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/05_crawl/content-inspiration/utils.py

@@ -0,0 +1,154 @@
+"""
+口播素材系统 - 通用工具函数
+"""
+
+import os
+import sys
+import json
+import sqlite3
+import logging
+from datetime import datetime
+from pathlib import Path
+
+# 项目根目录（本文件所在目录的父级）
+PROJECT_ROOT = Path(__file__).parent.resolve()
+
+
+def load_config() -> dict:
+    """加载 config.yaml 配置文件"""
+    import yaml
+    config_path = PROJECT_ROOT / "config.yaml"
+    if not config_path.exists():
+        raise FileNotFoundError(f"配置文件不存在: {config_path}")
+    with open(config_path, "r", encoding="utf-8") as f:
+        config = yaml.safe_load(f)
+    # 展开路径中的 ~
+    for key in ("media_dir", "audio_dir", "raw_dir", "db_path", "logs_dir"):
+        if key in config.get("storage", {}):
+            config["storage"][key] = os.path.expanduser(config["storage"][key])
+    return config
+
+
+def get_db_path(config: dict = None) -> str:
+    """获取数据库文件路径"""
+    if config is None:
+        config = load_config()
+    db_path = config["storage"]["db_path"]
+    if not os.path.isabs(db_path):
+        db_path = str(PROJECT_ROOT / db_path)
+    return db_path
+
+
+def get_db(db_path: str = None) -> sqlite3.Connection:
+    """获取数据库连接（开启 WAL 模式）"""
+    if db_path is None:
+        db_path = get_db_path()
+    os.makedirs(os.path.dirname(db_path), exist_ok=True)
+    conn = sqlite3.connect(db_path)
+    conn.row_factory = sqlite3.Row
+    conn.execute("PRAGMA journal_mode = WAL")
+    conn.execute("PRAGMA foreign_keys = ON")
+    return conn
+
+
+def init_db(db_path: str = None):
+    """初始化数据库（执行 schema.sql）"""
+    if db_path is None:
+        db_path = get_db_path()
+    schema_path = PROJECT_ROOT / "schema.sql"
+    conn = get_db(db_path)
+    with open(schema_path, "r", encoding="utf-8") as f:
+        conn.executescript(f.read())
+    conn.close()
+    return db_path
+
+
+def setup_logger(name: str, log_file: str = None, config: dict = None) -> logging.Logger:
+    """配置日志"""
+    if config is None:
+        config = load_config()
+    if log_file is None:
+        logs_dir = config["storage"].get("logs_dir", "logs")
+        if not os.path.isabs(logs_dir):
+            logs_dir = str(PROJECT_ROOT / logs_dir)
+        os.makedirs(logs_dir, exist_ok=True)
+        log_file = os.path.join(logs_dir, f"{name}_{datetime.now():%Y%m%d}.log")
+
+    logger = logging.getLogger(name)
+    logger.setLevel(logging.DEBUG)
+    # 避免重复添加 handler
+    if logger.handlers:
+        return logger
+
+    fmt = logging.Formatter("%(asctime)s [%(levelname)s] %(message)s", datefmt="%H:%M:%S")
+    fh = logging.FileHandler(log_file, encoding="utf-8")
+    fh.setFormatter(fmt)
+    fh.setLevel(logging.DEBUG)
+    sh = logging.StreamHandler(sys.stdout)
+    sh.setFormatter(fmt)
+    sh.setLevel(logging.INFO)
+    logger.addHandler(fh)
+    logger.addHandler(sh)
+    return logger
+
+
+def parse_jsonl(file_path: str) -> list[dict]:
+    """逐行读取 JSONL 文件，返回字典列表"""
+    records = []
+    with open(file_path, "r", encoding="utf-8") as f:
+        for line_no, line in enumerate(f, 1):
+            line = line.strip()
+            if not line:
+                continue
+            try:
+                records.append(json.loads(line))
+            except json.JSONDecodeError as e:
+                print(f"[WARN] JSONL 第 {line_no} 行解析失败: {e}")
+    return records
+
+
+def save_jsonl(records: list[dict], file_path: str, append: bool = True):
+    """写入 JSONL 文件"""
+    os.makedirs(os.path.dirname(file_path), exist_ok=True)
+    mode = "a" if append else "w"
+    with open(file_path, mode, encoding="utf-8") as f:
+        for rec in records:
+            f.write(json.dumps(rec, ensure_ascii=False) + "\n")
+
+
+def truncate_text(text: str, max_len: int = 20, ellipsis: str = "") -> str:
+    """截断文本用于文件名"""
+    if not text:
+        return ""
+    text = text.replace("/", "_").replace("\\", "_").replace(" ", "_")
+    # 去除不合法文件名字符
+    import re
+    text = re.sub(r'[<>:"|?*]', '', text)
+    if len(text) > max_len:
+        return text[:max_len] + ellipsis
+    return text
+
+
+def check_omlx(config: dict = None) -> bool:
+    """检查 oMLX 是否可用"""
+    if config is None:
+        config = load_config()
+    import httpx
+    try:
+        resp = httpx.get(
+            f"{config['llm']['base_url']}/models",
+            headers={"Authorization": f"Bearer {config['llm']['api_key']}"},
+            timeout=5
+        )
+        if resp.status_code == 200:
+            models = [m["id"] for m in resp.json().get("data", [])]
+            target = config["llm"]["model"]
+            if target in models:
+                print(f"[OK] oMLX 可用，模型: {target}")
+                return True
+            else:
+                print(f"[WARN] oMLX 可用但缺少模型 {target}，已有: {models}")
+                return False
+    except Exception as e:
+        print(f"[WARN] oMLX 不可用: {e}")
+    return False