Agent Reach + Sherlock 完整教學

1. 專案定位：它們各自解決什麼問題？

1.1 Agent Reach — 給 AI Agent 裝上「眼睛」

一句話定義：Agent Reach 是一個 capability layer（能力層），讓 AI coding assistant 能夠讀取全網 15 個平台的內容。

白話解釋：

你的 AI Agent（Claude Code、Cursor 等）很聰明，能寫程式、改文件。但叫它「去推特上看看大家怎麼評價這個產品」？看不了。 叫它「幫我搜小紅書上這個品的口碑」？打不開。 叫它「看看這個 YouTube 影片講了什麼」？拿不到字幕。

Agent Reach 就是解決這個問題的。裝上它，你的 AI Agent 就能：

1「幫我看看推特上大家怎麼評價 GPT-5」     → ✅ 搜得到
2「去小紅書上找找這個品的口碑」            → ✅ 讀得到
3「這個 YouTube 影片講了什麼」            → ✅ 字幕拿得到
4「在 Reddit 上搜搜有沒有人遇到同樣的 bug」→ ✅ 搜得到
5「全網搜一下最新的 LLM 框架對比」         → ✅ Exa AI 語義搜尋

1.2 Sherlock — 跨平台使用者名稱偵探

一句話定義：Sherlock 是一個 OSINT (Open Source Intelligence; 開源情報) 工具，用使用者名稱在 400+ 社交網路上搜尋對應帳號。

白話解釋：

假設你知道一個人的使用者名稱（例如 john_doe_123），想知道這個人在哪些社交平台上有帳號。手動去 400 個網站一個一個搜？太慢了。Sherlock 幫你一次搞定：

1sherlock john_doe_123
2# 幾秒內掃描 400+ 個社交網路，列出所有找到的帳號

實際輸出：

1[+] GitHub: https://github.com/john_doe_123
2[+] Twitter: https://twitter.com/john_doe_123
3[+] Instagram: https://instagram.com/john_doe_123
4[+] Reddit: https://reddit.com/user/john_doe_123
5[+] LinkedIn: https://linkedin.com/in/john_doe_123
6... (可能找到 20-50 個平台)

1.3 兩者的關係


flowchart LR
    subgraph AR["Agent Reach"]
        AR1["讀取平台內容
（文章、推文、影片字幕）"]
        AR2["15 個平台"]
        AR3["深度內容抓取"]
    end

    subgraph SH["Sherlock"]
        SH1["搜尋使用者帳號
（帳號存在性檢查）"]
        SH2["400+ 個平台"]
        SH3["廣度帳號掃描"]
    end

    AR -->|"互補"| SH
    SH -->|"找到帳號後
用 Agent Reach 讀內容"| AR

    style AR fill:#e3f2fd
    style SH fill:#fff3e0

簡單說：

  • Sherlock 回答「這個人在哪些平台有帳號？」（廣度：400+ 平台）
  • Agent Reach 回答「這個帳號發了什麼內容？」（深度：15 個平台的內容讀取）
  • 兩者結合：先用 Sherlock 找到人，再用 Agent Reach 讀他的內容

2. 安裝指南

2.1 Agent Reach 安裝

方法一：讓 AI Agent 自動安裝（最推薦）

直接把這句話貼給你的 AI Agent：

1帮我安装 Agent Reach：https://raw.githubusercontent.com/Panniantong/agent-reach/main/docs/install.md

Agent 會自動完成所有安裝步驟。

方法二：手動安裝

1# Step 1: 安裝 CLI
2pip install agent-reach
3
4# Step 2: 檢查環境
5agent-reach doctor --json
6
7# Step 3: 安裝 SKILL.md 到你的 Agent
8agent-reach skill install

