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）。

mac-agent-os-main/05_tools/00_setup/agentos/check.py

@@ -0,0 +1,228 @@
+"""
+agentos check — 全系统健康检查
+"""
+
+import sys
+import subprocess
+from pathlib import Path
+
+from .utils import (
+    get_sync_root, get_local_root, get_python, get_npx,
+    info, ok, warn, err, run, banner
+)
+
+
+def check_item(name: str, status: str, detail: str = ""):
+    """输出检查项"""
+    icon = {"ok": "✅", "warn": "⚠️ ", "fail": "❌"}
+    label = {"ok": "通过", "warn": "警告", "fail": "失败"}
+    print(f"  {icon.get(status, '❓')} [{label.get(status, '未知')}] {name}")
+    if detail:
+        print(f"      {detail}")
+
+
+def cmd_check(quick: bool = False):
+    """执行全系统健康检查"""
+    banner()
+    sync_root = get_sync_root()
+    local_root = get_local_root()
+
+    print("=" * 60)
+    print("  全系统健康检查")
+    print("=" * 60)
+    print()
+
+    # 1. 目录结构
+    print("📁 目录结构:")
+    check_item("agent-sync 根目录", "ok" if sync_root.exists() else "fail", str(sync_root))
+    check_item("agent-local 根目录", "ok" if local_root.exists() else "fail", str(local_root))
+
+    sync_skills = sync_root / "02_skills"
+    sync_skills_count = len([d for d in sync_skills.iterdir() if d.is_dir() and (d / "SKILL.md").exists()]) if sync_skills.exists() else 0
+    check_item(f"技能目录 ({sync_skills_count} 个)", "ok" if sync_skills_count > 0 else "warn")
+
+    local_materials = local_root / "materials" if local_root.exists() else None
+    local_raw = local_root / "memory/raw" if local_root.exists() else None
+    materials_exist = local_materials and local_materials.exists()
+    raw_exist = local_raw and local_raw.exists()
+    check_item("materials/", "ok" if materials_exist else "warn", "采集素材目录")
+    check_item("memory/raw/", "ok" if raw_exist else "warn", "L3 记忆原文目录")
+
+    # 2. 软链接
+    print("\n🔗 软链接:")
+    symlinks_to_check = [
+        ("04_memory/long_term/raw", local_root / "memory/raw"),
+        ("04_memory/vector_db", local_root / "memory/vector_db"),
+        ("06_runtime/cache", local_root / "runtime/cache"),
+    ]
+    for link_rel, target in symlinks_to_check:
+        link_path = sync_root / link_rel
+        if link_path.is_symlink():
+            actual = link_path.resolve()
+            expected = target.resolve()
+            if actual == expected:
+                check_item(f"{link_rel} → OK", "ok")
+            else:
+                check_item(f"{link_rel} → 指向错误", "warn", f"实际: {actual}, 期望: {expected}")
+        elif link_path.exists():
+            check_item(f"{link_rel} → 真实目录", "ok")
+        else:
+            check_item(f"{link_rel} → 不存在", "fail")
+
+    # 3. Python 环境
+    print("\n🐍 Python 环境:")
+    py = get_python()
+    if Path(py).exists():
+        result = run([py, "--version"])
+        check_item("Python 版本", "ok" if result.returncode == 0 else "fail", result.stdout.strip() if result.returncode == 0 else "")
+    else:
+        check_item("Python 可执行文件", "fail", py)
+
+    # 关键依赖检查
+    deps = ["chromadb", "trafilatura", "feedparser", "sqlite_utils"]
+    for dep in deps:
+        result = run([py, "-c", f"import {dep}"])
+        check_item(f"依赖: {dep}", "ok" if result.returncode == 0 else "fail")
+
+    if quick:
+        print("\n" + "=" * 60)
+        ok("快速检查完成")
+        return
+
+    # 4. oMLX
+    print("\n🤖 本地 LLM 引擎:")
+    try:
+        import json, urllib.request
+        data = json.dumps({"model": "Qwen3-Embedding-0.6B-4bit-DWQ", "input": ["test"]}).encode()
+        req = urllib.request.Request(
+            "http://localhost:8000/v1/embeddings",
+            data=data,
+            headers={"Authorization": "Bearer omlx", "Content-Type": "application/json"},
+            method="POST",
+        )
+        resp = urllib.request.urlopen(req, timeout=5)
+        check_item("oMLX Embedding API", "ok" if resp.status == 200 else "fail", f"状态码 {resp.status}")
+    except Exception as e:
+        check_item("oMLX Embedding API", "fail", str(e))
+
+    # 音频转文字能力检查
+    print("\n🎙️  音频转文字:")
+    ffmpeg = run(["which", "ffmpeg"])
+    if ffmpeg.returncode == 0:
+        check_item("ffmpeg（系统工具）", "ok", "已安装")
+    else:
+        check_item("ffmpeg（系统工具）", "warn", "未安装，音频转文字不可用。运行: brew install ffmpeg")
+    
+    whisper_check = run([py, "-m", "pip", "show", "openai-whisper"])
+    if whisper_check.returncode == 0:
+        import re
+        ver_match = re.search(r"Version:\s*(\S+)", whisper_check.stdout)
+        ver = ver_match.group(1) if ver_match else "?"
