参与 Aliens Eye 开源项目:新手贡献者的完整路线图——从添加站点到改进 AI 检测模型【免费下载链接】Aliens_eyeHunt down 840 social media accounts using AI项目地址: https://gitcode.com/gh_mirrors/al/Aliens_eyeAliens Eye是一个 AI 驱动的开源 OSINT 用户名扫描工具,用机器学习混合启发式规则在840 社交平台上嗅探指定用户名,输出置信度、头像与跨站关联分析。它的代码结构对新手非常友好:添加一个站点只需一行 JSON,改进检测模型也有一条清晰的收集→训练→评估流水线。这篇新手贡献路线图带你从零开始,用最小改动完成第一次 PR。一、先搞清楚:这个项目靠什么工作?在写代码前,花 3 分钟理解核心链路,你会发现贡献点其实就藏在三个地方:站点表— 每个平台一条用户名 → URL 模板的映射,决定了扫哪里检测模型— 30 维特征向量(状态码、DOM 结构、关键词、指纹)喂给逻辑回归 启发式引擎,共同投票输出Found / Maybe / Not Found真值数据— 已知存在/不存在的账户列表,是模型训练和selfcheck校准的考卷站点表 (sites.json) → 异步抓取 → 特征提取 → 双裁判投票 → 报告导出 ↑ ↑ ↑ 贡献点① 特征/指纹模块 贡献点②③项目内部流程与模块地图完整记录在 WORKING.md,建议先通读一遍;整体架构说明见 README.md 的Architecture一节。二、贡献路线①:添加一个站点(最低门槛的入门 PR)这是最适合新手的第一步——不需要懂机器学习,改一个 JSON 就行。站点表长什么样?所有内置站点都在 src/aliens_eye/data/sites.json,共 840 条,格式极其简单:{ codechef: https://www.codechef.com/users/{}, telegram: https://t.me/{} }{}就是用户名的占位符。你只需要:找到一个值得收录的平台,在浏览器里打开它的用户主页把 URL 中用户名部分替换成{}按字母序插入 sites.json,保持格式一致验证小技巧:提交前用aliens_eye yourname --site 新站点单独跑一下,确认 URL 拼接正确、页面能正常抓取。不想改主文件?用 sites.d 插件目录项目支持drop-in插件站点:把 JSON 文件丢进./sites.d/目录(如{mysite: https://mysite.com/u/{}),启动时自动合并,也可用--sites-dir DIR追加目录。适合先本地验证,再提 PR 合入主表。加载逻辑见 src/aliens_eye/core/scanner.py。三、贡献路线②:扩展真值数据集(为模型加考题)检测模型好不好,最终要靠真值账户来验证。真值按站点不相交分成两份:文件用途规模src/aliens_eye/data/selfcheck.json训练集(train),train collect只读它30 站点、45 个阳性账户src/aliens_eye/data/eval_holdout.json保留评估集(holdout),训练永远不碰13 站点、15 个阳性账户每条记录是一个站点到已知真实用户名的映射,可附带来源标注:7cups: { source: whatsmyname, usernames: [john, jbob] }如何贡献:找到真实存在的公开账户(注意用你自己或公开授权的账号,勿用他人隐私数据),按同样格式追加到selfcheck.json。加载逻辑在 src/aliens_eye/ml/collect.py,兼容字符串、列表、带来源字典三种写法,改错格式也不会崩。四、贡献路线③:改进 AI 检测模型(最有价值的进阶 PR)这一步会让你的 PR 含金量直线上升。整个流程只需 4 条命令,全部由 src/aliens_eye/ml/ 下的模块支撑:四步重训练指南# 0. 安装训练依赖(scikit-learn) pip install aliens-eye[train] # 1. 扫描真值账户 随机不存在用户名,生成带标签数据集 aliens_eye train collect --out dataset.csv --negatives 4 # 2. 训练逻辑回归并导出模型(含网格搜索校准的阈值与融合权重) aliens_eye train fit --data dataset.csv --out model.json # 3. 在模型从没见过的平台上评估泛化能力 aliens_eye selfcheck --split holdout --model model.json --report json # 4. 满意后再投入使用 aliens_eye username --model model.json几个新手容易踩的坑,项目文档里都写明了:⚠️只评估 holdout 才有意义:--split train测的是拟合度,数字会虚高⚠️别动 holdout 文件:train collect --split holdout会被拒绝,除非显式--allow-leakage负样本分两种:纯随机字符串太容易分,selfcheck还会生成貌似真实的负样本(如quietfalcon84),避免指标虚高用冻结语料做可复现评估直接对着实时网页测精度是不可复现的(页面会改、限流会变)。