安裝完成後的環境檢查

 1# 診斷所有平台狀態
 2agent-reach doctor --json
 3
 4# 輸出範例（簡化）：
 5# {
 6#   "web":     {"status": "ok", "active_backend": "jina-reader"},
 7#   "youtube": {"status": "ok", "active_backend": "yt-dlp"},
 8#   "twitter": {"status": "needs_config", "active_backend": null},
 9#   ...
10# }

平台配置（需要登入態的平台）

平台配置方式說明
Twitter告訴 Agent「幫我配 Twitter」需要 Cookie
小紅書告訴 Agent「幫我配小紅書」OpenCLI 桌面瀏覽器登入態
Reddit告訴 Agent「幫我配 Reddit」OpenCLI 或 rdt-cli + Cookie
Facebook告訴 Agent「幫我配 Facebook」OpenCLI 桌面瀏覽器登入態
Instagram告訴 Agent「幫我配 Instagram」OpenCLI 桌面瀏覽器登入態
LinkedIn告訴 Agent「幫我配 LinkedIn」linkedin-mcp

安全提醒：需要 Cookie 的平台建議使用專用小號，不要用主帳號（有被封號風險）。

2.2 Sherlock 安裝

 1# 方法 1：pipx 安裝（推薦）
 2pipx install sherlock-project
 3
 4# 方法 2：pip 安裝
 5pip install sherlock-project
 6
 7# 方法 3：uv 安裝
 8uv tool install sherlock-project
 9
10# 方法 4：Docker
11docker run -it --rm sherlock/sherlock username
12
13# 方法 5：Homebrew (macOS)
14brew install sherlock
15
16# 方法 6：系統套件 (Kali Linux / BlackArch)
17# 已內建

驗證安裝：

1sherlock --version
2# Sherlock: Find Usernames Across Social Networks (Version 0.16.0)

2.3 安裝流程圖


flowchart TD
    START["開始安裝"] --> Q1{"安裝哪個？"}

    Q1 -->|"Agent Reach"| AR1["pip install agent-reach"]
    Q1 -->|"Sherlock"| SH1["pipx install sherlock-project"]
    Q1 -->|"兩個都裝"| BOTH["兩個都裝"]
    BOTH --> AR1
    BOTH --> SH1

    AR1 --> AR2["agent-reach doctor --json
檢查環境"]
    AR2 --> AR3{"需要登入態的平台？"}
    AR3 -->|"是"| AR4["告訴 Agent
「幫我配 XXX」"]
    AR3 -->|"否"| AR5["✅ Agent Reach 就緒"]
    AR4 --> AR5

    SH1 --> SH2["sherlock --version
驗證安裝"]
    SH2 --> SH3["✅ Sherlock 就緒"]

    style START fill:#e8eaf6
    style AR5 fill:#e8f5e9
    style SH3 fill:#e8f5e9

3. Agent Reach 核心架構解析

3.1 整體架構


flowchart TB
    subgraph USER["👤 使用者"]
        U1["「幫我搜推特上大家怎麼評價 GPT-5」"]
    end

    subgraph AGENT["🤖 AI Agent"]
        direction TB
        A1["讀取 SKILL.md
判斷要用哪個平台"]
        A2["查路由表
選擇 channel"]
    end

    subgraph AR["🔌 Agent Reach (Capability Layer)"]
        direction TB
        AR1["doctor
體檢每個後端"]
        AR2["install
安裝依賴工具"]
        AR3["probe
即時探測後端可用性"]
    end

    subgraph CHANNELS["📡 15 個 Channel"]
        direction LR
        C1["twitter.py
twitter-cli → OpenCLI"]
        C2["youtube.py
yt-dlp"]
        C3["reddit.py
OpenCLI → rdt-cli"]
        C4["web.py
Jina Reader"]
        C5["更多..."]
    end

    subgraph BACKENDS["🔧 上游工具"]
        B1["twitter-cli"]
        B2["yt-dlp"]
        B3["OpenCLI"]
        B4["Jina Reader"]
        B5["bili-cli"]
        B6["gh CLI"]
        B7["Exa (MCP)"]
    end

