Mad-River-AI/osint-framework

# osint-framework **Mad River AI** 构建了专门用于调查和研究的 agent，以自动化 OSINT 和研究工作流。这个仓库是这些 agent 运行的公开框架。它的设计初衷是可以由人类、AI agent 运行，或者——最有用的情况是——由人类引导 AI agent 运行。 🔗 https://madriverai.com  ·  🐙 https://github.com/Mad-River-AI ## 这是什么（以及不是什么） **这是**一个用于编排模块化 OSINT 任务的 Python 框架：研究一个个人资料、映射一个域名、验证一个泄露、调查一家公司。每个“任务”都是一个小的、可测试的单元。你可以将任务串联成 pipeline。Pipeline 最终构成 agent。 **这不是**一个成品。它是一个基础。真正有趣的工作——实际的调查、专有数据源、神奇的 prompt——都存放在同一组织下的私有仓库中。该框架本身保持开源，以便其他人可以基于它进行构建、审计和改进。 ## 原则 1. **本地优先。** 除非你主动指定，否则不会有任何数据离开你的机器。没有遥测。没有“回传（phone home）”。 2. **Human-in-the-loop。** 每个 agent 都可以被暂停、检查和覆盖。没有黑盒。 3. **溯源。** 每一条数据都会被标记上其来源和时间。支持重放。 4. **可组合。** 任务很小。Pipeline 是显式的。Agent 只是带有记忆的 pipeline。 5. **合法设计。** 每个工具都会附带一个 `legal_notes.md`。我们不会发布任何仅对非法用途有用的东西。 ## 架构（v0.1 草图） ``` osint-framework/ ├── core/ # task runner, pipeline engine, agent loop ├── tools/ # modular tools (one per data source) │ ├── web/ │ ├── social/ │ ├── domain/ │ ├── leak/ │ ├── company/ │ └── ... ├── agents/ # canonical agent definitions (yaml) ├── pipelines/ # example pipelines ├── evals/ # test data + expected outputs └── docs/ # architecture, threat model, legal ``` 最先发布在这里的将是 `core/` 任务 runner —— 一个轻量级的编排器，允许你声明一个任务的 DAG，并在预算、超时时间和输出目标的前提下运行它。 ## 状态 🚧 **Pre-alpha。** 仓库创建于 2026-06-12。所有者（`@muzzy111`、`@trip7s`）目前正在构建 `core/` 以及前三个工具（网络搜索、域名侦察、公开记录）。第一个 agent 规范——“公司调查员”——正在姊妹仓库 [`Mad-River-AI/agent-specs`](../agent-specs) 中起草。 ## 许可证 MIT。请参见 [LICENSE](LICENSE)。 ## 联系方式 - Issues：本仓库 - 电子邮件：请参见 https://madriverai.com - 该框架由 [@muzzy111](https://github.com/muzzy111) 构建和维护，操作负责人为 [@trip7s](https://github.com/trip7s)。 *在印第安纳州构建。在夜班期间测试。*

标签：AI智能体, ESC4, OSINT, Python, 任务编排, 无后门, 自动化调查, 逆向工具