feat(privacy): 关掉昵称脱敏 —— 脱敏有损，撞名就分不出博主

需求：评论栏/作品栏要能分清是哪个博主。修好分组字段之后名字仍带星号，因为上游作为
教学版默认对昵称做中间脱敏（首尾各留 1 字，中间星号）。这个脱敏是**有损**的：

  「张三」和「张四」都变成「张*」
  「小明老师」和「小刚老师」都变成「小***师」

而本仓库的用途是监控一批公开创作者账号，分清谁是谁正是这一层要干的事。所以关掉它。

* config/base_config.py 新增 MASK_NICKNAME = False（和 INJECT_ALL_COOKIES 一样是个
  开关，不是删代码 —— 改回 True 就恢复上游行为）。
* tools/user_hash.py 的 mask_nickname 读这个开关，关闭时原样返回。读的是模块属性而
  不是导入值，测试才能 monkeypatch。脱敏实现本身一字未动。
* 顺带修一个数据陈旧问题：评论是去重后直接 continue 的，昵称只在首次入库时写一次，
  于是开关一改（或评论者改名）老评论永远停在旧值 —— 而重采是唯一能拿到新值的途径。
  现在已存在的评论会跟着刷新昵称（作品那边的 creator_name 早就是这么做的）。
* anonymous 的 creator_hash 保持不变：那是分组用的稳定键，不是显示名。

测试：
* 三个隐私套件 + weibo 的 autouse fixture 强制把开关打开 —— 它们验的是**脱敏机制
  本身**，机制仍然必须正确，所以显式打开来测，而不是让它们随部署配置漂。
* test_mask_and_hash_tools 改成两个方向都覆盖（开着脱敏 / 关着脱敏）。
* test_tieba_extractor.py 里 8 处字面量的脱敏期望值换成真实昵称 —— 提取器现在就是
  返回原文的，期望值理应跟着改（这一条是行为变更的直接后果，不是测试放宽）。
* 新增一条：已入库的评论昵称会随重采刷新（且不会因刷新而重复插入）。

UPSTREAM.md

@@ -46,7 +46,7 @@ Dockerfile / .dockerignore / docker-compose.yml     服务器部署用
 |---|---|
 | `cmd_arg/arg.py` | typer 选项：`--enable_cdp_mode`、`--inject_all_cookies`、`--save_login_state`、`--cookies_file`、`--crawler_max_sleep_sec`，以及对应的 `config.*` 回写 |
 | `api/schemas/crawler.py` | `CrawlerStartRequest` 的若干**可选**字段（默认 `None`，不传则不加对应 CLI 参数） |
-| `config/base_config.py` | `INJECT_ALL_COOKIES = False` |
+| `config/base_config.py` | `INJECT_ALL_COOKIES = False`；`MASK_NICKNAME = False`（关掉昵称脱敏，见第 3 节） |
 | `api/routers/__init__.py` | 导出新增的 router |
 | `requirements.txt` | 补上 `websockets`（上游 `pyproject.toml` 里有、`requirements.txt` 里漏了） |
 | `tests/conftest.py` | 新增 `_bypass_auth_for_non_auth_suites` fixture |
@@ -59,6 +59,7 @@ Dockerfile / .dockerignore / docker-compose.yml     服务器部署用
 | `api/routers/websocket.py` | 两个 WS 路由加 `dependencies=[Depends(require_ws_auth)]` | 上游若新增 WS 路由，**必须同样加上**，否则那条流是裸奔的 |
 | `api/services/crawler_manager.py` | 解释器探测替换硬编码 `uv run`；`_build_command` 转发新增参数；新增 `is_busy()` / `run_and_wait()` 与完成事件 | 留意 `_build_command` 的参数拼装 |
 | `media_platform/xhs/login.py` | `login_by_cookies` 在 `INJECT_ALL_COOKIES` 打开时注入**全部** cookie（默认关闭，行为不变） | 小改动，好合并 |
+| `tools/user_hash.py` | `mask_nickname` 改为读 `config.MASK_NICKNAME`，本仓库默认**不脱敏**（原样返回）。上游作为教学版默认脱敏，但那是有损的 ——「张三」「张四」都成「张*」，而分清谁是谁正是监控这一层要干的活。脱敏实现本身没删，改回 `True` 即恢复上游行为 | 与 `config/base_config.py` 一起改，两处不同步会不一致 |
 