    U1 --> A1
    A1 --> A2
    A2 --> AR
    AR --> CHANNELS
    CHANNELS --> BACKENDS
    BACKENDS --> RESULT["📄 結構化內容"]

    style USER fill:#e8eaf6
    style AR fill:#fff3e0
    style CHANNELS fill:#e3f2fd

3.2 多後端路由機制

Agent Reach 的核心設計是每個平台都有多條路線，壞了一條自動切換下一條：


flowchart TD
    subgraph TWITTER["Twitter 讀取"]
        T1["首選：twitter-cli
（穩定、免費）"] --> T1R{"可用？"}
        T1R -->|"是"| T1OK["✅ 使用 twitter-cli"]
        T1R -->|"否"| T2["備選：OpenCLI
（瀏覽器登入態）"]
        T2 --> T2R{"可用？"}
        T2R -->|"是"| T2OK["✅ 使用 OpenCLI"]
        T2R -->|"否"| T3["備選：bird
（最後手段）"]
    end

    subgraph BILIBILI["B 站讀取"]
        B1["首選：bili-cli
（無需登入）"] --> B1R{"可用？"}
        B1R -->|"是"| B1OK["✅ 使用 bili-cli"]
        B1R -->|"否"| B2["備選：OpenCLI"]
        B2 --> B2R{"可用？"}
        B2R -->|"是"| B2OK["✅ 使用 OpenCLI"]
        B2R -->|"否"| B3["備選：搜索 API"]
    end

    style T1OK fill:#e8f5e9
    style B1OK fill:#e8f5e9

3.3 目錄結構

 1Agent-Reach/
 2├── agent_reach/               # 核心套件
 3│   ├── cli.py                # CLI 入口（install, doctor, configure, uninstall）
 4│   ├── config.py             # 設定管理（~/.agent-reach/config.yaml）
 5│   ├── cookie_extract.py     # Cookie 提取（Chrome/Firefox）
 6│   ├── doctor.py             # 環境體檢
 7│   ├── probe.py              # 後端即時探測
 8│   ├── transcribe.py         # 音訊轉文字（Whisper/Groq）
 9│   ├── channels/             # 15 個平台 channel
10│   │   ├── twitter.py       # Twitter (twitter-cli → OpenCLI → bird)
11│   │   ├── youtube.py       # YouTube (yt-dlp)
12│   │   ├── bilibili.py      # B 站 (bili-cli → OpenCLI → 搜索 API)
13│   │   ├── reddit.py        # Reddit (OpenCLI → rdt-cli)
14│   │   ├── xiaohongshu.py   # 小紅書 (OpenCLI → xiaohongshu-mcp → xhs-cli)
15│   │   ├── facebook.py      # Facebook (OpenCLI)
16│   │   ├── instagram.py     # Instagram (OpenCLI)
17│   │   ├── github.py        # GitHub (gh CLI)
18│   │   ├── linkedin.py      # LinkedIn (linkedin-mcp → Jina Reader)
19│   │   ├── web.py           # 通用網頁 (Jina Reader)
20│   │   ├── exa_search.py    # Exa AI 搜索 (MCP)
21│   │   ├── rss.py           # RSS (feedparser)
22│   │   ├── v2ex.py          # V2EX
23│   │   ├── xueqiu.py        # 雪球
24│   │   └── xiaoyuzhou.py    # 小宇宙播客
25│   ├── backends/             # 後端路由
26│   │   └── opencli.py       # OpenCLI 通用後端
27│   ├── integrations/         # 整合
28│   │   └── mcp_server.py    # MCP Server
29│   ├── skill/                # AI Agent SKILL.md
30│   └── guides/               # 各平台設定指南
31├── tests/                    # 測試套件（16 個測試模組）
32├── config/                   # MCP 設定範本
33└── scripts/                  # 輔助腳本

