feat(monitor): 抖音 Web 接口客户端 —— 绕开爬虫子进程,直接发 HTTP
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:
@@ -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_*
|
||||
Reference in New Issue
Block a user