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 +1,30 @@
|
||||
# 领域分类表
|
||||
|
||||
> 本表定义了 AgentOS 知识库的领域分类体系。当"其他"类别超过总知识的 5% 时，应考虑新增领域。
|
||||
|
||||
## 一级领域列表
|
||||
|
||||
| 编号 | 英文目录名 | 中文名称 | 说明 | 典型子领域 |
|
||||
|---|---|---|---|---|
|
||||
| 01 | cs | 计算机科学 | 编程、系统、网络、数据库等 | 数据库、前端、后端、运维、安全 |
|
||||
| 02 | ai | 人工智能 | ML/DL/NLP/CV/LLM 等 | NLP、CV、强化学习、RAG、Agent |
|
||||
| 03 | finance | 金融 | 股票、基金、投资、财报等 | 量化交易、价值投资、宏观经济 |
|
||||
| 04 | law | 法律 | 法规、合规、合同等 | 民法、商法、知识产权 |
|
||||
| 05 | medicine | 医学 | 健康、疾病、药物等 | 中医、西医、营养学 |
|
||||
| 06 | physics | 物理 | 物理学知识 | 量子力学、相对论、热力学 |
|
||||
| 07 | math | 数学 | 数学理论与应用 | 线性代数、概率统计、微积分 |
|
||||
| 08 | psychology | 心理学 | 心理学知识 | 认知心理学、社会心理学 |
|
||||
| 09 | philosophy | 哲学 | 哲学思考 | 认识论、伦理学、美学 |
|
||||
| 10 | history | 历史 | 历史事件与脉络 | 中国史、世界史、科技史 |
|
||||
| 11 | engineering | 工程 | 工程技术 | 机械、电子、土木 |
|
||||
| 12 | design | 设计 | 设计理论与方法 | UI/UX、平面设计、建筑设计 |
|
||||
| 13 | business | 商业 | 商业知识 | 创业、管理、营销、战略 |
|
||||
| 14 | personal-management | 个人管理 | 效率、习惯、时间管理 | GTD、番茄工作法、精力管理 |
|
||||
| 15 | personal-insight | 个人洞见 | 心得、感悟、人生经验 | 决策模型、价值观、反思 |
|
||||
| 16 | other | 其他 | 暂未归类的知识 | 待新增领域 |
|
||||
|
||||
## 新增领域规则
|
||||
|
||||
1. 当"其他"类别下的知识文件数超过总文件数的 5% 时，memory_manager 技能提示新增
|
||||
2. 新领域需同时定义：中文名称、英文目录名、说明、典型子领域
|
||||
3. 新增领域后，需更新本文件和 folder-aliases.json
|
||||
@@ -0,0 +1,64 @@
|
||||
{
|
||||
"version": "1.0.0",
|
||||
"description": "AgentOS 目录中文映射配置——文件夹名为英文，此处提供中文别名用于展示和检索",
|
||||
"root": {
|
||||
"agent-os": "AgentOS 智能体操作系统"
|
||||
},
|
||||
"directories": {
|
||||
"00_bootstrap": "初始化引导",
|
||||
"01_core": "核心配置",
|
||||
"02_skills": "技能包",
|
||||
"03_knowledge": "知识库",
|
||||
"04_memory": "记忆体",
|
||||
"05_tools": "工具脚本",
|
||||
"06_runtime": "运行时",
|
||||
"07_migration": "迁移备份"
|
||||
},
|
||||
"knowledge": {
|
||||
"00_inbox": "收件箱",
|
||||
"01_daily": "日记",
|
||||
"10_concepts": "概念层",
|
||||
"20_methods": "方法层",
|
||||
"30_facts": "事实层",
|
||||
"40_references": "参考层",
|
||||
"50_resources": "资源层",
|
||||
"60_opinions": "观点层",
|
||||
"90_archive": "归档层",
|
||||
"99_system": "系统层"
|
||||
},
|
||||
"concepts_domains": {
|
||||
"cs": "计算机科学",
|
||||
"ai": "人工智能",
|
||||
"finance": "金融",
|
||||
"law": "法律",
|
||||
"medicine": "医学",
|
||||
"physics": "物理",
|
||||