4. Sherlock 核心架構解析

4.1 運作原理


flowchart LR
    INPUT["輸入：username
例如 john_doe_123"] --> LOAD["載入 data.json
400+ 站點定義"]
    LOAD --> LOOP["並行請求
每個站點"]
    LOOP --> CHECK{"回應檢查"}
    CHECK -->|"status_code"| SC["HTTP 狀態碼比對
200 = 存在 / 404 = 不存在"]
    CHECK -->|"message"| MSG["回應內容比對
搜尋錯誤訊息"]
    CHECK -->|"response_url"| URL["URL 重導向比對
重導向 = 不存在"]
    SC --> RESULT
    MSG --> RESULT
    URL --> RESULT
    RESULT["📊 結果輸出
TXT / CSV / XLSX"]

    style INPUT fill:#e8eaf6
    style RESULT fill:#e8f5e9

4.2 站點資料庫結構

data.json 是 Sherlock 的核心，定義了每個站點的檢查方式：

 1{
 2  "GitHub": {
 3    "url": "https://www.github.com/{}",
 4    "urlMain": "https://www.github.com",
 5    "errorType": "status_code",
 6    "errorCode": 404,
 7    "tags": ["coding", "social"]
 8  },
 9  "Twitter": {
10    "url": "https://x.com/{}",
11    "urlMain": "https://x.com",
12    "errorType": "status_code",
13    "errorCode": 404,
14    "headers": {"User-Agent": "..."}
15  }
16}

三種錯誤檢測模式：

errorType原理適用場景
status_codeHTTP 狀態碼（200=存在, 404=不存在）大多數站點
message回應內容中搜尋特定錯誤訊息站點用 200 回應「不存在」頁面
response_url檢查是否被重導向到其他 URL站點將不存在的頁面重導向

4.3 目錄結構

 1sherlock/
 2├── sherlock_project/          # 核心套件
 3│   ├── sherlock.py           # 主程式（935 行）— 請求、比對、輸出
 4│   ├── sites.py              # 站點資料載入與管理
 5│   ├── result.py             # 結果資料結構
 6│   ├── notify.py             # 通知/輸出處理
 7│   └── resources/
 8│       ├── data.json         # 400+ 站點定義（101KB）
 9│       └── data.schema.json  # JSON Schema 驗證
10├── tests/                    # 測試套件
11├── devel/                    # 開發輔助工具
12├── docs/                     # 文件
13├── Dockerfile                # Docker 部署
14└── pyproject.toml            # 專案設定

4.4 CLI 完整用法

 1# 基本搜尋
 2sherlock username
 3
 4# 搜尋多個使用者名稱
 5sherlock user1 user2 user3
 6
 7# 輸出為 CSV
 8sherlock username --csv
 9
10# 輸出為 Excel
11sherlock username --xlsx
12
13# 只搜尋特定站點
14sherlock username --site GitHub --site Twitter --site Instagram
15
16# 使用代理
17sherlock username --proxy socks5://127.0.0.1:1080
18
19# 設定超時
20sherlock username --timeout 30
21
22# 包含 NSFW 站點
23sherlock username --nsfw
24
25# 顯示所有結果（包含未找到的）
26sherlock username --print-all
27
28# 將結果存到指定資料夾
29sherlock user1 user2 --folderoutput /tmp/sherlock-results/
30
31# 模糊搜尋（用 {?} 替代 _, -, .）
32sherlock john{?}doe
33# 會搜尋 john_doe, john-doe, john.doe

5. 應用場景

5.1 Agent Reach 應用場景

場景具體做法使用的 Channel
市場調研搜全網對某產品/技術的評價Exa + Twitter + Reddit + 小紅書
競品分析看競品在各平台的口碑Twitter + Reddit + V2EX + 小紅書
技術調研搜集特定技術的最新動態GitHub + YouTube + Reddit + Exa
內容監控追蹤特定話題的最新討論RSS + Twitter + Reddit
招聘情報調查潛在候選人的公開資訊LinkedIn + GitHub
學術研究搜集研究主題的網路討論Exa + Reddit + YouTube
品牌監控追蹤品牌在社群的提及Twitter + 小紅書 + Reddit
投資調研看市場對某標的的討論雪球 + Twitter + Reddit