 ### 4. 上游 bug 修复（建议回馈上游）
 

api/monitor/ingest.py

@@ -477,14 +477,20 @@ async def _ingest_comments(
         if not comment_id or not note_id:
             continue
 
-        exists = await session.scalar(
-            select(MonitorComment.id).where(
+        existing = await session.scalar(
+            select(MonitorComment).where(
                 MonitorComment.task_id == run.task_id,
                 MonitorComment.note_id == note_id,
                 MonitorComment.comment_id == comment_id,
             )
         )
-        if exists is not None:
+        if existing is not None:
+            # 昵称要跟着刷，不能只写一次。评论是去重后直接 continue 的，若不刷新，
+            # 脱敏开关一改（或评论者改了昵称），已经入库的老评论会永远停在旧值上 ——
+            # 而重采是唯一能拿到新值的途径。作品那边的 creator_name 同理。
+            refreshed = adapter.comment_field(record, "creator_name")
+            if refreshed:
+                existing.nickname = refreshed
             continue
 
         create_time = _as_int(adapter.comment_field(record, "create_time"))

config/base_config.py

@@ -58,6 +58,14 @@ SAVE_LOGIN_STATE = True
 # 否则冷 profile 下 API 签名失败，且表现为「退出码 0 但抓到 0 条」的静默失败。
 INJECT_ALL_COOKIES = False
 
+# 是否对昵称做中间脱敏（默认 False —— 本仓库**关掉了**）。
+# 上游作为教学版默认开启，保留首尾各 1 字、中间打星号，避免据昵称骚扰到真人。
+# 但那是**有损**的：「张三」和「张四」都会变成「张*」，「小明老师」和「小刚老师」
+# 都会变成「小***师」—— 而本仓库的用途是监控一批公开的创作者账号，分清谁是谁正是
+# 这一层要干的事，撞名就等于看不出来。所以这里关掉，把原昵称原样落库。
+# 想改回上游行为，把这一行改成 True 即可（脱敏机制本身没删）。
+MASK_NICKNAME = False
+
 # ==================== CDP (Chrome DevTools Protocol) 配置 ====================
 # 是否启用 CDP 模式 - 使用用户本地的 Chrome/Edge 浏览器进行爬取，具有更好的反检测能力
 # 开启后，会自动检测并启动用户的 Chrome/Edge 浏览器，通过 CDP 协议进行控制

tests/test_douyin_no_user_info.py

@@ -41,6 +41,17 @@ from database.models import Base, DouyinAweme, DouyinAwemeComment
 from tools.user_hash import anonymize_user_id, mask_nickname
 
 
+@pytest.fixture(autouse=True)
+def _force_nickname_masking(monkeypatch):
+    """这一组验的是**脱敏机制本身**，所以强制把它打开。
+
+    本仓库的部署配置是关掉的（config.MASK_NICKNAME = False）—— 监控的是一批公开创作者
+    账号，而脱敏是有损的（「张三」「张四」都成「张*」），分不出谁是谁。机制仍然必须正确，
+    所以这里显式打开来测。
+    """
+    monkeypatch.setattr(config, "MASK_NICKNAME", True)
+
+
 # 抖音教学版禁用字段(键):不得作为存储 dict 的 key 出现。
 FORBIDDEN_KEYS = {
     "user_id", "sec_uid", "short_user_id", "user_unique_id",

tests/test_kuaishou_no_user_info.py

@@ -18,10 +18,23 @@ import types
 
 import pytest
 
+import config
 import store.kuaishou as ks
 from store.kuaishou import update_kuaishou_video, update_ks_video_comment
 from tools.user_hash import anonymize_user_id, mask_nickname
 
