AC osint-personal-profiler
Сборщик персональных данных на основе открытых источников (OSINT), обладающий полными возможностями для систематического сбора, сопоставления и вывода всесторонней персональной информации из общедоступных сетевых источников на основе методологии OSINT. Основные возможности: ① Обнаружение цели и сопоставление источников (классификация силы идентификаторов для устранения неоднозначности → 8 шаблонов поисковых запросов [точный поиск/производные имен пользователей/глубокий поиск существующих источников/обратный поиск изображений/кэш] → ранжирование по приоритету) ② Поэлементный сбор по 12 параметрам (параметры сущности 1-6 извлекаются непосредственно из общедоступной информации + перекрестная проверка с данными о регистрации бизнеса, параметры социальной сферы 7-8 строятся через анализ социальных графов, параметры абстрактного уровня 9-12 выводятся через анализ моделей поведения + анализ текста резюме + анализ моделей карьерного пути + сопоставление с рынком зарплат) ③ Межсортовое сопоставление и достоверность (дедупликация → разрешение конфликтов → оценка достоверности → выявление пробелов, включая 5 причин пробелов + информация с нулевым результатом) ④ Механизм вывода (вывод мета-операций/мотивации/динамики на основе стиля письма/моделей кода/текста резюме/карьерного пути/базовых рыночных зарплат) ⑤ Защита правового соответствия (G-защита на каждом этапе, маркировка законности источников, отказ от приема незаконных источников). 7 доменов, 23 задачи. Охватывает 10+ типов источников информации. Ключевые слова: OSINT профиль, сбор открытой информации, извлечение персональных данных, реконструкция по 12 параметрам, расследование фона человека, анализ цифровых следов, защита от социальной инженерии, оценка поверхности раскрытия информации, аудит безопасности персональных данных, сбор открытой разведки, OSINT профилировщик, мета-навыковая система.
машинный переводПоказать оригиналСкрыть оригинал«开源情报个人画像收集器，基于OSINT方法论从网络公开信息中系统性地收集、关联、推断任意个人全维度画像的完整能力。核心能力：①目标发现与源映…»
开源情报个人画像收集器，基于OSINT方法论从网络公开信息中系统性地收集、关联、推断任意个人全维度画像的完整能力。核心能力：①目标发现与源映射（标识符强度分级消歧→8级搜索查询模板[精确搜索/用户名派生/深搜已有源/反向图片/缓存]→优先级排序）②12维逐维收集（实体层维1-6直接从公开信息提取+工商记录交叉验证、社会层维7-8通过社交图谱分析构建、抽象层维9-12通过行为模式分析+简历文本分析+职业轨迹模式+薪资市场映射推断）③跨源关联与置信度（去重→冲突解决→置信度评分→缺口识别，含5类缺口原因+零结果情报）④推断引擎（基于写作风格/代码模式/简历文本模式/职业轨迹/薪资市场基准推断元操作/动机/动态）⑤法律合规守护（每步G守护前置、来源合法性标注、非法来源拒收）。7域23任务。覆盖10类25+信息源。触发词：OSINT画像、公开信息收集、个人信息挖掘、12维重建、人物背景调查、数字足迹分析、digital footprint profiling、social engineering defense、信息暴露面评估、个人信息安全审计、开源情报收集、osint profiler、meta-skill-system。
Сборщик персональных данных на основе открытых источников (OSINT), обладающий полными возможностями для систематического сбора, сопоставления и вывода…
Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
- spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.
Находки guard · 0
✓ Критических и высоких находок нет
Просканировано файлов: 9. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда")
Процессный рейтинг: все десять параметров 53/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Ошибки и развилки. Линейный процесс без обработки сбоев
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 95
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1381 токенов
- 100Повторный запуск. Изменяющих операций нет
- low Разделов верхнего уровня: 10. Похоже на несколько доменов в одном скилле
Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.
Сигналы качества
- +5В description нет примеров фраз, по которым скилл должен срабатывать
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 516 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 38 заголовков
- +3Пошаговые инструкции: 95 пунктов
- +4Есть примеры (1 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (2 из 3)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 76.