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 +1,57 @@
|
||||
# 🧠 AgentOS AI 阅读指南
|
||||
|
||||
> 每次启动任务时，先读此文件了解知识库结构。
|
||||
|
||||
## 知识库结构
|
||||
|
||||
```
|
||||
03_knowledge/
|
||||
├── 00_inbox/ ← 待提纯收件箱（每日采集暂存）
|
||||
├── 01_submissions/ ← 待归集提交箱（按来源分目录，23个文件）
|
||||
├── 10_concepts/ ← 概念知识（19个）
|
||||
├── 20_methods/ ← 方法技能（140个，含AI视频系统19章）
|
||||
├── 30_facts/ ← 事实数据
|
||||
├── 40_references/ ← 参考资料（9个）
|
||||
├── 50_resources/ ← 资源索引
|
||||
├── 60_opinions/ ← 个人观点
|
||||
├── 90_archive/ ← 归档
|
||||
└── 99_system/ ← 🆕 系统文档集中存放
|
||||
├── architecture/ ← 联邦架构、登录系统、触发分析
|
||||
├── matrix/ ← 矩阵养号系统文档
|
||||
├── references/ ← 系统引用（CloakBrowser, Peekaboo等）
|
||||
├── dashboard/ ← Dashboard 设计文档
|
||||
├── protocols/ ← 协议规范（cross-domain, knowledge-review等）
|
||||
├── pipelines/ ← 自动化管线
|
||||
├── prompts/ ← 智能体提示词
|
||||
├── taxonomies/ ← 分类法
|
||||
├── templates/ ← 知识卡片模板
|
||||
└── archive/ ← 归档旧文档
|
||||
```
|
||||
|
||||
## 任务类型 → 查阅目录
|
||||
|
||||
| 任务类型 | 查阅目录 | 说明 |
|
||||
|:---------|:---------|:-----|
|
||||
| 矩阵养号 | `99_system/matrix/` | 养号架构、蓝图、原子操作、登录体系 |
|
||||
| 知识入库 | `99_system/protocols/` (knowledge-review) | 入库审查流程 |
|
||||
| 跨域联想 | `99_system/protocols/` (cross-domain) | 跨域联想协议 |
|
||||
| 元思考 | `99_system/protocols/` (meta-thinking) | 元认知框架 |
|
||||
| 卡住干预 | `99_system/protocols/` (stuck-intervention) | 卡住恢复策略 |
|
||||
| AI视频 | `20_methods/` (ai-video-system/) | 19章完整体系 |
|
||||
| 系统架构 | `99_system/architecture/` | 联邦架构设计 |
|
||||
| 知识卡片 | `99_system/templates/` | 卡片模板 |
|
||||
|
||||
## 使用规范
|
||||
|
||||
1. **不要重复创建**：查知识库前先搜索已有内容
|
||||
2. **记忆体 vs 知识**：日期前缀文件是 `memory_triage` 输出的记忆体，不是知识。知识是无日期的概念/方法/事实
|
||||
3. **系统文档**：所有系统架构/设计/协议文档都在 `99_system/` 下
|
||||
4. **先读指南**：每次启动先读此文件
|
||||
|
||||
## 变更日志
|
||||
|
||||
| 日期 | 变更 |
|
||||
|:----|:-----|
|
||||
| 2026-06-18 | 创建 AI_READING_GUIDE.md |
|
||||
| 2026-06-18 | 04_ops/ → 99_system/matrix/ |
|
||||
| 2026-06-18 | 去重删除 ~130 个重复文件 |
|
||||
Reference in New Issue
Block a user