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 +1,62 @@
+# 采集与展示分离方案
+
+## 当前问题
+
+身份与账号页面的每个平台行都有 👤 采集按钮，点击后打开浏览器实际采集。但：
+- 采集和展示耦合在一起，用户分不清是"重新读取文件"还是"重新打开浏览器"
+- 每次想看最新状态都得重新采集（打开浏览器耗时几十秒）
+- 展示数据已经在 profiles.json 中，但缺少"仅刷新展示"的入口
+
+## 当前数据流
+
+```
+               采集（打开浏览器）
+                     │
+               douyin_ops 执行
+                     │
+                     ▼
+              profiles.json
+                     │
+                     ▼
+          api_sms_accounts 读取
+                     │
+                     ▼
+           loadSmsAccounts 展示
+```
+
+## 目标：采集与展示分离
+
+```
+命令与任务                     身份与账号
+─────────────────────         ─────────────────────
+信息采集 TAB                   卡片展示
+  ├─ 选账号（单/多/全部）         ├─ 状态：登录/昵称/同步 ✅❌
+  ├─ 执行采集（开浏览器）         ├─ 昵称名称
+  └─ 查看采集状态                 └─ [🔄 刷新展示] 按钮
+                                      │
+                                      ▼
+                              只重新调 API，不打开浏览器
+                              从 profiles.json 读最新数据
+```
+
+## 改动点
+
+### 1. 身份与账号页面
+- 去掉每行平台的 👤 采集按钮（移到命令与任务）
+- 卡片底部保留「👤 全部采集」（批量操作）
+- 增加「🔄 刷新展示」按钮（只重调 API，不打开浏览器）
+- 增加「🔄 刷新状态」按钮在页面右上角（已有）
+
+### 2. 命令与任务页面
+- 新增「信息采集」TAB（第四个 TAB）
+- 内容：账号下拉选择 + 执行采集 + 采集状态日志
+
+### 3. 后端 API
+- 现有 `POST /api/matrix/accounts/{id}/collect-profile` — 保留（采集用）
+- 现有 `GET /api/matrix/sms/accounts` — 保留（展示用）
+- 不需要新增 API
+
+## 好处
+- 展示秒级刷新（只读文件，不开浏览器）
+- 采集集中管理（在命令与任务统一操作）
+- 用户不混淆"刷新展示"和"重新采集"