleet) · [🧠 engram](https://github.com/cognis-digital/engram) ## 互操作性 `{}` 与包含 300+ 工具的 Cognis 套件组合使用 —— JSON 输入/输出以及共享的 兼容 OpenAI 的 `/v1` 主干。有关套件映射、组合模式和参考技术栈，请参阅 **[INTEROP.md](INTEROP.md)**。 ## 许可证 源代码可见，基于 **Cognis Open Collaboration License (COCL) v1.0** —— 可免费用于个人、内部评估、研究和教育用途；**商业 / 生产用途需要许可证** (licensing@cognis.digital)。详见 [LICENSE](LICENSE)。

标签：Python, 代码示例, 可视化界面, 威胁情报, 开发者工具, 数据分析, 数据可视化, 无后门, 日志审计, 社交媒体分析, 舆情监控, 虚假信息检测, 请求拦截, 逆向工具