Osint Personal Profiler

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。

OSINT Personal Profiler（开源情报个人画像收集器）

定位

本技能是一个基于OSINT方法论的个人12维画像重建系统，从公开可获取的信息中系统性地收集、关联、推断任意个人的完整画像。

画像模型采用三层12维正交架构，覆盖一个人的实体属性、社会关系和抽象心理特征。所有维度定义、字段Schema和填充规则均内嵌于本技能中，无需依赖外部技能。

输入: 目标人物的最小识别信息（姓名、昵称、邮箱、手机号、社交媒体账号等） 输出: 完整12维画像 + 每维置信度评分 + 信息源清单 + 缺口清单

核心理念: 任何人只要在互联网上有活动痕迹，其碎片化的公开信息就可以通过系统性的OSINT方法论重组为完整的人物画像。本技能不入侵系统、不破解密码，仅收集和分析已公开的信息。

适用场景:

• 安全审计：评估自身信息暴露面
• 背景调查：合法的候选人/合作方尽职调查
• 威胁建模：了解攻击者可获取的自身信息
• 学术研究：数字足迹与隐私研究

严格约束: 本技能的使用必须遵守适用法律。在中华人民共和国境内使用本技能收集他人信息，必须在法律允许的范围内（如被收集人同意、履行合同必要、法定义务等）。禁止用于非法目的。

12维画像模型定义

本技能采用三层12维正交架构。每一维度包含具体的填充字段，收集时逐字段填充并标注置信度。

第一层：实体层——不可再分的具体存在

维1 职业维：以什么为生

• 行业: 行业分类（互联网/金融/教育/医疗/制造/建筑/农业/文化/政府/法律/零售/自由职业/学生）
• 任务谱系: 具体岗位与描述
• 核心职责: 日常主要工作内容（3-5条）
• 职业来源: 真实职业或推断

维2 身份维：在世界坐标系的位置

• 组织身份: 所在组织名称、职级/角色、权限范围
• 家庭身份: 在家庭中的位置和角色
• 社会身份: 公民归属、社群身份、权利义务
• 知识身份: 学历、专业领域、认知地位

维3 名人维：最接近的真实人物原型

• 名人锚点: 目标最欣赏/认同/常被类比为的真实人物（1-3位）
• 匹配维度: 思维方式相似/职业路径相似/价值观相似/生活方式相似
• 复合原型说明: 如选择多人，说明各人的贡献维度

维4 拟人维：是不是人

• 拟人类型: 真实人类（始终确定，无需收集）
• 本体属性: 智人，碳基生物

维5 躯体维：身体是什么

• 年龄: 精确年龄或年龄段估计
• 性别/性别认同: 基于公开信息
• 体型: 身高/体重/体型特征（如有公开照片）
• 健康状况: 仅在目标主动公开时收集
• 外貌特征: 面部特征/发型/肤色/日常着装风格

维6 文化维：从什么文化中出来

• 国籍: 基于位置/语言/公开声明
• 民族/族群: 如有公开信息
• 母语与掌握语言: 基于发帖语言分析
• 宗教信仰: 仅在目标主动公开时收集
• 社会阶级: 基于公开信息估算
• 亚文化归属: 二次元/摇滚/极客/文青/户外/健身/摄影/美食/游戏等

第二层：社会关系层——怎么嵌入关系网络

维7 关系维：和谁连着

• 关系网络: 关键关系对象列表（至少3-5个，脱敏处理）
  • 每项含：称呼/身份（脱敏）、关系类型、关系强度（核心/重要/边缘）、关系方向
• 关系类型覆盖: 血缘/职业/情感/社会/对立/共生/功能

维8 层级维：处在什么高度

• 主导层级: 六选一——元层（定义规则者）/宏观层（全局决策者）/中观层（域级协调者）/微观层（单点执行者）/边界层（跨域连接者）/辅助层（支撑角色）
• 层级描述: 在组织/社会中的权力和影响力范围
• 场景层级差异: 不同场景中的层级变化

