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）。
2026-10-10 17:12:25 +08:00
parent 21ff01b894
commit 2112c1a870
1601 changed files with 367425 additions and 0 deletions
@@ -0,0 +1,12 @@
+# _archived/ — 已归档技能
+
+以下技能已归档，当前无实现代码，仅供设计参考。
+
+## 归档清单
+
+| 原技能 | 归档日期 | 说明 |
+|:-------|:---------|:-----|
+| content_processor | 2026-06-21 | 统一内容采集入口设计，待实现 |
+| web_crawler | 2026-06-21 | 三引擎网页抓取设计，待实现 |
+| auto_collector | 2026-06-21 | 24h 自动采集设计，待实现 |
+| cloakbrowser_controller | 2026-06-21 | CloakBrowser 操作设计，待实现 |
@@ -0,0 +1,15 @@
+---
+name: auto_collector
+version: 1.0.0
+status: archived
+archived_date: 2026-06-21
+description: 24小时自动信息收集——已归档，无实现代码。设计保留供参考。
+triggers: []
+---
+
+# Auto Collector Skill（已归档）
+
+> ⚠️ 此技能已归档。当前无 Python 实现代码，不应在 WorkBuddy 中注册。
+
+该技能原设计为 24h 多平台监控、定时采集、自动分类入库。
+具体实现待后续规划。
@@ -0,0 +1,15 @@
+---
+name: cloakbrowser_controller
+version: 1.0.0
+status: archived
+archived_date: 2026-06-21
+description: CloakBrowser 源码级反爬浏览器——已归档，无实现代码。设计保留供参考。
+triggers: []
+---
+
+# CloakBrowser Controller Skill（已归档）
+
+> ⚠️ 此技能已归档。当前无实现代码，不应在 WorkBuddy 中注册。
+
+该技能原设计为源码级修改的 Chromium 分发版，49项 C++ 补丁修改指纹。
+具体实现待后续规划。
@@ -0,0 +1,15 @@
+---
+name: content_processor
+version: 2.0.0
+status: archived
+archived_date: 2026-06-21
+description: 统一内容采集入口——已归档，无实现代码。设计保留供参考。
+triggers: []
+---
+
+# Content Processor Skill（已归档）
+
+> ⚠️ 此技能已归档。当前无 Python 实现代码，不应在 WorkBuddy 中注册。
+
+该技能原设计为统一的内容采集入口，按内容类型路由，区分知识类与素材类。
+具体实现待后续规划。
@@ -0,0 +1,15 @@
+---
+name: web_crawler
+version: 1.2.0
+status: archived
+archived_date: 2026-06-21
+description: 网页抓取+反爬技能——已归档，无实现代码。设计保留供参考。
+triggers: []
+---
+
+# Web Crawler Skill（已归档）
+
+> ⚠️ 此技能已归档。当前无 Python 实现代码，不应在 WorkBuddy 中注册。
+
+该技能原设计使用 Scrapling + Crawl4AI + CloakBrowser 三引擎自适应抓取。
+具体实现待后续规划。