暗网线索不用手翻，Robin 让大模型帮你查

做威胁情报、品牌保护或合规调查，常常要查一件事：公司的数据、账号或品牌名，有没有出现在暗网上。真动手做暗网调查就会发现，最费劲的是搜索本身：暗网搜索引擎质量参差不齐，同一个关键词得换好几种问法，搜回来的大半是垃圾页和重复页，看完还得自己写总结。

Robin 是一个开源的暗网 OSINT 工具，做法是把这些重复劳动交给大模型：先改写查询，再筛掉无关结果，最后出一份调查摘要。你给的线索可以很模糊，它会先替你换成几种更适合暗网搜索引擎的问法。

用 Robin 做一次暗网调查的流程

第一步，改写查询。输入想查的内容，比如某个品牌名加“泄露”，模型会把它拆成几条更贴近暗网索引习惯的查询。

第二步，搜索并过滤。程序通过本机的 Tor 去多个暗网搜索引擎取结果，再让模型把明显无关的页面剔掉，只留值得看的。

第三步，生成摘要。留下来的内容会被归纳成一份调查报告，存为 JSON。界面上还会列出建议的后续查询，点一下就能顺着线索开新一轮；已经做完的调查也能直接追问，回答只基于这次调查已有的数据，不会重新搜索。

搭建 Robin 要准备什么

Tor。搜索靠本机的 Tor。Linux 和 WSL 用 apt 装，Mac 用 brew 装，装完记得确认它在后台跑着。

一个模型的 Key。支持 OpenAI、Claude、Gemini、Mistral、OpenRouter，也支持本地的 Ollama，或者任何兼容 OpenAI 接口的服务，配一个就够。

Docker。官方推荐用镜像跑，一条命令就能起 Streamlit 界面，调查记录挂一个卷就能保留下来。也可以通过 MCP 接进支持 MCP 的客户端，由客户端自己的模型来驱动。

暗网调查前要想清楚的合规和数据问题

合规是前提。作者在文档里写得很明白：工具只能用于教育和合法调查，而在部分地区，访问某些暗网内容本身就可能违法。企业要用，先让法务过一遍，对照内部规定，把调查范围写清楚。

敏感线索别随手发给第三方模型。查询内容会交给你选的模型服务。涉及客户数据或内部关键词时，优先用本地 Ollama，或者先确认服务商的数据条款。

摘要不等于事实。大模型的归纳可能漏掉信息，也可能读错。真要据此采取行动，先回到原始页面核对关键结论。

适合谁用：安全团队里做情报收集的人、品牌方的风控、学 OSINT 的研究者。项目是 MIT 协议，最近更新活跃，Star 数已经过了七千。