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 +1,46 @@
|
||||
# HOST_ID.md —— 本机标识与角色
|
||||
|
||||
> 本机身份文件,存储于 agent-local/identity/HOST_ID.md
|
||||
> 首次初始化时自动生成,可手动修改角色和能力开关
|
||||
|
||||
---
|
||||
|
||||
## 主机信息
|
||||
|
||||
- 主机名: __HOSTNAME__
|
||||
- 系统: __OS_INFO__
|
||||
- 角色: node
|
||||
- 创建时间: __INIT_TIME__
|
||||
|
||||
## 角色说明
|
||||
|
||||
| 角色 | 权限 | 执行任务 |
|
||||
|------|------|---------|
|
||||
| master | 读写全部协同目录 | 知识提纯/记忆汇总/核心维护 |
|
||||
| maintainer | 写入提交箱 | 内容采集/本地记忆/提交有价值内容 |
|
||||
| node | 只提交 | 信息采集/素材上传 |
|
||||
|
||||
## 能力开关
|
||||
|
||||
修改以下值以控制本机功能:
|
||||
|
||||
```yaml
|
||||
# 记忆类
|
||||
memory_digestion: true # 本机记忆提炼
|
||||
memory_export: true # 提交有价值记忆到主库
|
||||
|
||||
# 知识类
|
||||
knowledge_collection: true # 内容采集
|
||||
knowledge_refinement: false # 知识库提纯(仅 master 设为 true)
|
||||
knowledge_publish: false # 知识库发布(仅 master 设为 true)
|
||||
|
||||
# 自动化
|
||||
auto_collector: true # 定时采集
|
||||
inbox_refine: false # 收件箱提纯(仅 master 设为 true)
|
||||
git_sync_push: false # Git推送(仅 master 设为 true)
|
||||
```
|
||||
|
||||
## 角色切换
|
||||
|
||||
修改上方 `角色` 字段后,重启相关任务即可生效。
|
||||
各自动化脚本执行时会自动检查角色,不匹配则跳过。
|
||||
Reference in New Issue
Block a user