第三层：抽象属性层——超越具体存在的普遍刻画

维9 功能维：做什么（元操作映射）

• 主导元操作: S感知/C认知/A行动/O组织/I交互/G守护（六选1-2）
• 辅助元操作: 0-3个辅助操作
• 弱项元操作: 不擅长的操作类型
• 主导管线模式: P1基础闭环/P2迭代精炼/P3并行汇聚/P4条件分支/P5交互驱动/P6全守护/P7发散收敛

维10 能力维：有什么本事

• 专业知识清单: 按熟练度排序的领域知识
• 硬技能清单: 编程/数据分析/设计/写作/外语/驾驶等
• 软技能清单: 沟通/协作/管理/演讲/领导力等
• 资源盘点: 物质资源/信息资源/关系资源
• 信息可达性: 高/中/低 + 主要信息来源
• R1-R5能力模拟: 信息密度/创造性/交互性/规范性/迭代性（各1-10分）

维11 动机维：为什么做

• 主导动机: 利益驱动/价值驱动/生存驱动/权力驱动/关系驱动/认知驱动/合规驱动/惯性驱动（八选1-2）
• 次要动机: 1-3个次要驱动
• 动机来源: 内源性/外源性
• 动机冲突: 各动机间的矛盾与优先级

维12 动态维：怎么变

• 生命周期阶段: 诞生(起步期)/成长(上升期)/成熟(巅峰期)/衰退(下行期)/转化(转型期)
• 阶段描述: 当前人生/职业阶段、面临的挑战和机遇
• 场景行为映射: 家庭/工作/社交/独处/危机/陌生场景的行为模式（按信息可得性部分填充）

核心能力

能力一：目标发现与源映射

将最小识别信息扩展为完整的目标信息源地图：

• 用户名跨平台关联：通过昵称/邮箱/手机号发现所有平台账号
• 信息源优先级排序：按信息密度和可信度对源进行排序
• 可达性评估：判断哪些源可直接访问、需注册、或受限

能力二：12维逐维收集

按三层12维模型逐维收集：

• 实体层（维1-6）: 直接从公开信息中提取职业、身份、名人参照、躯体特征、文化背景
• 社会层（维7-8）: 通过社交图谱分析构建关系网络和层级定位
• 抽象层（维9-12）: 通过行为模式分析推断元操作、能力、动机和动态

能力三：跨源关联与置信度

• 去重：同一信息出现在多个源时，确认而非重复
• 冲突解决：不同源信息矛盾时，按可信度排序并标注
• 置信度评分：每个维度的每条信息标注置信度（高/中/低/推断）
• 缺口识别：标记无法通过公开信息获取的维度

能力四：推断引擎

对无法直接获取的抽象维度进行推断：

• 维9（元操作）: 基于写作风格、代码提交模式、社交互动模式、简历文本模式（数字化表达密度/行动导向vs反思导向/被动术语密度）推断
• 维11（动机）: 基于职业轨迹、职业轨迹模式（产业链深耕vs跨行业跳槽）、内容主题偏好、决策模式、薪资-市场基准映射推断
• 维12（动态）: 基于跳槽频率、社交媒体情绪、近期事件推断

能力五：法律合规守护

• 每步操作前检查法律边界
• 标注信息来源的合法性
• 对于需要授权的信息源，标记为"需授权，未收集"
• 禁止收集明确非公开的信息（私密朋友圈、加密通信等）

领域特有维度

维度	说明	影响
信息碎片性	个人信息分散在不同平台的碎片中，需要跨平台关联	增加S感知操作的复杂度
推断不确定性	抽象维度（动机、动态）只能推断，不能直接获取	需要C认知操作的置信度校准
法律边界模糊性	不同法域对"公开信息"的定义不同	需要G守护操作的高频介入
自我指涉风险	本技能本身收集的信息可用于 Social Engineering	需要输出端的G守护脱敏

三层结构

text

第一层：任务清单 + 依赖拓扑   →   references/osint-pp-catalog.md
第二层：方法论要求清单         →   references/osint-pp-requirements.md
第三层：范本库                →   references/exemplars/

