1. 项目定位与用途
Flowsint 是一个开源的 OSINT 图形调查平台，专为网络安全分析师、调查人员和情报分析人员设计。它提供可视化的图形界面，允许用户以节点和边的形式探索域名、IP 地址、组织、个人等实体之间的复杂关系。通过自动化 Enrichers，用户可以快速丰富实体信息，如 DNS 记录、WHOIS 数据、社交媒体资料、加密货币交易等。平台强调道德使用和透明度，所有数据均存储在用户本地机器，确保调查的隐私和安全。
项目档案应用项目
reconurge/flowsint 是什么？用途、安装与使用指南
Flowsint 是面向网络安全分析师的开源 OSINT 图形调查工具，提供可视化实体关系探索、自动化数据丰富器（Enrichers）支持域名、IP、组织等多类实体，所有数据本地存储保障隐私。本文介绍项目定位、解决的问题、适用场景、安装部署步骤及使用方式，并包含模块架构、技术栈和常见问题解答。
AI 总结
Flowsint 是一个开源的 OSINT 图形调查平台，专为网络安全分析师设计，通过可视化图形界面和自动化数据丰富器，帮助用户高效探索实体间复杂关系，所有数据本地存储确保隐私。
中文项目介绍
Flowsint 是一个开源的 OSINT（开源情报）图形调查平台，专注于为网络安全分析师提供可视化、灵活且可扩展的基于图的调查工具。
它解决传统 OSINT 调查中数据来源分散、关系梳理困难的问题，通过交互式图形界面和自动化 Enrichers，将分散的数据点连接成可探索的关系网络，显著提升调查效率和准确性。
适用场景包括网络安全威胁分析、数字取证调查、品牌监控与保护、欺诈检测研究以及各类开源情报收集工作。
技术实现上，Flowsint 采用微服务架构，模块包括核心逻辑（flowsint-core）、类型定义（flowsint-types）、数据丰富器（flowsint-enrichers）、API 服务（flowsint-api）和前端应用（flowsint-app）。数据存储使用 Neo4j 图数据库管理实体关系，PostgreSQL 存储结构化数据，Redis 用于缓存和任务队列。Enrichers 系统基于 YAML 模板，支持多步骤 HTTP 请求、响应映射、重试策略和密钥管理。前端使用 Vite 和 React，通过 TanStack Query 与后端交互。部署依赖 Docker 和 Makefile，所有数据本地存储以保障隐私。
详细信息与使用说明
2. 解决的问题
传统 OSINT 调查往往面临数据来源分散、信息孤岛严重、关系梳理手动化等挑战。调查人员需要在多个工具和网站间切换，难以形成全局视图。Flowsint 通过图形化交互将分散的数据点整合为可探索的关系网络，并利用自动化 Enrichers 从各种公开源获取和丰富数据，减少人工操作，提高调查的效率和准确性。同时，本地存储设计解决了云服务可能带来的隐私泄露风险。
3. 适用场景
Flowsint 适用于多种安全与情报场景：网络安全威胁分析中追踪攻击者基础设施；数字取证调查中还原事件关联；品牌监控与保护中发现仿冒网站和商标侵权；欺诈检测研究中识别可疑交易网络；以及各类开源情报收集工作，如人员背景调查、组织架构映射等。其图形化探索方式特别适合需要理清复杂实体关系的任务。
4. 安装方式
根据 README，安装 Flowsint 需要先安装 Docker 和 Make。然后克隆仓库：`git clone https://github.com/reconurge/flowsint.git`，进入目录，运行 `make prod` 启动服务。但环境变量配置需参考根目录的 `.env.example` 文件，设置如 Neo4j、PostgreSQL、Redis 的连接字符串、API URL 及认证密钥等。README 未明确给出配置步骤，仅说明运行 `make prod` 后访问 `http://localhost:5173/register` 创建账户。此外，需确保 Neo4j、PostgreSQL、Redis 服务已运行（从 .env.example 推断）。开发环境可使用 `docker-compose.dev.yml`。