+
+@pytest.fixture(autouse=True)
+def _force_nickname_masking(monkeypatch):
+    """这一组验的是**脱敏机制本身**，所以强制把它打开。
+
+    本仓库的部署配置是关掉的（config.MASK_NICKNAME = False）—— 监控的是一批公开创作者
+    账号，而脱敏是有损的（「张三」「张四」都成「张*」），分不出谁是谁。机制仍然必须正确，
+    所以这里显式打开来测。
+    """
+    monkeypatch.setattr(config, "MASK_NICKNAME", True)
+
+
 # 教学版禁用字段(键)：一律不得出现在存储 dict 中。
 # 昵称字段 nickname 允许保留，但值须脱敏。
 FORBIDDEN_KEYS = {"user_id", "avatar", "signature", "ip_location", "gender"}

tests/test_monitor_ingest.py

@@ -698,3 +698,35 @@ class TestDouyinIngest:
         await ingest_run(db, run2, task, tmp_path)
 
         assert len(await _events(db, EVENT_METRIC_DELTA)) == 1
+
+
+class TestNicknameRefresh:
+    """已入库的评论，昵称要跟着重新采集的值走。
+
+    评论是去重后直接跳过的，若不刷新，脱敏开关一改（或评论者改了昵称），老数据就永远
+    停在旧值上 —— 而重采是唯一能拿到新值的途径。
+    """
+
+    @pytest.mark.asyncio
+    async def test_an_existing_comment_gets_its_nickname_refreshed(self, db, tmp_path):
+        task = await _make_task(db)
+        _write_run_dir(tmp_path, [_note("n1")], comments=[_comment("c1", "n1", 500)])
+        run1 = await _make_run(db, task, started_at=1)
+        await ingest_run(db, run1, task, tmp_path)
+
+        assert (await db.scalar(select(MonitorComment))).nickname == "u***r"
+
+        _write_run_dir(
+            tmp_path,
+            [_note("n1")],
+            comments=[_comment("c1", "n1", 500, nickname="未脱敏的新昵称")],
+        )
+        run2 = await _make_run(db, task, started_at=2)
+        await ingest_run(db, run2, task, tmp_path)
+
+        comment = await db.scalar(select(MonitorComment))
+        assert comment.nickname == "未脱敏的新昵称"
+        # 去重的语义没变：同一条评论不该被插成两行。
+        assert (
+            len(list((await db.scalars(select(MonitorComment))).all())) == 1
+        )

tests/test_no_user_info.py

@@ -14,6 +14,8 @@ import pathlib
 
 import pytest
 
+import config
+
 ROOT = pathlib.Path(__file__).resolve().parent.parent
 
 # 统一的禁用字段名(键)。昵称字段(nickname/user_nickname/screen_name/name/user_name)允许保留(值需脱敏)。
@@ -28,6 +30,17 @@ NICK_KEYS = {"nickname", "user_nickname", "screen_name", "name", "user_name"}
 MASK_RE = re.compile(r"^.?\*{1,4}.?$")
 
 
+@pytest.fixture(autouse=True)
+def _force_nickname_masking(monkeypatch):
+    """这一组验的是**脱敏机制本身**，所以强制把它打开。
+
+    本仓库的部署配置是关掉的（config.MASK_NICKNAME = False）—— 监控的是一批公开创作者
+    账号，而脱敏是有损的（「张三」「张四」都成「张*」），分不出谁是谁。机制仍然必须正确，
+    所以这里显式打开来测；开关两个方向的行为由 test_mask_and_hash_tools 覆盖。
+    """
+    monkeypatch.setattr(config, "MASK_NICKNAME", True)
+
+
 # ----------------------------- ORM 自省 -----------------------------
 
 def test_orm_has_no_forbidden_columns():
@@ -84,17 +97,26 @@ def _check_nickname_masked(d: dict, raw: str, label: str):
         assert MASK_RE.match(val) or "*" in val, f"[{label}] {k} 未脱敏: {val}"
 
