feat(monitor): 抖音 Web 接口客户端 —— 绕开爬虫子进程,直接发 HTTP
Deploy VitePress site to Pages / build (push) Canceled after 0s
Deploy VitePress site to Pages / Deploy (push) Canceled after 0s

移植自 mac-agent-os 的 mediacrawler_adapter:不起子进程、不开页面,用浏览器里那份
登录态直接调抖音 Web 接口。产物键名照抄 store/douyin,所以 ingest 那条链路一个字不用改。

**目前能用的(真环境实测,非推断)**:

    profile/other : 200, 7075 字节  —— 博主主页指标(粉丝/获赞/作品数/昵称)
    aweme/detail  : 200, 45425 字节 —— 单条作品详情(含点赞/评论/收藏/分享)

**目前不能用的:作品列表 `aweme/post`。** 两个互相独立的原因:
  1. 这个接口被抖音单独升级成了真校验:不带 x-tt-argus 回 403「Uifid Not Found」,
     带上 dummy 值回 200 + **空 body**。也就是说「头在不在」骗得过,「真校验」过不了。
     同一套头打 profile/other 和 aweme/detail 都是通的 —— 抖音是挑着接口加保护的,
     挑中的恰好是「批量拉作品列表」这个最敏感的动作。
  2. 改走页面截获也不行:CDP 浏览器打开博主主页会落到「验证码中间页」(当天大量探测的
     代价,过几小时要重测)。

  所以现在的边界是:**已知作品的指标刷新能做,自动发现新作品做不了**。

**排查中控住变量后得到的两条事实**(都写进注释了):
  · `Accept` / `Accept-Language` / `Referer` 才是主页接口能返回真数据的原因 —— 只有
    UA+client hints+Cookie 时是 200 但仅 121 字节的空壳,补上这三个头变 7074 字节。
    (我先前猜的 sec-ch-ua 不是关键。)
  · 因此 UA 与 client hints 必须**成套地取自同一个浏览器**,所以 BrowserIdentity 一次
    从 CDP 取齐 cookie + UA + hints,而不是各自写死。

「200 + 空 body 必须当场报错」也是刻意写死的:放过去它会在下游变成「这个博主没作品」,
把一次失败伪装成一条正常结果 —— 爬虫那条路正是这么栽的,还被翻译成「账号被封」。