具體範例：

1# 全網調研 LLM 框架
2# Agent 會組合多平台：
3mcporter call 'exa.web_search_exa(query: "best LLM framework 2026", numResults: 10)'
4twitter search "LLM framework comparison" -n 10
5opencli reddit search "LLM framework" -f yaml

5.2 Sherlock 應用場景

場景具體做法說明
資安研究追蹤可疑帳號的跨平台足跡合法滲透測試
品牌保護檢查品牌名是否被冒用商標 / 品牌監控
人才調查了解候選人的公開社群足跡搭配 LinkedIn 使用
自我審查檢查自己的數位足跡隱私保護
CTF 競賽OSINT 挑戰題資安競賽場景
數位鑑識司法調查中的帳號關聯分析需授權

5.3 兩者組合應用


flowchart TD
    GOAL["🎯 目標：調查某人/品牌的全網足跡"]

    GOAL --> STEP1["Step 1: Sherlock 掃描
sherlock target_name
找出在哪些平台有帳號"]

    STEP1 --> STEP2["Step 2: Agent Reach 深入
讀取每個帳號的實際內容"]

    STEP2 --> S2A["Twitter 推文內容
twitter search target_name"]
    STEP2 --> S2B["GitHub 專案
gh repo list target_name"]
    STEP2 --> S2C["Reddit 討論
curl https://r.jina.ai/reddit.com/user/target"]
    STEP2 --> S2D["YouTube 影片
yt-dlp 字幕提取"]

    S2A --> STEP3["Step 3: 彙整報告"]
    S2B --> STEP3
    S2C --> STEP3
    S2D --> STEP3

    style GOAL fill:#e8eaf6
    style STEP1 fill:#fff3e0
    style STEP2 fill:#e3f2fd
    style STEP3 fill:#e8f5e9

