OnionClaw
让AI Agent通过Tor网络访问暗网数据的开源工具，支持18个暗网搜索引擎和自动化OSINT分析
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
让AI Agent通过Tor网络访问暗网数据的开源工具，支持18个暗网搜索引擎和自动化OSINT分析
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
想象一下：一位安全研究员坐在咖啡馆里，不需要任何特殊权限，只要对着AI助手说一句话——"帮我查查最近有没有关于某医疗系统的数据泄露"——AI就能自动打开Tor浏览器，翻越重重代理，潜入暗网深处，抓取论坛帖子、分析泄露数据、生成一份结构化的威胁情报报告。
这就是OnionClaw正在做的事。
图1：OnionClaw项目Logo——一只攀爬洋葱层次结构的爪子，象征层层剥开暗网的神秘面纱
2026年，网络安全圈子里流传着一句话："AI Agent + Tor = 下一个五年最危险的自动化组合"。作者JacobJandon显然也意识到了这一点。他没有选择回避，而是主动把这个可能性做成了一个开源工具——OnionClaw，并毫不掩饰地在README里写明了它的所有潜在危害，从暗网爬虫、勒索软件情报收集，到自动化犯罪基础设施、虚假信息传播。
这不是免责声明，这是一个宣言。作者的原话是："这不是藏在角落里的警告文字，而是整篇文档的核心要点。"这种坦诚在开源安全工具中极为罕见——它既是一种道德上的自我保护，也是一种对安全社区的严肃提醒。
基于的SICRY引擎来自同一作者，集成了18个暗网搜索引擎、Robin OSINT分析流水线、四种LLM分析模式（威胁情报、勒索软件、个人身份、企业安全）。
作为OpenClaw skill安装后，AI Agent自动获得7个暗网命令，涵盖了完整的调查流程：
第一剑——check_tor.py：探路先锋
每次使用前必须先检查Tor是否正常运行。这个脚本会连接Tor SOCKS代理（默认127.0.0.1:9050），获取当前出口节点IP，并以结构化方式返回连接状态。如果tor_active为false，整个链路就无法工作。
第二剑——renew.py：换身份
Tor的核心特性是电路定期更换。renew.py通过Tor的ControlPort（9051）发送NEWNYM信号，强制Tor建立新的出口电路，获得全新的IP地址。这对于需要匿名操作的调查场景至关重要——比如你不想让同一个出口IP在多次请求中被关联。
第三剑——check_engines.py：侦察可用情报源
项目集成了18个暗网搜索引擎，check_engines.py负责逐一ping这些引擎，确认哪些当前可用、哪些已下线。在实际渗透测试或威胁情报收集中，知道哪个搜索引擎还能正常工作，本身就是有价值的情报。
第四剑——search.py：撒网捕鱼
这是最核心的搜索模块。调用SICRY引擎，同时向所有可用暗网搜索引擎发起查询请求，返回去重后的{title, url, engine}结果。支持--max参数限制结果数量，支持指定特定引擎。
第五剑——fetch.py：深入虎穴
拿到暗网页面URL后，fetch.py负责实际抓取页面内容。支持配置最大字符数（默认8000）、缓存TTL（默认600秒）。抓取结果可被后续分析模块使用。
第六剑——ask.py：LLM智能分析
从v2.0.0开始，支持四种LLM后端：OpenAI GPT-4o、Anthropic Claude、 Google Gemini、以及本地部署的Ollama和LLaMA.cpp。ask.py将抓取到的暗网内容交给LLM分析，生成结构化的情报摘要。
第七剑——pipeline.py：全自动化情报流水线
这是整个工具链的集大成者。一个pipeline.py --query "某目标" --mode corporate命令，自动完成：查询优化→引擎可用性检查→多引擎搜索→结果过滤→批量抓取→LLM综合分析→身份轮换→输出STIX/CSV/JSON/MD格式报告。v2.0还加入了SQLite断点续传、置信度评分、watch/alert模式（定时重新检查）和无LLM模式（analyze_nollm()）。
整个项目没有复杂的依赖树。核心依赖只有四个：
requests[socks]：通过SOCKS5协议将HTTP请求路由到Tor网络beautifulsoup4：解析暗网页面的HTML结构python-dotenv：管理环境变量配置stem：Python的Tor控制器库，用于编程控制Tor（NEWNYM信号等）sicry.py是整个系统的引擎核心，它被bundled在项目内，不需要单独安装。sync_sicry.py用于从上游Sicry仓库同步最新版本的sicry.py。
setup.py是一个交互式向导，首次运行时自动完成：.env文件创建（从.env.example复制）、torrc配置写入（添加ControlPort 9051）、Tor daemon启动验证。
值得注意的是：整个工具链是纯CLI的，没有Web界面，没有Docker化，也没有一键部署脚本。这意味着它天然适合AI Agent调用，但不太适合普通用户直接操作。
对于普通安全研究员： 门槛中等偏高。需要能够：1）在系统上安装并启动Tor daemon（Linux: apt install tor && systemctl start tor；macOS: brew install tor）；2）理解SOCKS5代理的概念；3）至少配置一个LLM API Key（OpenAI或Anthropic）。整个安装流程在setup.py的引导下约15-30分钟可以完成。
对于AI Agent（通过OpenClaw调用）： 门槛极低。只需执行cp -r OnionClaw ~/.openclaw/skills/onionclaw，然后在agent的对话中自然语言使用即可。OpenClaw框架会自动将自然语言指令映射为底层Python命令。
硬件要求方面： GPU完全不需要，纯CPU运行，内存占用约2GB，磁盘仅需200MB左右。
作者在README中用了极大的篇幅描述这个工具可能被滥用的场景，这既是项目最有争议的地方，也是最有价值的地方。
从纯技术角度，OnionClaw的局限包括：
OnionClaw代表了一种新兴的"主动披露型"安全开源模式：不是等工具被滥用后再发安全公告，而是预先将所有风险场景写进文档，让整个社区共同监督和讨论。
从技术趋势看，AI Agent+隐私网络的组合正在快速发展。OnionClaw率先将这一能力产品化，并通过OpenClaw skill的形式降低了AI Agent接入暗网的门槛。随着Anthropic MCP、OpenClaw等标准的成熟，未来会有更多类似的"AI能力扩展包"出现——它们的边界在哪里，监管如何介入，都将是持续讨论的话题。