# کار با آرشیو

Canonical page: https://phishdestroy.github.io/TgWitness/fa/docs/archive/

پیام را پیدا کنید. منبع را بررسی کنید. پرونده را بسازید.

این ابزارها از شاخهٔ اصلی فعلی در دسترس هستند. نسخهٔ پیش‌نمایش قابل‌حمل‌ونقل 0.7.0 پیش از آن‌ها منتشر شده است؛ برای این گردش کار از خروجی‌گیری از سورس استفاده کنید.

01**وارد کردن تاریخچه**

پیام‌های گذشته را از منابع فعال‌شده خود در فضای کاری بارگذاری کنید.

02**منابع را دنبال کنید**

در آرشیو جستجو کنید و پیام ذخیره‌شده‌ی پشت هر نتیجه را باز کنید.

03**واگذاری را واضح نگه دارید**

تحلیل خود را به‌طور جداگانه ذخیره کنید و شواهد امضا شده را در کنار آن صادر کنید.

سوابق ضبط‌شده، متن شناسایی‌شده و نتیجه‌گیری‌های تحلیلگر از یکدیگر مجزا باقی می‌مانند.

## بارگذاری پیام‌های گذشته

1. بخش **منابع → گفتگوهای تحت پوشش** را باز کنید، گفتگوهای فعال‌شده را مرور کنید و مشاهده را آغاز کنید.
2. **«بارگذاری کل تاریخچه**» **را** انتخاب کنید. این اجرا از فهرست منبعی که در آن لحظه انتخاب شده است استفاده می‌کند.
3. در صورت نیاز از **«تاریخچه توقف»** و **«تاریخچه ادامه»** استفاده کنید. پس از راه‌اندازی مجدد، ادامه را به‌طور صریح از سر بگیرید.
4. نتایج هر منبع و صف پیوست‌ها را بررسی کنید. گزارش پیشرفت امضا شده را همراه با خروجی شواهد ذخیره کنید.

این فضای کاری را با پیام‌های موجود پر می‌کند. خروجی‌گیری HTML/JSON به‌ازای هر چت عملیاتی جداگانه است. [جزئیات تاریخچه و بازیابی](https://phishdestroy.github.io/TgWitness/fa/docs/reference/history/).

## ابتدا جستجو کنید، سپس در مورد هوش مصنوعی تصمیم بگیرید

1. برای جستجوی محلی، **مجله** را باز کنید. یک فضای کاری انتخاب کنید و از فیلترهای منبع و زمان استفاده کنید.
2. یک عبارت یا دامنه را جستجو کنید. رکورد مطابقت‌یافته و نسخه‌های ذخیره‌شده آن را باز کنید.
3. برای تحلیل با هوش مصنوعی، مدیر یک ارائه‌دهنده را در **یکپارچه‌سازی‌ها** فعال و پیکربندی می‌کند. **از آرشیو بپرسید** را باز کنید و گفتگوها و یک دوره را انتخاب کنید. پیش از تأیید درخواست، بخش **داده‌های ارسال‌شده به مدل** را بررسی کنید و تیک گزیده‌های ناخواسته را بردارید.
4. استنادهای بازگردانده‌شده را بررسی کنید. پاسخ را به‌عنوان یک گزارش ذخیره کنید و بازنگری یا یادداشت‌های خود را اضافه کنید.

جستجو به‌صورت محلی و بدون هوش مصنوعی اجرا می‌شود. گزارش‌های تحلیلی ارجاعات منبع و تاریخچهٔ بازنگری را حفظ می‌کنند؛ آن‌ها از دفترچهٔ امضاشده جدا هستند. [راه‌اندازی ارائه‌دهنده و گزارش‌ها](https://phishdestroy.github.io/TgWitness/fa/docs/reference/analysis/).

## اتصال مورد نیاز خود را انتخاب کنید

| وظیفه | باز | راه‌اندازی |
| --- | --- | --- |
| گفت‌وگوهای منتخب را از یک کلاینت هوش مصنوعی بخوانید | **یکپارچه‌سازی‌ها → MCP** | [پلاگین MCP را نصب کنید، یک توکن محدود صادر کنید و کلاینت را متصل کنید](https://phishdestroy.github.io/TgWitness/fa/docs/reference/mcp/) |
| شناسایی متن در رسانه‌های ذخیره‌شده | یک رکورد `media.saved` → **شناسایی پیوست** | [راه‌اندازی کارگر محلی Docker و فایل‌های زبان/مدل مورد نیاز](https://phishdestroy.github.io/TgWitness/fa/docs/reference/media-analysis/) |
| ارسال رویدادها به n8n یا یک SIEM | **یکپارچه‌سازی‌ها → وب‌هوک‌های خروجی** | [یک گیرنده اضافه کنید، HMAC را تأیید کنید و شناسه‌های رویداد را یکتا‌سازی کنید](https://phishdestroy.github.io/TgWitness/fa/docs/reference/webhooks/) |

**کدام توکن دسترسی کجا قرار می‌گیرد؟**

دسترسی به پنل برای افرادی است که پرونده را بررسی می‌کنند. اتصالات MCP توکن‌های آرشیو فقط-خواندن جداگانه‌ای دریافت می‌کنند. یک گیرنده وب‌هوک از HMAC مخفی خود استفاده می‌کند. هیچ‌یک به فایل جلسه تلگرام نیاز ندارند.

[دسترسی پنل را به اشتراک بگذارید](https://phishdestroy.github.io/TgWitness/fa/docs/access/) یا [یک کلاینت MCP را پیکربندی کنید](https://phishdestroy.github.io/TgWitness/fa/docs/reference/mcp/).

## ارائه منابع و نتیجه‌گیری‌ها

گزارش تحلیلی بازبینی‌شده را در کنار فایل ZIP حاوی شواهد امضا‌شده نگه دارید. این گزارش برداشت شما از منابع را توضیح می‌دهد؛ فایل ZIP به دریافت‌کننده امکان می‌دهد رکورد ذخیره‌شده را با اثر انگشت و نقطه کنترل مستقل و مورد اعتماد مقایسه کند.

[صادرات و تأیید](https://phishdestroy.github.io/TgWitness/fa/docs/exports/) · [پیگیری یک تحقیق کامل](https://phishdestroy.github.io/TgWitness/fa/docs/cases/)