butubb
2112c1a870
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）。
183 lines
4.2 KiB
Plaintext
183 lines
4.2 KiB
Plaintext
# ==========================================
|
||
# AgentOS .gitignore
|
||
# 多机协作时，每个机器的专属文件应排除在外
|
||
# ==========================================
|
||
|
||
# -------- 系统文件 --------
|
||
.DS_Store
|
||
.DS_Store?
|
||
._*
|
||
.Spotlight-V100
|
||
.Trashes
|
||
ehthumbs.db
|
||
Thumbs.db
|
||
|
||
# Python
|
||
__pycache__/
|
||
*.py[cod]
|
||
*$py.class
|
||
*.so
|
||
*.egg-info/
|
||
dist/
|
||
build/
|
||
.eggs/
|
||
|
||
# 虚拟环境
|
||
.venv/
|
||
venv/
|
||
|
||
# 运行时缓存（已软链接到 ~/agent-os-local/runtime_cache）
|
||
06_runtime/cache/
|
||
|
||
# 软链接目标文件不会被 Git 追踪，但以防万一排除大文件
|
||
*.mp4
|
||
*.mp3
|
||
*.mov
|
||
*.avi
|
||
*.mkv
|
||
*.wav
|
||
*.flac
|
||
*.zip
|
||
*.tar.gz
|
||
*.rar
|
||
*.7z
|
||
|
||
# 打包产物
|
||
07_migration/exports/
|
||
|
||
# 系统检查报告（临时文件）
|
||
system-check-report-*.md
|
||
|
||
# WorkBuddy 运行时（不属于仓库）
|
||
.codebuddy/
|
||
.workbuddy/
|
||
|
||
# ======== Obsidian 配置（各机器独立，不参与同步） ========
|
||
# workspace.json 记录窗口位置、打开的文件等，每台机器不同
|
||
# app.json/appearance.json 含插件配置、主题等，各机器独立
|
||
.obsidian/
|
||
!.obsidian/core-plugins.json # 核心插件列表可同步（共享）
|
||
# ======================================================
|
||
|
||
# ======== 本机身份文件（从模板生成，各机器独立） ========
|
||
01_core/IDENTITY.md
|
||
01_core/HOST_ID.md
|
||
01_core/USER.md
|
||
# ======================================================
|
||
|
||
# 本地化MCP配置
|
||
01_core/mcp.json
|
||
01_core/mcp.tpl.json
|
||
|
||
# 本机记忆数据库（各机独立）
|
||
04_memory/long_term/facts.db
|
||
|
||
# 日志文件（各机独立）
|
||
04_memory/logs/*.log
|
||
04_memory/logs/*.log.*
|
||
|
||
# 软链接到 Obsidian 库的目录（不跟踪）
|
||
03_knowledge/01_daily/memory/
|
||
|
||
# Matrix 浏览器 Profile（每台机器独立，含 Cookie 和缓存）
|
||
05_tools/07_matrix/profiles/
|
||
05_tools/07_matrix/logs/
|
||
05_tools/07_matrix/scripts/archive/
|
||
|
||
# 本机 Matrix 路径配置（每台机器独立）
|
||
05_tools/07_matrix/local.yaml
|
||
|
||
# SMS 验证码配置（含API Key，每台机器独立）
|
||
05_tools/07_matrix/scripts/config/sms.yaml
|
||
|
||
# ======== longcat 爬虫（浏览器数据，不入库）========
|
||
05_tools/05_crawl/longcat/profiles/
|
||
05_tools/05_crawl/longcat/.local_packages/
|
||
|
||
# SMS 验证码配置（含API Key，每台机器独立）
|
||
05_tools/07_matrix/scripts/config/sms.yaml
|
||
|
||
# 配置备份
|
||
backup_*/
|
||
# 本机数据目录（不同步）
|
||
agent-local/
|
||
agent-os.code-workspace
|
||
04_memory/vector_db
|
||
06_runtime/
|
||
.obsidian/
|
||
|
||
# ======== 联邦运行时（各机器 guardd 自动生成）========
|
||
# 旧格式：按 hostname 命名的目录，各机器自生成，不同步
|
||
04_memory/cross_machine/status/*/heartbeat.json
|
||
# 新格式 v3：status/live/{uid}.json —— 需要同步到远程
|
||
# 注意不要用 "status/*/" 会连 live/ 一起排除
|
||
04_memory/cross_machine/events/
|
||
04_memory/cross_machine/knowledge/*.json
|
||
04_memory/cross_machine/tasks/
|
||
|
||
# ────── v4.2.0 新增排除项 ──────
|
||
|
||
# 图片文件（截图、素材，不入库）
|
||
*.png
|
||
*.jpg
|
||
*.jpeg
|
||
*.gif
|
||
*.webp
|
||
|
||
# ChromaDB 数据（各机独立）
|
||
chroma.sqlite3
|
||
**/chroma/
|
||
|
||
# 前端构建产物
|
||
node_modules/
|
||
dist/
|
||
build/
|
||
|
||
# ML 模型文件
|
||
*.pth
|
||
*.bin
|
||
*.onnx
|
||
*.npy
|
||
*.npz
|
||
|
||
# 运行时数据目录
|
||
04_memory/cross_machine/data/
|
||
04_memory/cross_machine/machines/
|
||
|
||
# Matrix 截图
|
||
05_tools/07_matrix/screenshots/
|
||
|
||
# AVE 输出
|
||
05_tools/09_ave/output/
|
||
05_tools/09_ave/cache/
|
||
|
||
# 系统报告归档
|
||
reports/
|
||
|
||
# Dashboard 前端产物
|
||
05_tools/10_dashboard/frontend/node_modules/
|
||
05_tools/10_dashboard/frontend/dist/
|
||
|
||
# Obsidian 插件（大文件 JS 不入库）
|
||
.obsidian/plugins/
|
||
|
||
# longcat 本地包（含 120MB Playwright node 二进制）
|
||
05_tools/05_crawl/longcat/.local_packages/
|
||
03_knowledge/01_submissions/*/
|
||
|
||
# 多机共享注册表（已迁移到 machines/*/ 方式，旧文件冲突不断，排除）
|
||
04_memory/cross_machine/status/live/_registry.json
|
||
|
||
# guardd 心跳数据 (已迁移到本机 local 目录, 不再提交 Gitee)
|
||
04_memory/cross_machine/data/
|
||
04_memory/cross_machine/status/live/
|
||
# Dashboard 构建产物（自动生成，不提交）
|
||
05_tools/10_dashboard/static/assets/
|
||
05_tools/10_dashboard/frontend/node_modules/
|
||
05_tools/10_dashboard/frontend/dist/
|
||
05_tools/07_matrix/config/ai.yaml
|
||
05_tools/09_ave/scripts/character_registry/backups/
|
||
|
||
# 能力清单改版备份（本地临时）
|
||
05_tools/09_ave/config/*.bak_*
|