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 +1,64 @@
|
||||
{
|
||||
"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"
|
||||
}
|
||||
}
|
||||
Reference in New Issue
Block a user