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 +1,135 @@
+#!/usr/bin/env python3
+"""
+检查自动化任务环境配置
+"""
+
+import os
+import sys
+import subprocess
+from pathlib import Path
+
+def check_python_env():
+    """检查 Python 环境"""
+    print("检查 Python 环境:")
+    print("-" * 40)
+    
+    # 系统 Python
+    sys_python = "/usr/bin/python3"
+    if Path(sys_python).exists():
+        result = subprocess.run([sys_python, "--version"], capture_output=True, text=True)
+        print(f"系统 Python: {result.stdout.strip() if result.returncode == 0 else '❌ 不可用'}")
+    else:
+        print(f"系统 Python: ❌ 不存在")
+    
+    # WorkBuddy 管理的 Python
+    wb_python = "/Users/chengzige/.workbuddy/binaries/python/envs/agent-os/bin/python3"
+    if Path(wb_python).exists():
+        result = subprocess.run([wb_python, "--version"], capture_output=True, text=True)
+        print(f"WorkBuddy Python: {result.stdout.strip() if result.returncode == 0 else '❌ 不可用'}")
+    else:
+        print(f"WorkBuddy Python: ❌ 不存在")
+    
+    # 当前脚本使用的 Python
+    print(f"当前 Python: {sys.executable}")
+    result = subprocess.run([sys.executable, "--version"], capture_output=True, text=True)
+    print(f"当前版本: {result.stdout.strip() if result.returncode == 0 else '未知'}")
+    
+    print()
+
+def check_omlx_connection():
+    """检查 oMLX 连接"""
+    print("检查 oMLX 连接:")
+    print("-" * 40)
+    
+    import requests
+    
+    # 测试 embedding API（关键依赖）
+    url = "http://localhost:8000/v1/embeddings"
+    headers = {"Authorization": "Bearer omlx", "Content-Type": "application/json"}
+    data = {"model": "Qwen3-Embedding-0.6B", "input": ["测试"]}
+    
+    try:
+        response = requests.post(url, headers=headers, json=data, timeout=10)
+        if response.status_code == 200:
+            print("✅ oMLX Embedding API: 正常")
+        else:
+            print(f"❌ oMLX Embedding API: 状态码 {response.status_code}")
+    except Exception as e:
+        print(f"❌ oMLX Embedding API: 连接失败 - {type(e).__name__}: {e}")
+    
+    print()
+
+def check_automation_paths():
+    """检查自动化脚本路径"""
+    print("检查自动化脚本路径:")
+    print("-" * 40)
+    
+    scripts = {
+        "daily_digest.py": "/Users/chengzige/agent-os/02_skills/memory_manager/daily_digest.py",
+        "collect_to_inbox.py": "/Users/chengzige/agent-os/02_skills/collect_to_inbox/collect_to_inbox.py",
+        "inbox_refine.py": "/Users/chengzige/agent-os/02_skills/inbox_refine/inbox_refine.py",
+        "semantic_search.py": "/Users/chengzige/agent-os/02_skills/memory_manager/semantic_search.py"
+    }
+    
+    for name, path in scripts.items():
+        if Path(path).exists():
+            print(f"✅ {name}: 存在")
+        else:
+            print(f"❌ {name}: 不存在")
+    
+    print()
+
+def check_python_dependencies():
+    """检查 Python 依赖"""
+    print("检查 Python 依赖:")
+    print("-" * 40)
+    
+    python_path = "/Users/chengzige/.workbuddy/binaries/python/envs/agent-os/bin/python3"
+    if not Path(python_path).exists():
+        print("❌ WorkBuddy Python 环境不存在")
+        return
+    
+    dependencies = [
+        "requests",
+        "chromadb",
+        "sqlite-utils",
+        "trafilatura",
+        "feedparser",
+        "schedule"
+    ]
+    
+    for dep in dependencies:
+        try:
+            result = subprocess.run(
+                [python_path, "-c", f"import {dep}; print({dep}.__version__)"],
+                capture_output=True, text=True, timeout=5
+            )
+            if result.returncode == 0:
+                print(f"✅ {dep}: {result.stdout.strip()}")
+            else:
+                print(f"❌ {dep}: 导入失败")
+        except Exception as e:
+            print(f"❌ {dep}: 检查失败 - {type(e).__name__}")
+
+def main():
+    print("=" * 60)
+    print("自动化任务环境检查")
+    print("=" * 60)
+    print()
+    
+    check_python_env()
+    check_omlx_connection()
+    check_automation_paths()
+    check_python_dependencies()
+    
+    print("=" * 60)
+    print("总结建议:")
+    print("1. 自动化任务应使用 WorkBuddy Python 环境")
+    print("2. 确保在 automation prompt 中指定完整路径:")
+    print("   /Users/chengzige/.workbuddy/binaries/python/envs/agent-os/bin/python3")
+    print("3. oMLX Embedding API 正常，向量化功能可用")
+    print("4. 所有脚本文件都存在，路径正确")
+    print("=" * 60)
+
+if __name__ == "__main__":
+    main()