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/10_dashboard/services/mediacrawler_adapter.py

@@ -0,0 +1,457 @@
+"""
+mediacrawler_adapter.py — 抖音视频数据采集器 v3
+
+全新架构：不再依赖 CDP/Playwright/浏览器页面。
+直接从 Chrome profile 读取 cookie，通过 HTTP 请求调用抖音 API。
+全程无窗口、无标签页、无闪烁。
+"""
+import asyncio, json, logging, os, re, time, sqlite3, urllib.request, urllib.error
+from pathlib import Path
+from typing import Optional
+
+logger = logging.getLogger("dashboard.mediacrawler_adapter")
+
+# HTTP 请求头（模拟浏览器）
+DOUYIN_HEADERS = {
+    "User-Agent": (
+        "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) "
+        "AppleWebKit/537.36 (KHTML, like Gecko) "
+        "Chrome/150.0.0.0 Safari/537.36"
+    ),
+    "Accept": "application/json, text/plain, */*",
+    "Accept-Language": "zh-CN,zh;q=0.9,en;q=0.8",
+    "Referer": "https://www.douyin.com/",
+    "Origin": "https://www.douyin.com",
+}
+
+
+# ── Playwright CDP 连接管理（复用，避免反复建连） ──
+# Chrome 新版把 cookie 值加密存在 SQLite 里，必须通过 CDP 读解密后的值。
+
+_PW = None
+_BROWSER = None
+
+async def _ensure_cdp():
+    """确保 Playwright CDP 连接可用（全局复用）"""
+    global _PW, _BROWSER
+    if _BROWSER and _PW:
+        try:
+            if _BROWSER.is_connected():
+                return _BROWSER.contexts[0] if _BROWSER.contexts else None
+        except:
+            pass
+        # 断连了，重建
+        try:
+            await _BROWSER.close()
+        except:
+            pass
+        try:
+            await _PW.stop()
+        except:
+            pass
+        _BROWSER = None
+        _PW = None
+    
+    try:
+        from playwright.async_api import async_playwright
+        _PW = await async_playwright().start()
+        _BROWSER = await _PW.chromium.connect_over_cdp("http://127.0.0.1:9222")
+        ctx = _BROWSER.contexts[0] if _BROWSER.contexts else None
+        return ctx
+    except Exception as e:
+        _BROWSER = None
+        _PW = None
+        logger.warning(f"CDP 连接失败: {e}")
+        return None
+
+
+async def _get_cookies() -> dict:
+    """从 CDP 连接读取 Chrome cookie（解密后的值）"""
+    ctx = await _ensure_cdp()
+    if not ctx:
+        return {}
+    try:
+        all_cookies = await ctx.cookies()
+        result = {}
+        for c in all_cookies:
+            domain = c.get("domain", "")
+            if "douyin" in domain or "amemv" in domain:
+                result[c["name"]] = c["value"]
+        return result
+    except Exception as e:
+        logger.warning(f"读 cookie 失败: {e}")
+        return {}
+
+
+def _cookie_str(cookies: dict) -> str:
+    """将 cookie 字典转为 HTTP Header 字符串"""
+    return "; ".join(f"{k}={v}" for k, v in cookies.items())
+
+
+# ── HTTP API 请求（不打开任何浏览器页面） ──
+
+def _http_get(url: str, cookies: dict, timeout: int = 15) -> dict:
+    """发起 HTTP GET 请求并返回 JSON（cookies 必传，由调用方从 CDP 获取）"""
+    req = urllib.request.Request(
+        url,
+        headers={
+            **DOUYIN_HEADERS,
+            "Cookie": _cookie_str(cookies),
+        },
+    )
+    with urllib.request.urlopen(req, timeout=timeout) as resp:
+        return json.loads(resp.read().decode())
+
+
+# ── 工具函数 ──
+
+def _extract_aweme_id(url: str):
+    m = re.search(r'douyin\.com/video/(\d+)', url)
+    if m:
+        return m.group(1)
+    m = re.search(r'iesdouyin\.com/share/video/(\d+)', url)
+    if m:
+        return m.group(1)
+    # 抖音精选页 / 发现页：modal_id 就是视频 aweme_id（jingxuan?modal_id=xxx）
+    m = re.search(r'(?:jingxuan|discover|modal_id)[=?/](\d+)', url)
+    if m:
+        return m.group(1)
+    return None
+
+
+def _resolve_shortlink(url: str):
+    import subprocess
+    try:
+        result = subprocess.run(
+            ["curl", "-sI", url], capture_output=True, text=True, timeout=10
+        )
+        for line in result.stdout.split("\n"):
+            if line.lower().startswith("location:"):
+                loc = line.split(":", 1)[1].strip()
+                m = re.search(r'/video/(\d+)', loc)
