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 +1,100 @@
+"""
+Peekaboo 使用策略层 — 控制截图频率和用量，避免 token 浪费
+
+核心原则：
+  1. 能不用不用 — 优先用 DOM/API/文本方式
+  2. 非必要不截图 — 截图是最后手段
+  3. 截图有冷却 — 5秒内不重复截
+  4. 单会话上限 — 最多截 20 次
+"""
+
+import time
+import subprocess
+import os
+from pathlib import Path
+
+PEEKABOO_BIN = os.path.expanduser("~/.workbuddy/binaries/node/versions/22.12.0/bin/peekaboo")
+if not os.path.exists(PEEKABOO_BIN):
+    PEEKABOO_BIN = "peekaboo"  # fallback to PATH
+
+# ============ 使用策略常量 ============
+SCREENSHOT_COOLDOWN = 5          # 截图冷却（秒）
+MAX_SCREENSHOTS_PER_SESSION = 20 # 单次对话最大截图数
+CACHE_DIR = Path("/tmp/peekaboo_cache")
+CACHE_DIR.mkdir(exist_ok=True)
+
+# ============ 运行时状态 ============
+_last_screenshot_time = 0.0
+_screenshot_count = 0
+_cache = {}
+
+
+def screenshot(app: str = "frontmost", force: bool = False) -> str:
+    """
+    截图（带策略控制）
+
+    Args:
+        app: 目标应用名或 frontmost
+        force: 跳过冷却/上限检查
+
+    Returns:
+        截图保存路径，或空字符串（被限制时）
+    """
+    global _last_screenshot_time, _screenshot_count
+
+    now = time.time()
+
+    # 检查上限
+    if not force and _screenshot_count >= MAX_SCREENSHOTS_PER_SESSION:
+        print("  ⚠️ 截图已达上限 (%d次)，跳过" % MAX_SCREENSHOTS_PER_SESSION)
+        return ""
+
+    # 检查冷却
+    if not force and (now - _last_screenshot_time) < SCREENSHOT_COOLDOWN:
+        remaining = SCREENSHOT_COOLDOWN - (now - _last_screenshot_time)
+        print("  ⚠️ 截图冷却中，还剩 %.0f 秒" % remaining)
+        return ""
+
+    # 检查缓存（同一应用 30 秒内不重复截）
+    cache_key = f"screenshot:{app}"
+    if cache_key in _cache:
+        cached_time, cached_path = _cache[cache_key]
+        if (now - cached_time) < 30:
+            print("  ⏭ 使用缓存截图 (%s)" % cached_path)
+            return cached_path
+
+    # 执行截图
+    out_path = str(CACHE_DIR / f"screenshot_{int(now)}.png")
+    env = {**os.environ, "NODE_OPTIONS": ""}
+    for k in ["HTTP_PROXY", "HTTPS_PROXY"]:
+        env.pop(k, None)
+
+    try:
+        cmd = [PEEKABOO_BIN, "image", "--app", app, "--path", out_path, "--json", "--log-level", "error"]
+        subprocess.run(cmd, capture_output=True, timeout=15, env=env)
+        _last_screenshot_time = now
+        _screenshot_count += 1
+        _cache[cache_key] = (now, out_path)
+        print("  📸 截图已保存 (%s) [第%d次]" % (out_path, _screenshot_count))
+        return out_path
+    except Exception as e:
+        print("  ⚠️ 截图失败: %s" % e)
+        return ""
+
+
+def reset():
+    """重置截图计数器（新对话开始时调用）"""
+    global _screenshot_count, _last_screenshot_time, _cache
+    _screenshot_count = 0
+    _last_screenshot_time = 0.0
+    _cache = {}
+    print("  🔄 Peekaboo 策略已重置")
+
+
+def status() -> dict:
+    """查看当前策略状态"""
+    return {
+        "screenshots_taken": _screenshot_count,
+        "max_screenshots": MAX_SCREENSHOTS_PER_SESSION,
+        "cooldown_remaining": max(0, SCREENSHOT_COOLDOWN - (time.time() - _last_screenshot_time)),
+    }