项目的corpus/模块解决了这个问题——记录一次真实响应,之后离线回放,每次跑出的指标完全一致:aliens_eye corpus record --out corpus/v1 --split all --negatives 4 aliens_eye selfcheck --split holdout --corpus corpus/v1 --report json aliens_eye eval ablate --corpus corpus/v1 --split holdouteval ablate会用百分位自助法 95% 置信区间对比多种检测配置,差值不显著的会诚实地标成ns,避免你在噪声上白忙活。这套机制的源码在 src/aliens_eye/eval/ablate.py。 上面这张终端截图展示了aliens_eye的 ASCII 横幅与交互式输入入口,来自项目photos/目录。五、提交前的必做清单跑测试:pytest— 例如 tests/test_detector.py 会锁定随包模型的权重与阈值,防止配置悄悄漂移跑静态检查:ruff check src tests别引入外部依赖:推理端是纯 Python 点积(见 src/aliens_eye/ml/inference.py),sklearn 只允许出现在训练侧仓库提供 Dockerfile 与 config.example.json,可在容器里复现完整扫描流程做验收docker build -t aliens-eye . docker run --rm -it aliens-eye yourname六、常见问题 FAQQ:我只会 Python 基础,该从哪入手?A:从添加站点开始,一个 PR 改一行 JSON,半小时就能走完完整贡献流程。Q:改进模型时指标没有明显提升怎么办?A:这正是项目强调诚实评估的原因——小语料上多数差异不显著,请把eval ablate的置信区间附在 PR 里,负结果也是贡献。Q:可以基于它开发自己的工具吗?A:可以。src/aliens_eye/api.py 是稳定的对外接口,返回普通 dict、默认不打印,专为二次开发设计;详见 README.md 的Using it as library。Q:仓库怎么克隆?A:git clone https://gitcode.com/gh_mirrors/al/Aliens_eye cd Aliens_eye pip install -e .写在最后Aliens Eye 把检测这件事拆成了站点、特征、真值、评估四层,每一层都有清晰的新手入口。建议按站点 → 真值 → 模型的顺序进阶:第一步赚手感,第二步懂数据,第三步才是硬功夫。祝你写出第一个被合入的 PR!【免费下载链接】Aliens_eyeHunt down 840 social media accounts using AI项目地址: https://gitcode.com/gh_mirrors/al/Aliens_eye创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 参与 Aliens Eye 开源项目:新手贡献者的完整路线图——从添加站点到改进 AI 检测模型
参与 Aliens Eye 开源项目:新手贡献者的完整路线图——从添加站点到改进 AI 检测模型【免费下载链接】Aliens_eyeHunt down 840 social media accounts using AI项目地址: https://gitcode.com/gh_mirrors/al/Aliens_eyeAliens Eye是一个 AI 驱动的开源 OSINT 用户名扫描工具,用机器学习混合启发式规则在840 社交平台上嗅探指定用户名,输出置信度、头像与跨站关联分析。它的代码结构对新手非常友好:添加一个站点只需一行 JSON,改进检测模型也有一条清晰的收集→训练→评估流水线。这篇新手贡献路线图带你从零开始,用最小改动完成第一次 PR。一、先搞清楚:这个项目靠什么工作?在写代码前,花 3 分钟理解核心链路,你会发现贡献点其实就藏在三个地方:站点表— 每个平台一条用户名 → URL 模板的映射,决定了扫哪里检测模型— 30 维特征向量(状态码、DOM 结构、关键词、指纹)喂给逻辑回归 启发式引擎,共同投票输出Found / Maybe / Not Found真值数据— 已知存在/不存在的账户列表,是模型训练和selfcheck校准的考卷站点表 (sites.json) → 异步抓取 → 特征提取 → 双裁判投票 → 报告导出 ↑ ↑ ↑ 贡献点① 特征/指纹模块 贡献点②③项目内部流程与模块地图完整记录在 WORKING.md,建议先通读一遍;整体架构说明见 README.md 的Architecture一节。二、贡献路线①:添加一个站点(最低门槛的入门 PR)这是最适合新手的第一步——不需要懂机器学习,改一个 JSON 就行。站点表长什么样?所有内置站点都在 src/aliens_eye/data/sites.json,共 840 条,格式极其简单:{ codechef: https://www.codechef.com/users/{}, telegram: https://t.me/{} }{}就是用户名的占位符。你只需要:找到一个值得收录的平台,在浏览器里打开它的用户主页把 URL 中用户名部分替换成{}按字母序插入 sites.json,保持格式一致验证小技巧:提交前用aliens_eye yourname --site 新站点单独跑一下,确认 URL 拼接正确、页面能正常抓取。不想改主文件?用 sites.d 插件目录项目支持drop-in插件站点:把 JSON 文件丢进./sites.d/目录(如{mysite: https://mysite.com/u/{}),启动时自动合并,也可用--sites-dir DIR追加目录。适合先本地验证,再提 PR 合入主表。加载逻辑见 src/aliens_eye/core/scanner.py。