+                if m:
+                    return m.group(1)
+    except Exception:
+        pass
+    return None
+
+
+# ── 核心：获取视频数据（纯 HTTP，无浏览器） ──
+
+async def get_video_data(url: str) -> dict:
+    """
+    统一入口：传入抖音视频 URL，返回完整数据
+    通过 HTTP API 获取，不打开任何浏览器页面
+    """
+    aweme_id = _extract_aweme_id(url)
+    if not aweme_id:
+        aweme_id = _resolve_shortlink(url)
+    if not aweme_id:
+        return {"error": f"无法解析视频 ID: {url}"}
+
+    t0 = time.time()
+    result = {
+        "aweme_id": aweme_id,
+        "title": "",
+        "author": "",
+        "likes": 0,
+        "comments": 0,
+        "collects": 0,
+        "shares": 0,
+        "comment_texts": [],
+        "collected_at": time.strftime("%Y-%m-%d %H:%M:%S"),
+    }
+
+    # 读取登录态 cookie（通过 CDP，解密后的值）
+    cookies = await _get_cookies()
+    has_session = bool(cookies.get("sessionid"))
+    if not has_session:
+        result["error"] = "抖音登录已过期，请点击顶部「📱 打开抖音登录」按钮重新登录"
+        result["login_expired"] = True
+        return result
+
+    # 调抖音 API 获取视频详情
+    try:
+        api_url = (
+            f"https://www.douyin.com/aweme/v1/web/aweme/detail/"
+            f"?aweme_id={aweme_id}&version_code=170400&app_name=aweme&device_platform=web"
+        )
+        detail = await asyncio.to_thread(_http_get, api_url, cookies)
+    except urllib.error.HTTPError as e:
+        result["error"] = f"HTTP {e.code}: {e.reason}"
+        return result
+    except Exception as e:
+        result["error"] = f"请求失败: {e}"
+        return result
+
+    aweme = detail.get("aweme_detail", {})
+    if not aweme:
+        if detail.get("status_code") == 2:
+            result["error"] = "抖音登录已过期，请重新登录"
+            result["login_expired"] = True
+            return result
+        if detail.get("filter_detail"):
+            # filter_detail = 视频被平台过滤（已删除/违规/推广限制），接口层详情不可查
+            result["filtered"] = True
+            # 兜底策略：接口被过滤，改用页面浏览方式（打开网址读页面标题/meta），补全标题/博主
+            fb = await _page_fallback(url, aweme_id)
+            if fb:
+                result.update({
+                    "title": fb.get("title", ""),
+                    "author": fb.get("author", ""),
+                    "published_at": fb.get("published_at", ""),
+                    "source": "page_fallback",
+                    "api_error": "⚠️ 视频被平台过滤（接口层），已用页面兜底补全标题/博主",
+                })
+                return result
+            result["error"] = "⚠️ 视频被平台过滤，无法采集（可能已删除/违规/推广限制）"
+            return result
+        result["error"] = f"API 未返回数据: {str(detail)[:200]}"
+        return result
+
+    statistics = aweme.get("statistics", {})
+    author_info = aweme.get("author", {})
+
+    result.update({
+        "title": aweme.get("desc", ""),
+        "author": author_info.get("nickname", ""),
+        "author_uid": author_info.get("uid", ""),          # 数字ID（博主精确身份）
+        "author_sec_uid": author_info.get("sec_uid", ""),  # 加密ID
+        "author_unique_id": author_info.get("unique_id", ""),  # 抖音号
+        "likes": int(statistics.get("digg_count", 0)),
+        "comments": int(statistics.get("comment_count", 0)),
+        "collects": int(statistics.get("collect_count", 0)),
+        "shares": int(statistics.get("share_count", 0)),
+    })
+
+    # 获取热评（复用已有 Chrome 页面，不创建新标签页）
+    # Chrome 已有 douyin.com 页面，直接用它的 JS 上下文执行 fetch
+    # ⚠️ 不要 new_page() — 那会在 Chrome 中闪出新标签页
+    try:
+        _ctx2 = await _ensure_cdp()
+        if _ctx2:
+            _pages = _ctx2.pages
+            if _pages:
+                _page = _pages[0]  # 复用已有页面（about:blank 或 douyin.com）
+                _cmt_json = await _page.evaluate(f"""async () => {{
+                    try {{
+                        const r = await fetch(
+                            'https://www.douyin.com/aweme/v1/web/comment/list/?aweme_id={aweme_id}&count=20&cursor=0',
+                            {{ headers: {{ 'Accept': 'application/json, text/plain, */*', 'Referer': 'https://www.douyin.com/' }} }}