6. 資安掃描報告

6.1 Agent Reach

🟢 低風險：subprocess 使用規範

所有 subprocess.run 呼叫都使用 list 形式，沒有 shell=True，避免 shell injection。

🟢 低風險：憑證本地存儲

Cookie、Token 存在 ~/.agent-reach/config.yaml，檔案權限 600（僅所有者可讀寫）。

🟡 中風險：SSRF 漏洞（已修復）

Issue #444 報告了 transcribe() 中的 SSRF 漏洞（CWE-918），已在 v1.5.0 中修復。建議確保使用最新版本。

🟡 中風險：Cookie 安全

使用 Cookie 登入的平台有被封號風險。官方已在 README 明確警告，建議使用專用小號。

🟡 中風險：Cookie 過度收集

Issue #446 指出 configure --from-browser 可能過度收集整個瀏覽器的 cookie。建議關注此 issue 進展。

6.2 Sherlock

🟢 低風險：無 shell=True

核心程式碼中沒有使用 subprocess 或 shell=True，純 HTTP 請求。

🟢 低風險：Command Injection 已修復

v0.16.0+ 已修復 command injection 漏洞（commit 6eaec5c）。務必使用最新版。

🟢 低風險：無 API Key 需求

Sherlock 不需要任何 API Key，純 HTTP 請求，無憑證洩漏風險。

🟡 中風險：False Positive / False Negative

多個 open issues 報告 false positive（誤報存在）和 false negative（漏報）。使用結果時需人工驗證。

掃描總結

工具🔴 高🟡 中🟢 低整體評估
Agent Reach032安全性良好，注意使用最新版
Sherlock013安全性優良，注意結果驗證

7. FAQ

Q1: Agent Reach 和 Sherlock 可以一起用嗎？

可以，而且是最佳組合。 Sherlock 找到帳號，Agent Reach 讀取內容。詳見第 5.3 節。

Q2: Agent Reach 需要付費嗎？

完全免費。 所有工具開源、所有 API 免費。唯一可能花錢的是部署在伺服器上需要代理（~$1/月）。

Q3: Sherlock 的掃描會不會被平台封鎖？

可能。 短時間大量請求可能被 rate limit。建議加 --timeout 30 或使用 --proxy。

Q4: Agent Reach 支援哪些 AI Agent？

Claude Code、Cursor、Copilot、Windsurf、Codex — 任何能跑命令列的 AI Agent。

Q5: Sherlock 搜不到某個平台怎麼辦？

可以自行新增站點到 data.json，或到 GitHub Issues 提出 feature request。

Cookie 只存在本地 ~/.agent-reach/config.yaml，權限 600，不上傳不外傳。但建議使用專用小號。

Q7: Sherlock 和 Maigret 有什麼差別？

Sherlock 是原版（86K stars），Maigret 是 fork + 強化版（12K stars），支援更多站點和更多輸出格式。兩者可互補。

8. 進階技巧

8.1 Agent Reach 進階

多平台組合調研

 1# 全網調研某個技術主題
 2# 1. Exa 語義搜索（全網）
 3mcporter call 'exa.web_search_exa(query: "topic", numResults: 10)'
 4
 5# 2. Twitter 看討論
 6twitter search "topic" -n 10
 7
 8# 3. Reddit 看深度討論
 9opencli reddit search "topic" -f yaml
10
11# 4. YouTube 看教學影片字幕
12yt-dlp --write-sub --skip-download "youtube_search_url"
13
14# 5. GitHub 看相關專案
15gh search repos "topic" --sort stars --limit 10

診斷與除錯

 1# 全面體檢
 2agent-reach doctor --json
 3
 4# 檢查單一平台
 5agent-reach probe twitter
 6
 7# 安全模式安裝（只列出需要什麼，不自動安裝）
 8agent-reach install --env=auto --safe
 9
10# 預覽安裝操作
11agent-reach install --env=auto --dry-run

8.2 Sherlock 進階

批次搜尋

1# 搜尋多個使用者名稱
2sherlock user1 user2 user3 --folderoutput /tmp/results/
3
4# 模糊搜尋（自動替換 _, -, .）
5sherlock john{?}doe
6
7# 只掃描特定站點（加速）
8sherlock target --site GitHub --site Twitter --site Instagram --site LinkedIn

輸出格式

 1# CSV 格式（可匯入 Excel）
 2sherlock target --csv
 3
 4# Excel 格式
 5sherlock target --xlsx
 6
 7# 文字檔
 8sherlock target --txt
 9
10# 自動在瀏覽器開啟結果
11sherlock target --browse

9. 與 AIKT Layer 的整合策略

9.1 全景整合架構


flowchart TB
    subgraph AIKT["🧠 AI-Knowledge Template (AIKT) — 24 Layers"]
        direction TB
        L1["Layer 1: ai-save
URL/文字 → inbox/ md"]
        L2["Layer 2: ai-gh-save
GitHub repo → md"]
        L3["Layer 3: ai-autofetch
每日自動抓取"]
        L7["Layer 7: quarkdown
md → HTML/PDF"]
        L9["Layer 9: paper-search
學術論文檢索"]
        L11["Layer 11: kami
PDF 排版"]
        L12["Layer 12: gh-tutorial-qd
GitHub 全套交付"]
        L15["Layer 15: paper-tutorial
論文教學"]
        L17["Layer 17: v2t
影片轉教學"]
        L22["Layer 22: company-intel
公司盡調"]
        L23["Layer 23: agent-browser
AI 瀏覽器"]
    end

    subgraph TOOLS["🔧 新增工具"]
        AR["Agent Reach
15 平台內容讀取"]
        SH["Sherlock
400+ 平台帳號搜尋"]
    end

