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）。
55 lines
1.6 KiB
YAML
55 lines
1.6 KiB
YAML
skill:
|
||
name: "内容采集推送器"
|
||
id: "collect_to_inbox"
|
||
version: "1.0.0"
|
||
category: "core-system"
|
||
status: "legacy"
|
||
created: "2026-04-25"
|
||
updated: "2026-04-29"
|
||
|
||
description:
|
||
short: "扫描本机素材，格式转换（HTML/视频→MD），推送协同inbox"
|
||
use_cases:
|
||
- "扫描 agent-os-local/materials/refined_for_inbox/ 目录"
|
||
- "HTML→MD 格式转换（不做AI提炼，原文推送）"
|
||
- "按内容来源推送到对应inbox分区（clipping/feed/personal）"
|
||
- "推送完成后标记已处理，避免重复"
|
||
tags: ["采集", "推送", "格式转换", "inbox"]
|
||
|
||
ownership:
|
||
master_editor: "my-macbook_macOS14.4_16GB_master"
|
||
readonly_on_other_devices: false
|
||
|
||
environment:
|
||
os: "macos"
|
||
python_path: "~/.workbuddy/binaries/python/envs/agent-os/bin/python3"
|
||
pip_dependencies:
|
||
- "trafilatura>=1.6.0"
|
||
- "markdownify>=0.11.0"
|
||
|
||
setup:
|
||
install_script: ""
|
||
post_check: "python3 -c 'import trafilatura; print(\"OK\")'"
|
||
|
||
usage:
|
||
entry_point: "collect_to_inbox.py"
|
||
scheduled: "手动触发或每日定时"
|
||
manual_trigger: "采集推送"
|
||
|
||
source_dirs:
|
||
refined_for_inbox: "~/workbuddy-agent-os/agent-sync/agent-local/materials/refined_for_inbox/"
|
||
|
||
target_inbox:
|
||
clipping: "03_knowledge/00_stream/inbox/knowledge/clipping/"
|
||
feed: "03_knowledge/00_stream/inbox/knowledge/feed/"
|
||
personal: "03_knowledge/00_stream/inbox/personal/"
|
||
memory: "03_knowledge/00_stream/inbox/memory/"
|
||
|
||
changelog:
|
||
- version: "1.1.0"
|
||
date: "2026-04-29"
|
||
changes: "重写：扫描agent-os-local/materials/refined_for_inbox/，纯格式转换推送"
|
||
- version: "1.0.0"
|
||
date: "2026-04-25"
|
||
changes: "初始版本"
|