Shadowbroker開源情報聚合，AI 洞察全球動態

你可能聽說過「開源情報」（OSINT），但真正能把衛星軌跡、私人飛機和地震資料放在同一個儀表盤上，還允許 AI 幫你找關聯的工具——不多。Shadowbroker 就是這樣一個專案，它在 GitHub 上已積累 9290 星，目標很直白：把散落在公開源頭的全球動態資訊，統一到一個介面裡。

為什麼一個情報聚合工具值得關注？

情報資料從來都不缺，缺的是聚合和分析的能力。Shadowbroker 預設整合了 ADS-B 飛機資料、衛星軌道資訊、地震監測記錄，以及部分企業/私人飛機的公開軌跡。這些資料通常分散在不同的網站和 API 裡，手動翻查效率極低。這個專案通過一個 Python 應用把它們拉到一起，使用者可以在同一張地圖和時間軸上看到：一架灣流 G650 剛剛飛過中東、一顆間諜衛星恰好經過同一區域，同時該地發生了一次 3.2 級地震——這些事件單獨看沒什麼，但放在一起就可能暗示某種關聯。

更關鍵的是，Shadowbroker 提供了 AI 代理介面。使用者可以把 OpenAI 或本地 LLM 接進來，讓模型自動分析這些多源資料，尋找人眼難以發現的模式。比如：「在過去 24 小時內，有哪些私人飛機在衛星過頂後 2 小時內改變了航線？」這類問題，傳統上需要寫複雜 SQL 或手動比對，現在一句話就能交給 AI。

它適合誰？怎麼用？

這個專案對三類人特別實用：安全研究人員（追蹤特定人物或組織的移動）、調查記者（驗證事件背後的地理關聯）、以及 地緣政治愛好者（實時觀察全球熱點）。具體使用不算太難：

• 克隆倉庫後，用 Docker 或直接 Python 執行，配置資料來源（需要申請免費的 ADS-B 和衛星 API 金鑰）。
• Web 介面基於簡單的 Flask 後端，地圖用 Leaflet 渲染，資料更新頻率可調。
• 接入 AI 時，你可以在配置檔案中設定 OpenAI API Key 或本地模型端點，然後自然語言提問。

當然，它還不是一個「開箱即用」的產品。你至少得會基本的命令列操作，理解 API 金鑰是什麼。文件目前比較簡略，但社羣在快速補充。

一個典型場景：追蹤「幽靈航班」

想象你是一位調查記者，正在追蹤某位寡頭的私人飛機。你設定 Shadowbroker 持續監控特定註冊號的飛機，並關聯附近的衛星活動。當飛機在公海關閉應答機（ADS-B 訊號消失）時，系統會記錄時間戳，並與該區域上空的衛星日誌比對。如果發現同一時間段有一顆商業成像衛星變軌經過，這可能意味著飛機在刻意躲避光學偵查——這種線索以前需要多個人工步驟才能串起來，現在 Shadowbroker + AI 代理可以在幾分鐘內給出關聯報告。

侷限與短板

作為一個開源專案，Shadowbroker 仍處於早期階段。介面美觀度一般，沒有移動端適配；資料來源依賴免費 API，有頻率限制，無法處理高併發；AI 分析部分目前只支援簡單的文字問答，還不能自動生成視覺化報表。另外，隱私和倫理問題需要使用者自己把握——這個工具可以輕鬆監控任何人，請確保在合法範圍內使用。

實用建議

想上手？留意幾點：第一，先跑通本地資料來源，去掉 AI 部分也能做基礎聚合；第二，加入專案的 Discord 或 GitHub Discussions，因為文件更新可能滯後，社羣問答更快；第三，如果想用 AI，建議先試本地模型（比如 Llama 3），避免敏感資料過 OpenAI API。一句話總結：Shadowbroker 不是給普通網民準備的玩具，但對於情報分析從業者，它可能是今年最值得關注的開源專案之一。