三、贡献路线②:扩展真值数据集(为模型加考题)检测模型好不好,最终要靠真值账户来验证。真值按站点不相交分成两份:文件用途规模src/aliens_eye/data/selfcheck.json训练集(train),train collect只读它30 站点、45 个阳性账户src/aliens_eye/data/eval_holdout.json保留评估集(holdout),训练永远不碰13 站点、15 个阳性账户每条记录是一个站点到已知真实用户名的映射,可附带来源标注:7cups: { source: whatsmyname, usernames: [john, jbob] }如何贡献:找到真实存在的公开账户(注意用你自己或公开授权的账号,勿用他人隐私数据),按同样格式追加到selfcheck.json。加载逻辑在 src/aliens_eye/ml/collect.py,兼容字符串、列表、带来源字典三种写法,改错格式也不会崩。四、贡献路线③:改进 AI 检测模型(最有价值的进阶 PR)这一步会让你的 PR 含金量直线上升。整个流程只需 4 条命令,全部由 src/aliens_eye/ml/ 下的模块支撑:四步重训练指南# 0. 安装训练依赖(scikit-learn) pip install aliens-eye[train] # 1. 扫描真值账户 随机不存在用户名,生成带标签数据集 aliens_eye train collect --out dataset.csv --negatives 4 # 2. 训练逻辑回归并导出模型(含网格搜索校准的阈值与融合权重) aliens_eye train fit --data dataset.csv --out model.json # 3. 在模型从没见过的平台上评估泛化能力 aliens_eye selfcheck --split holdout --model model.json --report json # 4. 满意后再投入使用 aliens_eye username --model model.json几个新手容易踩的坑,项目文档里都写明了:⚠️只评估 holdout 才有意义:--split train测的是拟合度,数字会虚高⚠️别动 holdout 文件:train collect --split holdout会被拒绝,除非显式--allow-leakage负样本分两种:纯随机字符串太容易分,selfcheck还会生成貌似真实的负样本(如quietfalcon84),避免指标虚高用冻结语料做可复现评估直接对着实时网页测精度是不可复现的(页面会改、限流会变)。项目的corpus/模块解决了这个问题——记录一次真实响应,之后离线回放,每次跑出的指标完全一致:aliens_eye corpus record --out corpus/v1 --split all --negatives 4 aliens_eye selfcheck --split holdout --corpus corpus/v1 --report json aliens_eye eval ablate --corpus corpus/v1 --split holdouteval ablate会用百分位自助法 95% 置信区间对比多种检测配置,差值不显著的会诚实地标成ns,避免你在噪声上白忙活。这套机制的源码在 src/aliens_eye/eval/ablate.py。 上面这张终端截图展示了aliens_eye的 ASCII 横幅与交互式输入入口,来自项目photos/目录。五、提交前的必做清单跑测试:pytest— 例如 tests/test_detector.py 会锁定随包模型的权重与阈值,防止配置悄悄漂移跑静态检查:ruff check src tests别引入外部依赖:推理端是纯 Python 点积(见 src/aliens_eye/ml/inference.py),sklearn 只允许出现在训练侧仓库提供 Dockerfile 与 config.example.json,可在容器里复现完整扫描流程做验收docker build -t aliens-eye . docker run --rm -it aliens-eye yourname六、常见问题 FAQQ:我只会 Python 基础,该从哪入手?A:从添加站点开始,一个 PR 改一行 JSON,半小时就能走完完整贡献流程。Q:改进模型时指标没有明显提升怎么办?A:这正是项目强调诚实评估的原因——小语料上多数差异不显著,请把eval ablate的置信区间附在 PR 里,负结果也是贡献。Q:可以基于它开发自己的工具吗?A:可以。src/aliens_eye/api.py 是稳定的对外接口,返回普通 dict、默认不打印,专为二次开发设计;详见 README.md 的Using it as library。Q:仓库怎么克隆?A:git clone https://gitcode.com/gh_mirrors/al/Aliens_eye cd Aliens_eye pip install -e .写在最后Aliens Eye 把检测这件事拆成了站点、特征、真值、评估四层,每一层都有清晰的新手入口。建议按站点 → 真值 → 模型的顺序进阶:第一步赚手感,第二步懂数据,第三步才是硬功夫。祝你写出第一个被合入的 PR!【免费下载链接】Aliens_eyeHunt down 840 social media accounts using AI项目地址: https://gitcode.com/gh_mirrors/al/Aliens_eye创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考