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）。
38 lines
1.8 KiB
YAML
38 lines
1.8 KiB
YAML
# AgentOS 自动化任务定义
|
|
# 版本: 1.0 | 更新: 2026-06-21
|
|
#
|
|
# 此文件定义 WorkBuddy 应注册的自动化任务。
|
|
# 使用 agentos init 或 agentos sync 自动部署。
|
|
#
|
|
# 字段说明:
|
|
# name: 任务名称
|
|
# schedule: cron 格式定时
|
|
# command: 执行的命令（含完整路径）
|
|
# enabled: 是否启用
|
|
# description: 任务说明
|
|
|
|
automations:
|
|
- name: "AgentOS 每日记忆提炼"
|
|
schedule: "0 2 * * *"
|
|
command: "~/.workbuddy/binaries/python/envs/agent-os/bin/python3 ~/workbuddy-agent-os/agent-sync/02_skills/memory_manager/daily_digest.py --root ~/workbuddy-agent-os/agent-sync"
|
|
enabled: true
|
|
description: "从昨日对话中提取关键事实，更新 L2 facts.db + L1 索引"
|
|
|
|
- name: "AgentOS 提交箱归集"
|
|
schedule: "30 2 * * *"
|
|
command: "~/.workbuddy/binaries/python/envs/agent-os/bin/python3 ~/workbuddy-agent-os/agent-sync/02_skills/collect_to_inbox/collect_to_inbox.py --root ~/workbuddy-agent-os/agent-sync"
|
|
enabled: true
|
|
description: "将 01_submissions/ 和各旧目录内容归集到 00_inbox/"
|
|
|
|
- name: "AgentOS 收件箱提纯"
|
|
schedule: "0 3 * * *"
|
|
command: "~/.workbuddy/binaries/python/envs/agent-os/bin/python3 ~/workbuddy-agent-os/agent-sync/02_skills/inbox_refine/inbox_refine.py --root ~/workbuddy-agent-os/agent-sync"
|
|
enabled: true
|
|
description: "00_inbox/ → AI 分类 → 归档到知识库 → 更新统计"
|
|
|
|
- name: "向量库与索引定时更新"
|
|
schedule: "30 3 * * *"
|
|
command: "~/.workbuddy/binaries/python/envs/agent-os/bin/python3 ~/workbuddy-agent-os/agent-sync/02_skills/kb_manager/vector_db_rebuild.py --root ~/workbuddy-agent-os/agent-sync --incremental"
|
|
enabled: true
|
|
description: "知识库 → 关键词索引 + ChromaDB 向量索引"
|