 
-def test_mask_and_hash_tools():
+def test_mask_and_hash_tools(monkeypatch):
     from tools.user_hash import anonymize_user_id, mask_nickname
     h = anonymize_user_id("12345")
     assert h and h != "12345" and re.fullmatch(r"[0-9a-f]{16}", h)
     assert anonymize_user_id(None) == "" and anonymize_user_id("") == ""
-    # 昵称脱敏：首尾留1字、中间星号，且不等于原文
+
+    # 开关打开：首尾留 1 字、中间星号，且不等于原文。
+    monkeypatch.setattr(config, "MASK_NICKNAME", True)
     assert mask_nickname("张三丰") != "张三丰"
     assert "*" in mask_nickname("张三丰")
     assert mask_nickname(None) == ""
     assert mask_nickname("a") == "*"
 
+    # 开关关闭（本仓库的部署配置）：原样返回。脱敏是有损的 —— 「张三」和「张四」
+    # 都会变成「张*」，而分清谁是谁正是监控这一层要干的事。
+    monkeypatch.setattr(config, "MASK_NICKNAME", False)
+    assert mask_nickname("张三丰") == "张三丰"
+    assert mask_nickname("a") == "a"
+    assert mask_nickname(None) == ""
+
 
 def test_xhs_note_extraction_masks_user_info():
     import asyncio

tests/test_tieba_extractor.py

@@ -20,7 +20,7 @@ def test_extract_search_note_list_from_keyword_page():
     assert notes[0].note_id == "9117888152"
     assert notes[0].title.startswith("武汉交互空间科技")
     assert notes[0].tieba_name == "武汉交互空间"
-    assert notes[0].user_nickname == "V***人"
+    assert notes[0].user_nickname == "VR虚拟达人"
 
 
 def test_extract_search_note_list_from_current_pc_card_page():
@@ -56,7 +56,7 @@ def test_extract_search_note_list_from_current_pc_card_page():
     assert notes[0].desc == "培训班需求，数学，英语，编程老师，专职兼职都可"
     assert notes[0].tieba_name == "诸城吧"
     assert notes[0].tieba_link.endswith("kw=%E8%AF%B8%E5%9F%8E")
-    assert notes[0].user_nickname == "7***7"
+    assert notes[0].user_nickname == "754023117"
     assert notes[0].publish_time == "2026-3-15"
     assert notes[0].total_replay_num == 19
 
@@ -147,7 +147,7 @@ def test_extract_note_detail_and_comments_from_current_pc_api():
     assert note.note_id == "10451142633"
     assert note.title == "这X尔斯对比巴尔斯，我只能说ID正确，允许居功自傲"
     assert note.desc == "皮队败决处刑德国编程钢琴师兼职数学家"
-    assert note.user_nickname == "泰***克"
+    assert note.user_nickname == "泰高祖蒙斯克"
     assert note.tieba_name == "dota2吧"
     assert note.total_replay_num == 15
     assert note.total_replay_page == 1
@@ -155,7 +155,7 @@ def test_extract_note_detail_and_comments_from_current_pc_api():
     assert len(comments) == 1
     assert comments[0].comment_id == "153154097267"
     assert comments[0].content == "xg现在大树阵容另一个辅助不选控制"
-    assert comments[0].user_nickname == "期***3"
+    assert comments[0].user_nickname == "期胡希3"
     assert comments[0].sub_comment_count == 4
     # 教学版已移除 ip_location 等可定位真人字段
 