5. 使用方式
用户通过 Web 界面注册登录后，可创建调查并添加实体（如域名、IP、组织等）。针对每个实体，可选择运行可用的 Enrichers 自动丰富数据，例如域名 Enrichers 可进行反向 DNS、子域名枚举、WHOIS 查询等。丰富后的数据以图形方式展示，用户可交互式探索实体间关系。前端使用 TanStack Query 管理服务器状态，从 API 获取调查列表、分析详情、草图数据等。API 层面，flowsint-api 提供 REST 接口，支持 CRUD 操作和 enricher 触发。
6. 补充说明与实现特点
Flowsint 采用微服务架构，各模块通过 Poetry 工作空间管理：flowsint-core 提供核心业务逻辑和 enricher 模板解析引擎；flowsint-types 定义 Pydantic 模型；flowsint-enrichers 实现基于 YAML 模板的声明式数据丰富器，支持多步骤 HTTP 请求、响应映射、重试和密钥管理；flowsint-api 为 FastAPI 后端，集成数据库和任务队列，使用 Alembic 进行迁移；flowsint-app 为前端 Vite 应用。数据存储方面，Neo4j 用于图关系，PostgreSQL 存储用户、调查等结构化数据，Redis 用于缓存和 Celery 消息队列。部署支持 Docker 容器化，使用 Makefile 简化命令。项目强调伦理使用，提供 ETHICS.md 指南。
思维导图
Flowsint
核心模块
flowsint-core: 业务逻辑与编排
flowsint-types: Pydantic 类型定义
flowsint-enrichers: YAML 模板引擎
API 服务
flowsint-api: FastAPI 后端
数据库: PostgreSQL, Neo4j, Redis
任务队列: Celery
前端应用
flowsint-app: Vite+React
状态管理: TanStack Query
可视化图形界面
部署与运维
Docker 容器化
Makefile 命令
环境变量配置
关键特性
自动化 Enrichers
本地数据隐私
多数据源支持
常见问题
Flowsint 是什么？
Flowsint 是一个开源的 OSINT 图形调查平台，专为网络安全分析师设计，提供可视化图形界面和自动化数据丰富器（Enrichers），用于探索域名、IP、组织等实体间的复杂关系，所有数据本地存储确保隐私。
如何安装和运行 Flowsint？
安装需先准备 Docker 和 Make。克隆仓库后，在项目根目录运行 `make prod` 启动服务。同时需根据 `.env.example` 文件配置环境变量，包括数据库连接和密钥。服务启动后访问 `http://localhost:5173/register` 创建账户。注意需确保 Neo4j、PostgreSQL、Redis 服务可用（从 .env.example 推断）。
Flowsint 的数据存储在哪里？
所有数据均存储在用户本地机器。图关系数据使用 Neo4j 图数据库，结构化数据（如用户、调查）存储在 PostgreSQL，Redis 用于缓存和消息队列。这种设计确保调查隐私，避免数据上传至第三方。
Flowsint 支持哪些 Enrichers？
Flowsint 提供丰富的 Enrichers 库，包括：域名相关（反向 DNS、子域名发现、WHOIS 等）、IP 信息、ASN 查询、社交媒体用户名搜索（Maigret）、组织信息、加密货币钱包交易、网站爬取、邮箱 breach 检查、电话 breach 检查、个人关联分析等。完整列表见 README。
如何自定义或添加新的 Enrichers？
从代码证据看，Enrichers 基于 YAML 模板实现，模板文件位于 `flowsint-core/tests/templates/`，支持定义 HTTP 请求、响应映射、多步骤和密钥。但仓库中未明确给出用户自定义 Enrichers 的界面或文档，可能需要修改源码或配置模板文件，具体方式需参考模板示例和核心模块代码。