+        check_item("openai-whisper（Python包）", "ok", f"v{ver}")
+        # 检查模型是否已下载
+        import os as _os
+        whisper_cache = _os.path.expanduser("~/.cache/whisper")
+        if _os.path.exists(whisper_cache):
+            models = [f for f in _os.listdir(whisper_cache) if f.endswith(('.pt', '.bin'))]
+            if models:
+                model_sizes = [_os.path.getsize(_os.path.join(whisper_cache, m)) / 1024 / 1024 for m in models]
+                detail = ", ".join([f"{m} ({s:.0f}MB)" for m, s in zip(models, model_sizes)])
+                check_item("Whisper 模型权重", "ok", f"已缓存: {detail}")
+            else:
+                check_item("Whisper 模型权重", "warn", "首次使用时会自动下载（~1.5GB）")
+        else:
+            check_item("Whisper 模型权重", "warn", "未下载，首次运行自动下载（~1.5GB）")
+    else:
+        check_item("openai-whisper（Python包）", "fail", "未安装，运行: pip install openai-whisper")
+
+    # 5. facts.db
+    print("\n🗄️  记忆层:")
+    facts_db = sync_root / "04_memory" / "long_term" / "facts.db"
+    if facts_db.exists():
+        size_kb = facts_db.stat().st_size / 1024
+        result = run([py, "-c", f"""
+import sqlite3
+conn = sqlite3.connect('{facts_db}')
+c = conn.cursor()
+c.execute("SELECT COUNT(*) FROM facts")
+count = c.fetchone()[0]
+c.execute("SELECT COUNT(DISTINCT subject) FROM facts")
+subjects = c.fetchone()[0]
+conn.close()
+print(f"条目: {{count}}, 主题: {{subjects}}")
+"""])
+        check_item(f"facts.db ({size_kb:.1f} KB)", "ok", result.stdout.strip() if result.returncode == 0 else "读取异常")
+    else:
+        check_item("facts.db", "warn", "不存在（首次初始化正常）")
+
+    # 6. 向量库
+    vector_db = local_root / "vector_db" / "global" / "chroma"
+    if vector_db.exists():
+        chroma_files = list(vector_db.glob("*.sqlite3"))
+        check_item("global 向量库", "ok" if chroma_files else "warn", f"目录存在但无 .sqlite3 文件" if not chroma_files else "")
+    else:
+        check_item("global 向量库", "warn", "未建，运行 agentos init 或 vector_db_rebuild.py 重建")
+
+    # 7. WorkBuddy 技能注册
+    print("\n📦 技能注册状态:")
+    wb_skills = Path.home() / ".workbuddy" / "skills"
+    sync_skills_dir = sync_root / "02_skills"
+    if wb_skills.exists() and sync_skills_dir.exists():
+        wb_names = {d.name for d in wb_skills.iterdir() if d.is_dir()}
+        src_names = {d.name for d in sync_skills_dir.iterdir() if d.is_dir() and (d / "SKILL.md").exists()}
+        missing = src_names - wb_names
+        extra = wb_names - src_names
+        if missing:
+            check_item(f"未注册到 WorkBuddy ({len(missing)} 个)", "warn", ", ".join(sorted(missing)))
+        if extra:
+            check_item(f"WB 中多余的 ({len(extra)} 个)", "warn", ", ".join(sorted(extra)))
+        if not missing and not extra:
+            check_item(f"技能一致性 ({len(src_names)} 个)", "ok", "源目录与 WB 注册一致")
+
+    # 8. 磁盘
+    print("\n💾 磁盘空间:")
+    import shutil
+    usage = shutil.disk_usage(str(Path.home()))
+    free_gb = usage.free / (1024 ** 3)
+    total_gb = usage.total / (1024 ** 3)
+    pct = usage.free / usage.total * 100
+    status = "ok" if pct > 10 else "warn"
+    check_item(f"磁盘剩余", status, f"{free_gb:.0f} GB / {total_gb:.0f} GB ({pct:.0f}%)")
+
+    print()
+    print("=" * 60)
+    ok("健康检查完成")
+    print()
+
+
+def install_deps(dry_run: bool = False):
+    """安装 Python 依赖（被 init 调用）"""
+    py = get_python()
+    req_file = get_sync_root() / "requirements.txt"
+    if not req_file.exists():
+        warn(f"requirements.txt 不存在: {req_file}")
+        return
+
+    if dry_run:
+        info(f"  [DRY-RUN] pip install -r {req_file}")
+        return
+
+    info("安装 Python 依赖...")
+    result = run([py, "-m", "pip", "install", "-r", str(req_file), "--quiet"])
+    if result.returncode == 0:
+        ok("Python 依赖安装完成")
+    else:
+        warn(f"部分依赖安装失败:\n{result.stderr[:200]}")
+
+    # 检查并提示安装 ffmpeg（音频转文字需要）
+    ffmpeg = run(["which", "ffmpeg"])
+    if ffmpeg.returncode != 0:
+        print()
+        warn("音频转文字功能需要 ffmpeg 系统工具")
+        info("  运行以下命令安装:")
+        info("    brew install ffmpeg")
+        print()
+
+
+def cmd_run(args):
+    cmd_check(quick=args.quick)