+                        );
+                        return JSON.stringify(await r.json());
+                    }} catch(e) {{ return JSON.stringify({{error: e.message}}); }}
+                }}""")
+                _cmt_data = json.loads(_cmt_json)
+                if "error" not in _cmt_data:
+                    for c in _cmt_data.get("comments", [])[:20]:
+                        user = c.get("user", {})
+                        result["comment_texts"].append({
+                            "nickname": user.get("nickname", ""),
+                            "text": c.get("text", ""),
+                            "likes": c.get("digg_count", 0),
+                        })
+    except Exception as e:
+        logger.debug(f"评论获取失败: {e}")
+
+    result["_method"] = "http_api"
+    result["_duration"] = round(time.time() - t0, 2)
+    return result
+
+
+async def _page_fallback(url: str, aweme_id: str) -> Optional[dict]:
+    """兜底策略：接口被平台过滤(filter_detail)时，用 Chrome 打开页面（网址层面浏览），
+    读页面标题 + meta description 补全标题/博主/发布时间。
+
+    返回 {title, author, published_at, source:'page_fallback'} 或 None（CDP 不可用/超时/解析失败）
+    """
+    try:
+        ctx = await _ensure_cdp()
+        if not ctx or not ctx.pages:
+            return None
+        page = ctx.pages[0]  # 复用现有页面，不新建标签页
+        try:
+            await page.goto(url, timeout=20000, wait_until="domcontentloaded")
+        except Exception:
+            await asyncio.sleep(2)
+        # 轮询等待页面加载出标题/meta（最多 12s，抖音页面加载/重定向较慢）
+        title, desc, author, published = "", "", "", ""
+        for _ in range(12):
+            try:
+                raw = await page.evaluate(
+                    """() => {
+                        const d = { title: document.title || '', desc: '' };
+                        const md = document.querySelector('meta[name="description"]');
+                        if (md) d.desc = md.getAttribute('content') || '';
+                        return JSON.stringify(d);
+                    }"""
+                )
+                data = json.loads(raw)
+                title = (data.get("title") or "").strip()
+                desc = (data.get("desc") or "").strip()
+                if title or desc:
+                    break
+            except Exception:
+                pass
+            await asyncio.sleep(1)
+
+        m = re.search(r"[-—]\s*([^\s于]+)于(\d{8})发布", desc)
+        if m:
+            author, published = m.group(1), m.group(2)
+        # 标题兜底：desc 去掉「- 作者于时间发布」后缀
+        if not title and desc:
+            title = re.sub(r"\s*[-—]\s*[^\s于]+于\d{8}发布.*$", "", desc).strip()
+        return {
+            "title": title,
+            "author": author,
+            "published_at": published,
+            "source": "page_fallback",
+        }
+    except Exception as e:
+        logger.debug(f"页面兜底失败: {e}")
+        return None
+
+
+# ── 博主采集（抖音博主监控） ──
+# ⚠️ 注意：profile/other 和 aweme/post 接口要用「数字 uid」，
+#    不能用 sec_user_id（会报 UserId不合法）。
+#    数字 uid 从视频详情 API 的 author.uid 字段获取。
+
+async def get_author_profile(uid: str) -> dict:
+    """获取博主主页信息（粉丝数/获赞数/作品数/昵称/签名）
+    
+    Args:
+        uid: 博主数字 ID（从视频详情的 author.uid 获取）
+    
+    Returns:
+        {"uid", "nickname", "unique_id", "fans", "total_favorited",
+         "works", "following", "signature", "avatar", "sec_uid", ...}
+        失败时含 "error" 字段
+    """
+    result = {"uid": str(uid)}
+    cookies = await _get_cookies()
+    has_session = bool(cookies.get("sessionid"))
+    if not has_session:
+        result["error"] = "抖音登录已过期"
+        result["login_expired"] = True
+        return result
+
+    try:
+        api_url = (
+            f"https://www.douyin.com/aweme/v1/web/user/profile/other/"
+            f"?user_id={uid}&device_platform=webapp&aid=6383"
+        )
+        data = await asyncio.to_thread(_http_get, api_url, cookies)