    AR -->|"搜集來源內容"| L1
    AR -->|"Twitter/Reddit
口碑 → 盡調"| L22
    AR -->|"YouTube 字幕
→ 影片教學"| L17
    AR -->|"RSS 監控
→ 每日抓取"| L3
    AR -->|"全網搜尋
→ 論文線索"| L9

    SH -->|"團隊 OSINT
→ 盡調 Phase 2"| L22
    SH -->|"品牌監控
→ 報告"| L7

    L23 -->|"深度爬取
Agent Reach 不夠時"| AR

    style AIKT fill:#e8eaf6
    style TOOLS fill:#fff3e0

9.2 具體整合路徑

路徑 A：Agent Reach × Layer 22 company-intel（公司盡調）

場景：BD 會議前調查對方公司


flowchart LR
    CI["company-intel
Phase 1-7"] --> P2["Phase 2:
公開資訊蒐集"]
    P2 --> AR_T["Agent Reach
Twitter 搜公司名"]
    P2 --> AR_R["Agent Reach
Reddit 搜討論"]
    P2 --> AR_L["Agent Reach
LinkedIn 看團隊"]
    P2 --> SH["Sherlock
搜 CEO/CTO 帳號"]

    AR_T --> P3["Phase 3:
分析整合"]
    AR_R --> P3
    AR_L --> P3
    SH --> P3

    style CI fill:#e8eaf6
    style P3 fill:#e8f5e9

做法：

  1. 啟動 dd: 某公司 進入盡調流程
  2. Phase 2 中，用 Agent Reach 搜集：
    • Twitter 上對該公司的評價
    • Reddit 上的技術討論
    • LinkedIn 上的團隊資訊
  3. 用 Sherlock 搜尋關鍵人物的跨平台足跡
  4. 結果整合進盡調報告

路徑 B：Agent Reach × Layer 1 ai-save（知識輸入）

場景：Agent 搜到好文章，自動存入知識庫

1# Agent Reach 搜到一篇好文章的 URL
2curl -s "https://r.jina.ai/https://example.com/good-article" > /tmp/article.md
3
4# 透過 ai-save 存入 inbox/
5# 在 AIKT 中直接：save: https://example.com/good-article

流程：Agent Reach 負責找到內容 → ai-save 負責結構化存儲。

路徑 C：Agent Reach × Layer 3 ai-autofetch（每日抓取）

場景：每日自動監控特定平台的最新內容


flowchart LR
    CRON["⏰ 每日排程"] --> AF["ai-autofetch"]
    AF --> AR1["Agent Reach:
Twitter 搜特定關鍵字"]
    AF --> AR2["Agent Reach:
Reddit 新帖子"]
    AF --> AR3["Agent Reach:
RSS 訂閱更新"]
    AR1 --> INBOX["inbox/autofetch/
日期-來源.md"]
    AR2 --> INBOX
    AR3 --> INBOX

    style CRON fill:#e8eaf6
    style INBOX fill:#e8f5e9

路徑 D：Agent Reach × Layer 17 video-to-tutorial（影片轉教學）

場景：找到 YouTube 教學影片 → 轉成教學文件

  1. 用 Agent Reach 的 YouTube channel 提取字幕
  2. 用 v2t: 流程將字幕 + 影片轉成教學 markdown
  3. 用 quarkdown 輸出 HTML/PDF

路徑 E：Sherlock × Layer 22 company-intel（團隊 OSINT）

場景：BD 會議前了解對方團隊成員的數位足跡

1# Step 1: 從 LinkedIn 找到團隊成員名單
2# Step 2: 用 Sherlock 搜尋每個人
3sherlock john_smith_ceo --csv
4sherlock jane_doe_cto --csv
5
6# Step 3: 將結果整合進 company-intel 報告

