User-Scanner Skill：465+平台一键挖出任意邮箱/用户名的数字足迹

Skill超级捕获手 技术创作者 2026-09-01 15 阅读

只需输入一个邮箱或用户名，User-Scanner 就能在 465+ 平台上自动探测该账号的注册痕迹，交叉扫描还能从已有资料里挖掘出更多关联身份。它不是单一平台的查询工具，而是一个完整的数字足迹侦察引擎——集成了 MCP 协议、可接入 Claude Desktop 等 AI 助手进行自动化 OSINT 渗透，同时支持代理轮换、批量扫描和 PDF/JSON/CSV 多格式导出，堪称安全研究员的”一键开源情报百科”。今天它在 GitHub Trending 上单日新增 93 颗 star、总量突破 4,461⭐，是近期热度最高的 OSINT 工具之一。

功能与设计原则

User-Scanner 的设计原则可以概括为三点：全、准、快。

全：覆盖 465 个活跃维护的扫描向量，包括 175+ 邮件平台和 290+ 用户名平台，从社交媒体（Twitter/X、Instagram、LinkedIn）到开发者平台（GitHub、GitLab、npm）再到成人网站、游戏平台、创作者平台，应有尽有。所有模块均为无认证的公开端点检测，严格遵守各平台 ToS，不越界，不留痕。

准：扫描结果高度结构化，每个平台返回「Registered / Not Registered / Error」三类状态，并附带头像、简介、粉丝数、UID 等丰富元数据。Cross-Scan 引擎还支持多轮交叉扫描——以初始结果为跳板，自动追踪外链邮箱或关联别名，实现真正的递归情报扩展。

快：基于 httpx + curl_cffi 实现高并发并行扫描，自动进行 TLS 指纹模拟以绕过部分平台的反爬机制；内置代理轮换、预扫描健康检查，确保大规模侦察时网络稳定。

认可度

截至 2026-09-01，GitHub 实时数据：

  • ⭐ 4,461 stars（全部公开可见）
  • 454 forks
  • 93 stars today（当日 Trending 增量）
  • 项目目前仍处于活跃维护状态，最近一次更新距今不足一个月

在 GitHub Trending（2026-09-01）社会工程类工具中稳居前列，被 enna-ten、GitHub Trending 多个平台收录推荐。

链接

GitHub：https://github.com/kaifcodec/user-scanner

原作者

kaifcodec（GitHub @kaifcodec）

自述为 ML + Cloud Computing + Python 爱好者，同时维护有 InstaScrape、apk-patchx、ApiBrute 等多个开源安全工具。项目整体走 MIT 开源路线，欢迎社区贡献新扫描模块。

介绍

User-Scanner 最早是一个”用户名查重”工具，逐步演变为今天的全功能 OSINT 侦察套件。它的核心使用场景是：当你只知道一个人的邮箱或用户名时，快速摸清这个人在全网的数字存在。

传统上做这类调查需要跑 Holehe（邮件枚举）+ Sherlock（用户名枚举）两个工具，User-Scanner 将两者合一并大幅扩展了覆盖范围：目前覆盖的平台数量是 Holehe + Sherlock 合计的数倍，且结果去重、格式统一。

除了基本的注册查询，项目最具差异化的特性是 Cross-Scan（交叉扫描） 和 MCP Server 集成：

  • Cross-Scan：以第一轮发现的邮箱或用户名外链为输入，自动开启第二轮、第三轮扫描，形成情报链。
  • MCP Server：提供标准 MCP 协议接口，可直接接入 Claude Desktop、Cursor、Antigravity 等 AI 助手，让 AI 替你执行 OSINT 并分析结果。

特点

  • 🕵️ 465+ 扫描向量：175+ 邮件平台 + 290+ 用户名平台，一套工具全覆盖
  • 🔀 Cross-Scan 交叉扫描：从公开资料中递归挖掘关联身份，支持多跳深度（–cross-depth）
  • 🤖 MCP Server 集成：原生接入 Claude Desktop / Cursor / Antigravity，AI 驱动的自动化侦察
  • 🛡️ Hudson Rock 泄露情报：内置 –hudson flag，查询目标是否出现在 infostealer 木马泄露日志中
  • ⚡ 高性能并行扫描：httpx + curl_cffi + TLS 指纹模拟，支持代理轮换与预检验
  • 📂 多格式导出：PDF（带头像）、JSON、CSV，满足不同下游集成需求
  • 🌐 代理轮换：支持 HTTP/SOCK5 代理，预扫描健康检查防止无效节点拖慢扫描
  • 🎨 响应式终端 UI：动态进度条、自适应分类网格、清晰的状态报告

使用方法

安装（pip）：

pip install user-scanner
# 可选：安装 MCP Server 支持（接入 AI 助手）
pip install "user-scanner[mcp]"

无需安装，用 nix 直接跑：

nix run github:kaifcodec/user-scanner/main -- --help

基本扫描：

# 用户名扫描
user-scanner -u johndoe

# 邮箱扫描
user-scanner -e johndoe@gmail.com

交叉扫描（从初始结果扩展关联身份）：

user-scanner -u johndoe --cross-scan
user-scanner -e johndoe@gmail.com --cross-scan --cross-depth 2

按分类扫描：

user-scanner -u johndoe -c dev      # 仅开发者平台
user-scanner -e target@gmail.com -m github,instagram  # 指定模块
user-scanner -lu                    # 列出所有可用分类与模块

批量扫描 + 导出：

user-scanner -uf usernames.txt          # 批量扫描
user-scanner -u johndoe -f pdf -o report.pdf   # 导出 PDF
user-scanner -u johndoe -f json -o results.json # 导出 JSON

接入 AI 助手（Claude Desktop 等）：

# 启动 MCP Server
user-scanner-mcp -v

# 在 claude_desktop_config.json 中添加：
# {
#   "mcpServers": {
#     "user-scanner": { "command": "user-scanner-mcp" }
#   }
# }

使用场景与人群

适用场景：

  • 安全研究员的被动情报收集（事前侦察阶段）
  • 红队行动中的目标画像构建
  • 数字取证与事件响应
  • 调查记者、保护性安全研究
  • 渗透测试前的公开信息摸底

目标用户：

  • 安全研究员 / 渗透测试工程师
  • OSINT 研究人员
  • 威胁情报分析师
  • 调查记者与数字取证从业者
  • 对数字足迹分析感兴趣的开发者

⚠️ 免责声明：工具仅限授权安全研究与教育目的使用，用户须自行确保符合当地法律及目标平台 ToS。

输入与输出案例

案例 1：用户名扫描

输入：user-scanner -u kaifcodec -c dev
输出：
{
  "username": "kaifcodec",
  "site_name": "Github",
  "category": "Dev",
  "status": "Found",
  "url": "https://github.com/kaifcodec",
  "extra": {
    "name": "Kaif",
    "bio": "EMPTY.",
    "followers": "243",
    "public_repos": "28",
    "links": "https://www.instagram.com/kaifcodec"
  }
}

案例 2：邮箱 + 交叉扫描

输入：user-scanner -e target@gmail.com --cross-scan
输出（首轮）：
{ "email": "target@gmail.com", "site_name": "Instagram", "status": "Registered" }
输出（Cross-Scan 发现的关联身份）：
{ "username": "target_user", "site_name": "Twitter", "status": "Found" }

扫描完成后可一键导出 PDF 报告，内含头像截图和完整元数据。

GitHub: https://github.com/kaifcodec/user-scanner

评论区

0 条评论

登录后可评论。

Skill超级捕获手 15 阅读