+    except urllib.error.HTTPError as e:
+        result["error"] = f"HTTP {e.code}: {e.reason}"
+        return result
+    except Exception as e:
+        result["error"] = f"请求失败: {e}"
+        return result
+
+    user = data.get("user", {})
+    if not user:
+        result["error"] = f"未返回用户数据: {data.get('status_msg', '')} (code={data.get('status_code')})"
+        return result
+
+    result.update({
+        "nickname": user.get("nickname", ""),
+        "unique_id": user.get("unique_id", ""),
+        "sec_uid": user.get("sec_uid", ""),
+        "fans": user.get("follower_count", 0),
+        "total_favorited": user.get("total_favorited", 0),
+        "works": user.get("aweme_count", 0),
+        "following": user.get("following_count", 0),
+        "signature": user.get("signature", ""),
+        "avatar": (user.get("avatar_thumb") or {}).get("url_list", [""])[0] if user.get("avatar_thumb") else "",
+        "collected_at": time.strftime("%Y-%m-%d %H:%M:%S"),
+    })
+    return result
+
+
+async def get_author_videos(uid: str, count: int = 20) -> dict:
+    """获取博主最新发布的视频列表（按发布时间倒序）
+    
+    Args:
+        uid: 博主数字 ID
+        count: 拉取条数（默认20）
+    
+    Returns:
+        {"uid", "videos": [{aweme_id, title, likes, comments, collects,
+                            shares, create_time, url}], "has_more"}
+    """
+    result = {"uid": str(uid), "videos": [], "has_more": False}
+    cookies = await _get_cookies()
+    has_session = bool(cookies.get("sessionid"))
+    if not has_session:
+        result["error"] = "抖音登录已过期"
+        result["login_expired"] = True
+        return result
+
+    try:
+        api_url = (
+            f"https://www.douyin.com/aweme/v1/web/aweme/post/"
+            f"?user_id={uid}&count={count}&max_cursor=0&device_platform=webapp&aid=6383"
+        )
+        data = await asyncio.to_thread(_http_get, api_url, cookies)
+    except urllib.error.HTTPError as e:
+        result["error"] = f"HTTP {e.code}: {e.reason}"
+        return result
+    except Exception as e:
+        result["error"] = f"请求失败: {e}"
+        return result
+
+    result["has_more"] = bool(data.get("has_more"))
+    for a in data.get("aweme_list", [])[:count]:
+        st = a.get("statistics", {})
+        result["videos"].append({
+            "aweme_id": str(a.get("aweme_id", "")),
+            "title": a.get("desc", ""),
+            "likes": int(st.get("digg_count", 0)),
+            "comments": int(st.get("comment_count", 0)),
+            "collects": int(st.get("collect_count", 0)),
+            "shares": int(st.get("share_count", 0)),
+            "create_time": a.get("create_time", 0),
+            "url": f"https://www.douyin.com/video/{a.get('aweme_id', '')}",
+        })
+    return result
+
+
+# ── 登录状态检测（从 cookie 文件直接读取，无窗口操作） ──
+
+async def check_login_status() -> dict:
+    """检测抖音登录状态（通过 CDP，无页面操作）"""
+    cookies = await _get_cookies()
+    has_session = bool(cookies.get("sessionid"))
+    return {
+        "logged_in": has_session,
+        "cookie_sessionid": has_session,
+        "cookies_count": len(cookies),
+    }
+
+
+# ── 打开登录页（用 AppleScript 控制 Chrome，不需要 CDP） ──
+
+async def open_login_page():
+    """在 Chrome 中打开抖音首页，让用户登录
+    
+    使用 macOS 的 open 命令（比 AppleScript 更可靠，不依赖辅助功能权限）。
+    登录后 cookie 自动保存到 Chrome profile，两个 Chrome 都会检测。
+    """
+    import subprocess as _sp
+    
+    try:
+        # 先用 open 命令让 Chrome 激活并打开抖音首页
+        # open -a 会激活已有的 Chrome 窗口（无论是日常还是采集）
+        _sp.run(
+            ["open", "-a", "Google Chrome", "https://www.douyin.com/"],
+            capture_output=True, timeout=10
+        )
+        logger.info("已请求 Chrome 打开抖音首页")
+        return {
+            "success": True,
+            "message": "已打开抖音首页，请在 Chrome 中点击右上角「登录」扫码",
+        }
+    except Exception as e:
+        logger.error(f"打开抖音首页失败: {e}")
+        return {"success": False, "error": f"打开失败: {e}"}