架构

---

特性

• ⚙️ 模块化架构 – 搜索、抓取和 LLM 工作流之间实现清晰分离。
• 🤖 多模型支持 – 可轻松切换 OpenAI、Claude、Gemini 或 Ollama 等本地模型。
• 🌐 Web UI – 基于 Streamlit 的交互式界面，便于开展调查。
• 🐳 Docker 就绪 – 推荐使用 Docker 部署，以实现干净、隔离的运行环境。
• 📝 自定义报告 – 可将调查结果保存到文件中，用于报告或进一步分析。
• 🧩 可扩展性 – 易于接入新的搜索引擎、模型或输出格式。

---

⚠️ 免责声明

本工具仅用于教育和合法的调查目的。根据您所在司法管辖区的不同，访问或与某些暗网内容互动可能属于违法行为。作者对本工具的任何滥用行为以及使用该工具收集的数据概不负责。

请负责任地使用，并自行承担风险。在进行 OSINT 调查之前，请确保遵守所有相关法律和机构政策。

此外，Robin 使用了第三方 API（包括 LLM）。在发送可能包含敏感信息的查询时，请务必谨慎，并仔细阅读您所使用的任何 API 或模型提供商的服务条款。

安装

[!NOTE] 该工具需要 Tor 才能执行搜索。您可以在 Linux/Windows(WSL) 上使用 apt install tor，或在 Mac 上使用 brew install tor 来安装 Tor。安装完成后，请确认 Tor 是否已在后台运行。

[!TIP] 您可以通过创建 .env 文件（参考仓库中的示例 env 文件）或在 PATH 中设置环境变量来提供您选择的 LLM API 密钥。

对于 Ollama，如果您使用 Docker 方法运行，则在您的环境变量中将 OLLAMA_BASE_URL 设置为 http://host.docker.internal:11434；对于其他方法，则设置为 http://127.0.0.1:11434。根据您的操作系统，您可能需要将 Ollama 服务绑定到 0.0.0.0。您可以通过在终端中运行 OLLAMA_HOST=0.0.0.0 ollama serve & 来实现这一点。

Docker [推荐]

• 拉取最新的 Robin Docker 镜像

docker pull apurvsg/robin:latest

• 运行 Docker 镜像如下所示：

docker run --rm \
   -v "$(pwd)/.env:/app/.env" \
   --add-host=host.docker.internal:host-gateway \
   -p 8501:8501 \
   apurvsg/robin:latest

[!TIP] 为了在 Docker 重启后保留已保存的调查记录，您可以挂载一个本地目录：

docker run --rm \
   -v "$(pwd)/.env:/app/.env" \
   -v "$(pwd)/investigations:/app/investigations" \
   --add-host=host.docker.internal:host-gateway \
   -p 8501:8501 \
   apurvsg/robin:latest

调查结果会保存在您工作目录下的 investigations/ 文件夹中，您可以在侧边栏的“过往调查”面板中加载这些记录。

• 打开浏览器并导航至 http://localhost:8501

使用 Python（开发版本）

• 在安装了 Python 3.10+ 和 Tor 的情况下，运行以下命令：

pip install -r requirements.txt
streamlit run ui.py

• 打开浏览器并导航至 http://localhost:8501

---

贡献

欢迎各位贡献！如果您有重大功能更新，欢迎提交 Pull Request。

• 分支仓库
• 创建您的功能分支（git checkout -b feature/amazing-feature）
• 提交更改（git commit -m '添加一些令人惊叹的功能'）
• 推送到分支（git push origin feature/amazing-feature）
• 打开 Pull Request

如遇以下情况，请打开 Issue：

• 如果您发现错误或不良代码
• 如果您有功能请求的想法
• 如果您对使用有任何疑问或疑虑
• 如果您有较小的代码更改

---

致谢

• 创意灵感来源于 Thomas Roccia 及其关于 暗网的困惑 的演示。
• 工具灵感来源于我的 暗网 OSINT 工具 仓库。
• LLM 提示词灵感来源于 OSINT-Assistant 仓库。
• Logo 设计由我的朋友 Tanishq Rupaal 完成。

Robin 快速上手指南

Robin 是一款由 AI 驱动的暗网开源情报（OSINT）调查工具。它利用大语言模型（LLM）优化查询、过滤暗网搜索引擎结果，并生成调查摘要。

环境准备

在开始之前，请确保满足以下系统要求和前置依赖：

• 操作系统：Linux、macOS 或 Windows (需使用 WSL)。
• Python 版本：3.10 或更高版本（仅本地开发模式需要）。
• 核心依赖：Tor。Robin 必须通过 Tor 网络进行暗网搜索。
  • Linux / Windows (WSL): sudo apt install tor
  • macOS: brew install tor
  • 注意：安装后请确认 Tor 服务已在后台运行。
• API Key：你需要准备一个大语言模型的 API Key（支持 OpenAI, Claude, Gemini）或配置本地模型（如 Ollama）。

安装步骤

推荐使用 Docker 方式进行部署，以获得干净、隔离的运行环境。

方法一：Docker 部署（推荐）

1. 拉取镜像

   docker pull apurvsg/robin:latest
   

2. 配置环境变量 在项目目录下创建 .env 文件，填入你的 LLM API Key。

   • 若使用 Ollama 本地模型：
     • Docker 模式下设置：OLLAMA_BASE_URL=http://host.docker.internal:11434
     • 非 Docker 模式下设置：OLLAMA_BASE_URL=http://127.0.0.1:11434
     • 提示：可能需要先在终端运行 OLLAMA_HOST=0.0.0.0 ollama serve & 以允许外部访问。

3. 运行容器 执行以下命令启动服务（挂载 .env 文件）：

   docker run --rm \
      -v "$(pwd)/.env:/app/.env" \
      --add-host=host.docker.internal:host-gateway \
      -p 8501:8501 \
      apurvsg/robin:latest
   

   可选：持久化保存调查报告 若需保留历史调查记录，可额外挂载 investigations 目录：

   docker run --rm \
      -v "$(pwd)/.env:/app/.env" \
      -v "$(pwd)/investigations:/app/investigations" \
      --add-host=host.docker.internal:host-gateway \
      -p 8501:8501 \
      apurvsg/robin:latest
   

方法二：Python 本地运行（开发模式）

如果你希望直接运行源码：

1. 安装依赖

   pip install -r requirements.txt
   

   (注：国内用户如遇下载慢，可添加 -i https://pypi.tuna.tsinghua.edu.cn/simple 使用清华源)

2. 启动应用

   streamlit run ui.py
   

基本使用

1. 访问界面 打开浏览器，导航至 http://localhost:8501。

2. 开始调查

   • 在 Web 界面的输入框中输入你的调查关键词或问题。
   • Robin 将自动调用配置的 LLM 优化查询，并通过 Tor 连接暗网搜索引擎获取数据。
   • 系统将过滤无关结果，并在界面右侧展示由 AI 生成的调查摘要。

3. 查看历史与导出

   • 若使用了持久化挂载，可在侧边栏的 Past Investigations 面板加载之前的调查记录。
   • 调查结果可保存为文件，用于后续报告撰写或深入分析。

---

⚠️ 免责声明 本工具仅供教育和合法的情报调查用途。访问暗网内容在某些司法管辖区可能违法。作者不对工具的滥用或收集到的数据负责。使用前请确保遵守当地法律法规及机构政策，并注意第三方 API 的服务条款。