测试 +11:cookie 解析、请求头成套性(含 uifid 缺失/回退)、产物键名与 store 对齐、
以及 _get 的三条失败路径(空 body / 403 带网关原话 / 正常返回)。
This commit is contained in:
2026-10-10 17:12:25 +08:00
parent 21ff01b894
commit 2112c1a870
1601 changed files with 367425 additions and 0 deletions
+182
View File
@@ -0,0 +1,182 @@
# ==========================================
# AgentOS .gitignore
# 多机协作时,每个机器的专属文件应排除在外
# ==========================================
# -------- 系统文件 --------
.DS_Store
.DS_Store?
._*
.Spotlight-V100
.Trashes
ehthumbs.db
Thumbs.db
# Python
__pycache__/
*.py[cod]
*$py.class
*.so
*.egg-info/
dist/
build/
.eggs/
# 虚拟环境
.venv/
venv/
# 运行时缓存(已软链接到 ~/agent-os-local/runtime_cache)
06_runtime/cache/
# 软链接目标文件不会被 Git 追踪,但以防万一排除大文件
*.mp4
*.mp3
*.mov
*.avi
*.mkv
*.wav
*.flac
*.zip
*.tar.gz
*.rar
*.7z
# 打包产物
07_migration/exports/
# 系统检查报告(临时文件)
system-check-report-*.md
# WorkBuddy 运行时(不属于仓库)
.codebuddy/
.workbuddy/
# ======== Obsidian 配置(各机器独立,不参与同步) ========
# workspace.json 记录窗口位置、打开的文件等,每台机器不同
# app.json/appearance.json 含插件配置、主题等,各机器独立
.obsidian/
!.obsidian/core-plugins.json # 核心插件列表可同步(共享)
# ======================================================
# ======== 本机身份文件(从模板生成,各机器独立) ========
01_core/IDENTITY.md
01_core/HOST_ID.md
01_core/USER.md
# ======================================================
# 本地化MCP配置
01_core/mcp.json
01_core/mcp.tpl.json
# 本机记忆数据库(各机独立)
04_memory/long_term/facts.db
# 日志文件(各机独立)
04_memory/logs/*.log
04_memory/logs/*.log.*
# 软链接到 Obsidian 库的目录(不跟踪)
03_knowledge/01_daily/memory/
# Matrix 浏览器 Profile(每台机器独立,含 Cookie 和缓存)
05_tools/07_matrix/profiles/
05_tools/07_matrix/logs/
05_tools/07_matrix/scripts/archive/
# 本机 Matrix 路径配置(每台机器独立)
05_tools/07_matrix/local.yaml
# SMS 验证码配置(含API Key,每台机器独立)
05_tools/07_matrix/scripts/config/sms.yaml
# ======== longcat 爬虫(浏览器数据,不入库)========
05_tools/05_crawl/longcat/profiles/
05_tools/05_crawl/longcat/.local_packages/
# SMS 验证码配置(含API Key,每台机器独立)
05_tools/07_matrix/scripts/config/sms.yaml
# 配置备份
backup_*/
# 本机数据目录(不同步)
agent-local/
agent-os.code-workspace
04_memory/vector_db
06_runtime/
.obsidian/
# ======== 联邦运行时(各机器 guardd 自动生成)========
# 旧格式:按 hostname 命名的目录,各机器自生成,不同步
04_memory/cross_machine/status/*/heartbeat.json
# 新格式 v3:status/live/{uid}.json —— 需要同步到远程
# 注意不要用 "status/*/" 会连 live/ 一起排除
04_memory/cross_machine/events/
04_memory/cross_machine/knowledge/*.json
04_memory/cross_machine/tasks/
# ────── v4.2.0 新增排除项 ──────
# 图片文件(截图、素材,不入库)
*.png
*.jpg
*.jpeg
*.gif
*.webp
# ChromaDB 数据(各机独立)
chroma.sqlite3
**/chroma/
# 前端构建产物
node_modules/
dist/
build/
# ML 模型文件
*.pth
*.bin
*.onnx
*.npy
*.npz
# 运行时数据目录
04_memory/cross_machine/data/
04_memory/cross_machine/machines/
# Matrix 截图
05_tools/07_matrix/screenshots/
# AVE 输出
05_tools/09_ave/output/
05_tools/09_ave/cache/
# 系统报告归档
reports/
# Dashboard 前端产物
05_tools/10_dashboard/frontend/node_modules/
05_tools/10_dashboard/frontend/dist/
# Obsidian 插件(大文件 JS 不入库)
.obsidian/plugins/
# longcat 本地包(含 120MB Playwright node 二进制)
05_tools/05_crawl/longcat/.local_packages/
03_knowledge/01_submissions/*/
# 多机共享注册表(已迁移到 machines/*/ 方式,旧文件冲突不断,排除)
04_memory/cross_machine/status/live/_registry.json
# guardd 心跳数据 (已迁移到本机 local 目录, 不再提交 Gitee)
04_memory/cross_machine/data/
04_memory/cross_machine/status/live/
# Dashboard 构建产物(自动生成,不提交)
05_tools/10_dashboard/static/assets/
05_tools/10_dashboard/frontend/node_modules/
05_tools/10_dashboard/frontend/dist/
05_tools/07_matrix/config/ai.yaml
05_tools/09_ave/scripts/character_registry/backups/
# 能力清单改版备份(本地临时)
05_tools/09_ave/config/*.bak_*