@@ -191,7 +191,7 @@ def test_extract_creator_info_and_threads_from_current_pc_api():
     creator = extractor.extract_creator_info_from_api(creator_api)
     thread_ids = extractor.extract_creator_thread_id_list_from_api(feed_api)
 
-    assert creator.user_nickname == "米***子"
+    assert creator.user_nickname == "米米世界大手子"
     assert creator.fans == 58
     assert creator.follows == 1
     # 教学版已移除 user_id、user_name、ip_location 等可定位真人字段
@@ -223,7 +223,7 @@ def test_extract_tieba_note_list_from_bigpipe_thread_page():
     assert len(notes) == 48
     assert notes[0].note_id == "9079949995"
     assert notes[0].title == "盗墓笔记全集+txt小说，已整理"
-    assert notes[0].user_nickname == "公***仲"
+    assert notes[0].user_nickname == "公子伯仲"
     assert notes[0].tieba_name == "盗墓笔记吧"
     assert notes[0].tieba_link.endswith("kw=%E7%9B%97%E5%A2%93%E7%AC%94%E8%AE%B0&ie=utf-8")
 
@@ -233,7 +233,7 @@ def test_extract_note_detail_from_post_page():
 
     assert note.note_id == "9117905169"
     assert note.title == "对于一个父亲来说，这个女儿14岁就死了"
-    assert note.user_nickname == "章***轩"
+    assert note.user_nickname == "章景轩"
     assert note.tieba_name == "以太比特吧"
     assert note.total_replay_num == 786
     assert note.total_replay_page == 13
@@ -249,7 +249,7 @@ def test_extract_parent_comments_from_post_page():
     assert len(comments) == 30
     assert comments[0].comment_id == "150726491368"
     assert comments[0].content == "中国队第22金！无悬念！"
-    assert comments[0].user_nickname == "h***n"
+    assert comments[0].user_nickname == "heinzfrentzen"
     assert comments[0].tieba_name == "网球风云吧"
     # 教学版已移除 ip_location 等可定位真人字段
 

tests/test_weibo_no_user_info.py

@@ -22,6 +22,20 @@ import asyncio
 
 import pytest
 
+import config
+
+
+@pytest.fixture(autouse=True)
+def _force_nickname_masking(monkeypatch):
+    """这一组验的是**脱敏机制本身**，所以强制把它打开。
+
+    本仓库的部署配置是关掉的（config.MASK_NICKNAME = False）—— 监控的是一批公开创作者
+    账号，而脱敏是有损的（「张三」「张四」都成「张*」），分不出谁是谁。机制仍然必须正确，
+    所以这里显式打开来测。
+    """
+    monkeypatch.setattr(config, "MASK_NICKNAME", True)
+
+
 # 原始(明文)测试数据
 RAW_USER_ID = 7654321
 RAW_NICKNAME = "微博达人"

tools/user_hash.py

@@ -7,6 +7,8 @@
 # 昵称保留但做中间脱敏）。本模块提供匿名化与脱敏工具。
 import hashlib
 
+import config
+
 
 def anonymize_user_id(user_id) -> str:
     """把原始用户 ID 转成匿名哈希，用于内容/评论记录的创作者分组，
@@ -25,10 +27,16 @@ def mask_nickname(name) -> str:
     - 长度 == 2：首字 + "*"
     - 长度 >= 3：首字 + "***" + 尾字
     这样既保留教学分析所需的内容归属语义，又无法据昵称定位到真人。
+
+    **是否启用由 config.MASK_NICKNAME 决定，本仓库默认关闭**（原样返回）。
+    脱敏是有损的，撞名很常见 —— 详见 base_config 里那一段的说明。
+    开关读的是模块属性而不是导入时的值，这样测试可以 monkeypatch 它。
     """
     if name is None:
         return ""
     s = str(name)
+    if not getattr(config, "MASK_NICKNAME", False):
+        return s
     if len(s) <= 1:
         return "*"
     if len(s) == 2: