学之广在于不倦，不倦在于固志。——晋葛洪

Maigret：一位拿着放大镜的“用户名侦探”，在 3000+ 站点里替你拼出一份人物档案

如果互联网是一座巨大的城市，那么每个“用户名”就是你在街角留下的一张名片：有人把它贴在社交网络门口，有人把它塞进论坛签名里，有人把它刻在代码仓库的角落。问题是——名片散落得太广，想把它们捡回来并排铺开，靠人力几乎是体力活。

这时候，Maigret 走了进来：
它像一位穿风衣、戴礼帽的侦探（🕵️‍♂️），只要你给它一个用户名，它就会去大量网站逐个敲门核对，顺手把网页里能拿到的信息都收进“档案袋”里——而且不需要任何 API Key。

项目一句话描述也很直白：
“Collect a dossier on a person by username from 3000+ sites”
——从 3000+ 站点，用一个用户名收集一份“人物卷宗”。

1 分钟认识 Maigret：它先自我介绍，再立刻办案

Maigret 很懂“第一印象”。它给你的第一句话就是：确保你有 Python 3.10+，然后用最短路径开始搜索。

1 2	pip install maigret maigret YOUR_USERNAME

你甚至可以不安装它：

不想落地？它说可以试试 Telegram bot：https://t.me/maigret_search_bot
或者直接在浏览器里用 Cloud Shell（下面会提到）

如果你偏爱点点点的体验，它也准备了“另一套衣服”：Web UI（后面也会写怎么启动）。

Maigret 在做什么？它像“只凭名字也能找到线索”的老练侦探

它的核心设定非常干脆：

只用用户名，去很多网站检查这个账号是否存在，并从网页与可用接口里收集尽可能多的信息。

你给它一个“称呼”，它就去问遍全城：
“你见过这个人吗？”
“他在你家门牌号是多少？”
“他的主页上还写了谁的名字？”
“有没有指向其他账号的链接？”
然后把这些“口供”和“目击记录”拼起来，形成一份可读、可存档、可导出的结果集。

主要能力：它不仅会“找”，还会“顺藤摸瓜”和“写报告”

Maigret 的性格不是“查到就走”，而是典型的“职业病”：线索越多越兴奋，越会把案子办成体系化的报告。

1）站点覆盖：3000+ 站点，默认先查最“热门”的 500 个

支持 3,000+ 网站（完整列表见 sites.md）
默认运行会检查流量排名最高的 500 个站点
想扫全量？它会提醒你可以用 -a
或者用 --tags 选择你关心的类别/国家标签（下面有例子）

2）能“嵌进你的 Python 项目”当组件

它不是只会在命令行里表演。Maigret 也愿意“当库用”：你可以在 Python 里 import maigret，以程序化方式跑搜索，把结果接进你自己的分析管线里。
（CLI 本质上只是一个薄包装，底层是 async 函数。）

3）提取信息：不止判断“存在/不存在”，还会把页面里的信息抓出来

它会从主页与站点 API（若可用）中提取可获得的信息，包括链接到其他账号的线索。
这不是“点名签到”，更像“翻相册、看签名、抄联系方式”。

4）递归搜索：线索能引出新的用户名，它就继续追

当它从页面里发现了其他用户名或 ID，它会做递归扩展搜索：
像侦探在笔记本上画线：A 认识 B，B 又指向 C……线索网就这样长出来。

5）标签过滤：按类别、国家等筛选

你可以只让它查某类站点，比如 photo、dating 或特定国家标签（比如 us）。
它会像一个有经验的办案人：先去最可能出现的地方问。

6）对抗阻断：它会识别并尝试绕过 block / censorship / CAPTCHA（部分）

它知道城市里有保安、有门禁、有“你不是人类”的盘问。
Maigret 会尽量识别并做部分绕过（当然它不会替你解决一切环境问题）。

7）站点数据库自动更新（每 24 小时一次）

每次运行它都会去 GitHub 拉取自动更新的站点数据库（24 小时内只更新一次），如果拿不到就退回内置数据。
它像每天早晨都要看一眼“最新地图”的侦探：城市变化太快，情报要常新。

8）Tor / I2P：它也愿意走“地下通道”

它支持通过代理、Tor、I2P 去检查 .onion / .i2p 站点，也能帮助绕开部分 WAF 对数据中心 IP 的封锁。

9）报告与界面：CLI 能输出多种格式，Web UI 还能画图、统一下载

CLI 可以导出 HTML / PDF / XMind8 / JSON / CSV / TXT / Graph（D3 交互图）
Web UI 则像“案卷阅览室”：图形化结果、并能在同一页面下载各种报告

10）AI 分析模式（可选）：把“原始发现”变成“中立小结”

它提供 --ai：把搜索结果整理成内部 Markdown 报告后，发送给 OpenAI 兼容接口做一个简短、偏中立的调查摘要（流式输出到终端）。
（需要 OPENAI_API_KEY，并可在 settings.json 配置 key 和 base_url。）