路徑 F：Agent Reach × Layer 9 paper-search（論文線索）

場景：從社群討論中發現值得深入的研究主題

  1. 用 Agent Reach 在 Twitter/Reddit 搜集某技術的最新討論
  2. 從討論中提取論文引用和關鍵字
  3. 用 paper: 進行正式論文檢索

9.3 整合時的注意事項

注意事項說明
機密邊界Sherlock 搜尋結果可能包含個人資訊，不可自動上傳 Discord
Cookie 安全Agent Reach 的 Cookie 不可進入 git（已在 .gitignore）
Rate Limit大量搜尋時注意平台限制，建議間隔執行
結果驗證Sherlock 有 false positive，重要結果需人工確認
合法使用OSINT 工具僅限合法場景（資安研究、品牌監控、自我審查）
Token 守則Agent Reach 輸出可能很長，存入 AIKT 前先截取重點

9.4 不同使用場景的工具選擇


flowchart TD
    NEED["我需要什麼？"]

    NEED -->|"讀取特定平台的內容"| AR["Agent Reach
（15 平台深度讀取）"]
    NEED -->|"搜某人在哪些平台有帳號"| SH["Sherlock
（400+ 平台廣度掃描）"]
    NEED -->|"瀏覽器操作
（登入、表單、截圖）"| AB["agent-browser
（Layer 23）"]
    NEED -->|"全網搜尋最新資訊"| COMBO["Agent Reach Exa
+ perplexity-search"]
    NEED -->|"學術論文搜尋"| PS["paper-search
（Layer 9）"]

    AR -->|"搜到的內容"| SAVE["ai-save → inbox/"]
    SH -->|"帳號清單"| REPORT["company-intel 報告"]
    AB -->|"截圖/內容"| SAVE
    COMBO -->|"搜尋結果"| SAVE
    PS -->|"論文"| PAPER["paper-tutorial"]

    style NEED fill:#e8eaf6
    style SAVE fill:#e8f5e9
    style REPORT fill:#e8f5e9
    style PAPER fill:#e8f5e9

10. 重點摘要 Checklist

Agent Reach

  • 安裝：pip install agent-reach 或讓 Agent 自動安裝
  • 體檢：agent-reach doctor --json 確認各平台狀態
  • 零配置可用：網頁、YouTube、GitHub、B 站、RSS、Exa、V2EX
  • 需配置：Twitter、小紅書、Reddit、Facebook、Instagram、LinkedIn
  • 安全：用專用小號配置需要 Cookie 的平台
  • AIKT 整合：搭配 ai-save / company-intel / autofetch / v2t 使用

Sherlock

  • 安裝：pipx install sherlock-project
  • 基本用法：sherlock username
  • 輸出格式：--csv / --xlsx / --txt
  • 進階：--site 限定站點、--proxy 代理、{?} 模糊搜尋
  • 注意：結果需人工驗證（有 false positive）
  • AIKT 整合：搭配 company-intel Phase 2 使用

11. 進一步閱讀

Agent Reach

文件內容
SKILL.mdAI Agent 使用指南 + 路由表
references/social.md社交媒體平台詳細命令
references/search.mdExa 搜索詳細用法
CHANGELOG.md版本歷史
SECURITY.md安全政策

Sherlock

文件內容
官方網站完整文件
data.json400+ 站點定義
removed-sites.md已移除的站點清單

相關 AIKT Layer

Layer與 Agent Reach / Sherlock 的關聯
Layer 1 (ai-save)Agent Reach 搜到的內容 → 存入 inbox
Layer 3 (ai-autofetch)Agent Reach RSS 監控 → 每日自動抓取
Layer 9 (paper-search)Agent Reach 社群線索 → 論文深入
Layer 17 (v2t)Agent Reach YouTube 字幕 → 影片教學
Layer 22 (company-intel)Agent Reach 口碑蒐集 + Sherlock 團隊 OSINT
Layer 23 (agent-browser)Agent Reach 不夠時的深度爬取備案