"math": "数学",
|
||||
"psychology": "心理学",
|
||||
"philosophy": "哲学",
|
||||
"history": "历史",
|
||||
"engineering": "工程",
|
||||
"design": "设计",
|
||||
"business": "商业",
|
||||
"personal-management": "个人管理",
|
||||
"personal-insight": "个人洞见",
|
||||
"other": "其他"
|
||||
},
|
||||
"memory": {
|
||||
"vector_db": "向量数据库",
|
||||
"logs": "操作日志",
|
||||
"daily_summaries": "每日摘要",
|
||||
"long_term": "长期记忆",
|
||||
"raw": "原文存档",
|
||||
"memory_backup": "记忆备份"
|
||||
},
|
||||
"tools": {
|
||||
"00_setup": "环境安装",
|
||||
"01_system": "系统操作",
|
||||
"02_browser": "浏览器",
|
||||
"03_ocr": "OCR识别",
|
||||
"04_media": "媒体处理",
|
||||
"05_crawl": "爬虫抓取",
|
||||
"06_mobile": "移动端"
|
||||
}
|
||||
}
|
||||
@@ -0,0 +1,39 @@
|
||||
# 知识属性分类表
|
||||
|
||||
> 本表定义了知识的 nature 属性类型，决定了知识卡片在知识库中的物理位置。
|
||||
|
||||
## 属性类型
|
||||
|
||||
| nature 值 | 中文名称 | 说明 | 目标目录 | 可信度权重 |
|
||||
|---|---|---|---|---|
|
||||
| fact | 事实 | 已验证的客观事实 | 30_facts/ | 1.0 |
|
||||
| method | 方法 | 可操作的步骤、教程、最佳实践 | 20_methods/ | 1.0 |
|
||||
| concept | 概念 | 原子概念、知识卡片 | 10_concepts/ | 0.8 |
|
||||
| regulation | 规章制度 | 法律、法规、组织制度 | 30_facts/ | 1.0 |
|
||||
| reference | 参考资料 | 论文、文档、外部资料 | 40_references/ | 0.7 |
|
||||
| data | 数据 | 测试数据、基准测试结果 | 30_facts/ | 0.9 |
|
||||
| opinion | 观点 | 主观看法、推测、未验证想法 | 60_opinions/ | 0.5 |
|
||||
| quote | 引用 | 他人原话、经典语录 | 60_opinions/ | 0.6 |
|
||||
| axiom | 公理 | 公认的基础原理，无需证明 | 10_concepts/ | 1.0 |
|
||||
|
||||
## 分类决策树
|
||||
|
||||
```
|
||||
这段内容是在描述"世界是什么样"还是在说"应该怎么做"？
|
||||
├── "是什么" → 可能是 fact/opinion/quote/data/reference/axiom
|
||||
│ ├── 有实验数据/论文支持 → fact (confidence: 0.8+)
|
||||
│ ├── 是作者的个人看法 → opinion (confidence: 0.4-0.6)
|
||||
│ ├── 是引用的他人原话 → quote (confidence: 标注来源可信度)
|
||||
│ ├── 是公认无需证明的原理 → axiom (confidence: 0.95+)
|
||||
│ ├── 是链接/文献/资料 → reference (confidence: 0.7)
|
||||
│ └── 是测试数据/基准结果 → data (confidence: 0.9)
|
||||
└── "怎么做" → 可能是 method/regulation
|
||||
├── 有明确法律/组织强制力 → regulation (confidence: 1.0)
|
||||
└── 是可操作的步骤/教程 → method (confidence: 1.0)
|
||||
```
|
||||
|
||||
## 属性变更规则
|
||||
|
||||
- opinion → fact：观点被验证为事实时，confidence 提升，文件移动到 30_facts/
|
||||
- fact → opinion：事实被推翻时，confidence 降低，文件移动到 60_opinions/
|
||||
- 所有属性变更由 kb_manager reclassify 自动处理，同时更新内链
|
||||
Reference in New Issue
Block a user