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 +1,180 @@
+#!/usr/bin/env python3
+"""
+⚠️ 已废弃 — 请使用 Dashboard 采集 API 替代。
+   本文件保留以供 douyin_login.py 引用，新代码禁止导入。
+
+profile_scraper.py — 账号主页资料自动采集引擎 v1.0
+
+功能:
+  - 对每个已登录的 Camoufox 账号
+  - 打开平台个人主页
+  - 提取: 昵称 / 粉丝 / 关注 / 简介 / 作品数 / 最热视频
+  - 存储到 machines/{uid}/profiles/{account_id}.json
+  - 集成到养号流程 (每次养号后自动刷新)
+
+版本: 1.0.0 | 更新: 2026-05-31
+"""
+import json, os, asyncio, re
+from datetime import datetime, timezone
+from pathlib import Path
+from typing import Optional
+
+HOME = Path.home()
+AGENT_SYNC = HOME / "workbuddy-agent-os" / "agent-sync"
+AGENT_LOCAL = HOME / "workbuddy-agent-os" / "agent-local"
+
+PROFILES_DIR = AGENT_SYNC / "04_memory" / "cross_machine" / "machines"
+LOCAL_PROFILES = AGENT_LOCAL / "runtime" / "profiles"
+
+# ── 平台主页 URL 模板 (按平台扩展) ─────────────────────
+# 格式: platform → (url_pattern, selectors)
+PLATFORM_PROFILES = {
+    "douyin": {
+        "url": "https://www.douyin.com/user/self",
+        "selectors": {
+            "display_name": ".nickname, .account-info .name, h1",
+            "followers": ".follower-count, .follower-num, span[class*=follower]",
+            "following": ".following-count, .following-num",
+            "bio": ".signature, .desc, .bio",
+            "video_count": ".video-count, .post-count, span[class*=video]",
+            "likes_received": ".like-count, .total-favorited",
+        }
+    },
+    "xiaohongshu": {
+        "url": "https://www.xiaohongshu.com/user/profile",
+        "selectors": {
+            "display_name": ".username, .user-name, h1",
+            "followers": ".follower-count, span[class*=fans]",
+            "following": ".following-count, span[class*=follow]",
+            "bio": ".desc, .user-desc, .introduction",
+            "video_count": ".note-count, .post-count",
+            "collects_received": ".collected-count",
+        }
+    },
+    "kuaishou": {
+        "url": "https://www.kuaishou.com/profile",
+        "selectors": {
+            "display_name": ".name, .username",
+            "followers": ".fans, .follower-count",
+            "following": ".follow, .following-count",
+            "bio": ".description, .signature",
+            "video_count": ".works-count, .video-count",
+        }
+    },
+}
+
+
+class ProfileScraper:
+    """账号主页资料采集器"""
+
+    def __init__(self):
+        self._local_uid = self._resolve_uid()
+        self._local_hostname = self._resolve_hostname()
+        LOCAL_PROFILES.mkdir(parents=True, exist_ok=True)
+
+    def refresh_all(self) -> list[dict]:
+        """刷新所有本机已登录账号的资料"""
+        try:
+            from matrix_mgmt import MatrixManager
+            mgr = MatrixManager()
+            accounts = mgr.list_accounts()
+            local = [a for a in accounts if a.get("is_local") and a.get("_status") == "logged_in"]
+        except ImportError:
+            return [{"error": "matrix_mgmt not available"}]
+
+        results = []
+        for acct in local:
+            try:
+                result = self._scrape_one(acct)
+                results.append(result)
+            except Exception as e:
+                results.append({"account": acct["id"], "error": str(e)})
+        return results
+
+    def refresh(self, account_ids: list[str]) -> list[dict]:
+        """刷新指定账号的资料"""
+        try:
+            from matrix_mgmt import MatrixManager
+            mgr = MatrixManager()
+            accounts = mgr.list_accounts()
+            targets = [a for a in accounts if a["id"] in account_ids]
+        except ImportError:
+            return [{"error": "matrix_mgmt not available"}]
+
+        results = []
+        for acct in targets:
+            try:
+                result = self._scrape_one(acct)
+                results.append(result)
+            except Exception as e:
+                results.append({"account": acct["id"], "error": str(e)})
+        return results
+
+    def _scrape_one(self, acct: dict) -> dict:
+        """采集单个账号的主页资料
+
+        实际执行时通过 matrix_nurture 的 Camoufox 实例完成。
+        此处为框架接口——Camoufox 操作由 nurture_runner 调用。
+        """
+        platform = acct.get("platform", "")
+        profile_config = PLATFORM_PROFILES.get(platform)
+        if not profile_config:
+            return {"account": acct["id"], "error": f"不支持的平台: {platform}"}
+
+        # 构建结果框架
+        result = {
+            "account_id": acct["id"],
+            "platform": platform,
+            "collected_at": datetime.now(timezone.utc).isoformat(),
+        }
+
+        # 采集流程:
+        # 1. 启动 Camoufox (用该账号的 identity_dir)
+        # 2. 导航到 platform.url
+        # 3. 等待页面加载 + 提取 selectors
+        # 4. 关闭浏览器
+        # 5. 存储结果
+
+        # 待 Camoufox API 就绪后实现具体采集逻辑
+        # 当前返回框架占位
+        result["_status"] = "pending_implementation"
+        result["_note"] = "采集逻辑待 Camoufox API 集成"
+
+        # 写入本地存储
+        self._save_profile(result)
+        return result
+
+    def _save_profile(self, data: dict):
+        """存储采集到的资料到 machines/{uid}/profiles/{account_id}.json"""
+        profiles_dir = PROFILES_DIR / self._local_uid / "profiles"
+        profiles_dir.mkdir(parents=True, exist_ok=True)
+        path = profiles_dir / f"{data['account_id']}.json"
+        path.write_text(json.dumps(data, indent=2, ensure_ascii=False), encoding="utf-8")
+
+    def get_profile(self, account_id: str) -> Optional[dict]:
+        """读取已存储的账号资料"""
+        path = PROFILES_DIR / self._local_uid / "profiles" / f"{account_id}.json"
+        if path.exists():
+            try:
+                return json.loads(path.read_text())
+            except:
+                pass
+        return None
+
+    def _resolve_uid(self) -> str:
+        uid_file = AGENT_LOCAL / "identity" / "machine_uid"
+        if uid_file.exists():
+            return uid_file.read_text().strip()
+        return os.uname().nodename
+
+    def _resolve_hostname(self) -> str:
+        hn_file = AGENT_LOCAL / "identity" / "cached_hostname"
+        if hn_file.exists():
+            return hn_file.read_text().strip()
+        return os.uname().nodename
+
+
+if __name__ == "__main__":
+    scraper = ProfileScraper()
+    results = scraper.refresh_all()
+    print(json.dumps(results, indent=2, ensure_ascii=False))