使用规则

行为约束

1. 合法优先: 任何操作不得违反适用法律。不确定是否合法时，默认不执行并标注
2. 最小必要: 仅收集完成目标所需的最少信息，不过度收集
3. 源标注: 每条信息必须标注来源和获取时间
4. 置信度透明: 推断信息必须标注"推断"及推理链条
5. 不可用于非法目的: 禁止用于诈骗、骚扰、歧视、人肉搜索等非法目的
6. 输出脱敏: 输出结果时可选择对敏感字段脱敏

法律合规红线

以下操作本技能禁止执行，即使技术上可行：

• 收集私密/加密通信内容
• 利用系统漏洞获取非公开数据
• 社工攻击（冒充他人获取信息）
• 购买非法数据泄露库中的信息
• 收集未成年人信息（除非是监护人或法律授权）

执行框架

Step 0 三轴判定

• 复杂度: 高——跨平台、跨格式、多维度收集
• 内容类型: 结构化——12维画像为固定Schema
• 创新需求: 中——推断引擎需要创造性，收集过程是系统性的

Step 1 领域校准

• R1 信息密度: 9/10 → S感知和C认知权重极高，信息源多、数据量大
• R2 创造性: 6/10 → 推断引擎需要适度创新，但收集流程标准化
• R3 交互性: 3/10 → 几乎不需要交互，全自动收集
• R4 规范性: 10/10 → G守护是最高权重操作，法律合规不可突破
• R5 迭代性: 7/10 → 搜索-精炼-再搜索循环，发现新源后迭代

主导管线模式: P4+P6 混合——条件分支（收集 → 可收集？→ 收集 : 跳过）+ 全守护（每步G检查法律边界）

Step 2 三轴分解

按7个域、23个任务进行分解，详见 catalog 文件

Step 3 管线编排

默认管线: D1 → D2‖D3 → D4 → D5 → D6 → D7 其中 D2、D3 可并行执行

Step 4 整合交付

12维完整画像 + 置信度矩阵 + 置信度增量对比 + 数字足迹指数 + 信息源清单 + 缺口清单（含零结果平台明细）

域概览

域	代号	任务数	说明
D1 目标发现与源映射	tgt	4	身份确认、标识符分级消歧、8级搜索源发现、源优先级排序
D2 实体层收集-上	ent1	3	维1职业、维2身份、维3名人
D3 实体层收集-下	ent2	3	维4拟人、维5躯体、维6文化
D4 社会层收集	soc	2	维7关系、维8层级
D5 抽象层推断	abs	4	维9功能、维10能力、维11动机、维12动态
D6 跨源关联	corr	3	去重、冲突解决、置信度
D7 画像组装与验证	asm	4	完整性、一致性、法律合规、最终输出

完整任务清单见 references/osint-pp-catalog.md。

降级模式

缺失能力	降级策略	标注
目标信息不足	仅基于已知信息构建部分画像，缺失维度标记"【信息不足】"	「目标信息不足，画像不完整」
信息源不可达	仅使用可公开访问的源，其他标注"【需授权】"	「部分信息源不可达」
抽象维度无法推断	推断维度标记"无法推断"和置信度0	「抽象维度无法推断」
法律边界存疑	保守处理，不做收集，标注"【法律边界存疑，未收集】"	「法律边界存疑，跳过」
跨源信息矛盾	标注所有矛盾版本及各自来源，不做武断选择	「信息矛盾，多版本保留」

事实纪律

1. 所有收集的信息必须可追溯到具体来源，不得编造
2. 推断信息必须标注"推断"及推理链条，区分事实与推断
3. 每步操作前检查法律合规性（G守护前置）
4. 尊重 robots.txt 和平台使用条款
5. 不对同一目标进行高频请求（防止被误认为攻击）
6. 不收集任何密码、私钥、Token等认证信息
7. 输出脱敏：可输出身份证号后4位、手机号中间4位等脱敏版本
8. 画像数据本地存储，不上传到任何外部服务