安装方式：Maigret 会把“入口”铺得很宽

它不强迫你走同一条路——你可以本地装、源码装、Docker 跑、Windows 下直接 EXE，甚至在云端 shell 或 notebook 里“即开即用”。

方式 A：本地 pip（最常见）

# install from pypi
pip3 install maigret

# usage
maigret username

方式 B：从源码安装（喜欢自己掌控一切的人会走这条）

# or clone and install manually
git clone https://github.com/soxoj/maigret && cd maigret

# build and install
pip3 install .

# usage
maigret username

方式 C：Windows 直接 EXE

在 Releases 下载 standalone EXE
还有视频指南：https://youtu.be/qIgwTZOmMmM

方式 D：Cloud Shells / Notebook（浏览器里办案）

它允许你把“侦探事务所”直接开在云端：

Google Cloud Shell（带教程）
Replit
Colab
Binder

（README 中把这些入口都列出来了，你可以按习惯选择。）

方式 E：Docker（把 Maigret 装进箱子，搬到哪里都能跑）

它发布了两种镜像人格：

soxoj/maigret:latest —— CLI 模式（默认）
soxoj/maigret:web —— 自动启动 Web UI

# official image (CLI)
docker pull soxoj/maigret

# CLI usage
docker run -v /mydir:/app/reports soxoj/maigret:latest username --html

# Web UI (open http://localhost:5000)
docker run -p 5000:5000 soxoj/maigret:web

# Web UI on a custom port
docker run -e PORT=8080 -p 8080:8080 soxoj/maigret:web

# manual build
docker build -t maigret .                  # CLI image (default target)
docker build --target web -t maigret-web . # Web UI image

命令行使用：让侦探“怎么查、查多深、输出成什么样”都可控

Maigret 在命令行里很像一个经验丰富的助手：你只要一句话，它就能按你要求把案卷写成不同格式。

1）生成报告：HTML / PDF / XMind8

# make HTML, PDF, and Xmind8 reports
maigret user --html
maigret user --pdf
maigret user --xmind #Output not compatible with xmind 2022+

2）机器可读导出：JSON / NDJSON / CSV / TXT

# machine-readable exports
maigret user --json ndjson   # newline-delimited JSON (also: --json simple)
maigret user --csv
maigret user --txt

3）图谱输出：交互式 D3 graph（HTML）

1	maigret user --graph # interactive D3 graph (HTML)

4）按标签筛选：只查你关心的“地盘”

# search on sites marked with tags photo & dating
maigret user --tags photo,dating

# search on sites marked with tag us
maigret user --tags us

5）多用户名批量：一次审三个人

1 2	# search for three usernames on all available sites maigret user1 user2 user3 -a

6）AI 调查小结：让它把“线索堆”整理成“短摘要”

1 2	# AI-assisted investigation summary (needs OPENAI_API_KEY) maigret user --ai

它也给了更完整的帮助入口：
运行 maigret --help 查看所有选项；以及文档中的 CLI options / 更多示例。

Web 界面：它把“案子”画成一张图给你看

Maigret 的 Web UI 不只是“换个皮肤”，更像给侦探配了一面玻璃白板：

结果以图谱方式呈现
同一个页面可以下载各种格式的报告

启动方式很简单：

1	maigret --web 5000

然后打开：http://127.0.0.1:5000
输入用户名，查看结果。

如果你用 Docker，它甚至会“自己把门打开”（上面的 soxoj/maigret:web）。

代理 / Tor / I2P：当侦探需要换一条路走

有些门口保安对机房 IP 特别敏感，有些站点本身就在 .onion / .i2p 世界里。Maigret 不会替你启动 Tor/I2P 服务，但它愿意把请求“走过去”。

# any HTTP/SOCKS proxy
maigret user --proxy socks5://127.0.0.1:1080

# Tor (default gateway socks5://127.0.0.1:9050)
maigret user --tor-proxy socks5://127.0.0.1:9050

# I2P (default gateway http://127.0.0.1:4444)
maigret user --i2p-proxy http://127.0.0.1:4444

一些特别有用的 CLI 开关：侦探的“随身工具包”

--parse URL
解析某个个人主页 URL，提取 IDs/usernames，再用它们启动递归搜索。
--permute
用两个或更多输入生成可能的用户名变体（例如 john doe → johndoe, j.doe, …），并全部搜索。
--self-check [--auto-disable]
维护者用来验证 usernameClaimed / usernameUnclaimed 对照在真实站点是否仍然有效（数据库审计）。
--ai / --ai-model
AI 分析模式，以及指定模型。

AI 分析：它会把结果打包成 Markdown，再交给 OpenAI 兼容接口“写一段中立摘要”

启用方式：

export OPENAI_API_KEY=sk-...
maigret user --ai

# pick a different model
maigret user --ai --ai-model gpt-4o-mini

Key 也可以写进 settings.json 的 openai_api_key。
接口地址默认 https://api.openai.com/v1，也可以用 openai_api_base_url 指向任意 OpenAI-compatible endpoint。

贡献方式：它希望你“精修手术刀”，而不是“粗暴重写”

如果你要加站点或修站点：

在 data.json 里“外科手术式”修改（不要 json.load / json.dump）
然后运行 ./utils/update_site_data.py 重新生成 sites.md 和数据库元信息
最后提交 PR

商业使用：它很开诚布公

开源版：

MIT License
可自由商业使用（不受限制）

但它也直说现实：站点检查会随着时间失效，需要维护。
如果你做严肃商用并希望有：

每日更新的私有站点数据库（5,000+ 站点，独立于公开开源库）
或 用户名检查 API
可以联系：maigret@soxoj.com

About / Disclaimer：侦探也会强调“��法合规”

README 里的立场很明确：
仅用于教育与合法用途。你需要自行遵守你所在地区的相关法律法规（GDPR、CCPA 等），作者不对滥用负责。

结语：给它一个用户名，它就去替你跑遍整座互联网

Maigret 最迷人的地方，是它把 OSINT 里最累的那一段——“重复、分散、琐碎的站点核对与信息收集”——变成了一个可重复、可导出、可自动化的流程。

它像一个认真到有点固执的侦探：
你只递给它一张写着用户名的小纸条，它就能跑去 3000+ 家店门口敲门、查记录、捡线索、画关系网，最后把“档案袋”递回你手上——格式还随你挑。