Files
MediaCrawler/mac-agent-os-main/02_skills/memory_manager/memory_cleanup.py
T
butubb 2112c1a870
Deploy VitePress site to Pages / build (push) Canceled after 0s
Deploy VitePress site to Pages / Deploy (push) Canceled after 0s
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)。
2026-10-10 17:12:25 +08:00

127 lines
3.9 KiB
Python

#!/usr/bin/env python3
"""
AgentOS 记忆清理与冲突消解脚本
用途:清理过期记忆、消解冲突、归档冷数据
使用:python3 memory_cleanup.py --root ~/workbuddy-agent-os/agent-sync [--dry-run]
"""
import argparse
import json
import os
import sqlite3
from datetime import datetime, timedelta
from pathlib import Path
def parse_args():
parser = argparse.ArgumentParser(description="AgentOS 记忆清理")
parser.add_argument("--root", required=True, help="agent-os 根目录路径")
parser.add_argument("--dry-run", action="store_true", help="仅预览,不实际执行")
return parser.parse_args()
def cleanup_expired_facts(root: str, dry_run: bool = False):
"""清理过期事实(技术类知识 180 天未更新自动标记待复核)"""
db_path = Path(root) / "04_memory" / "long_term" / "facts.db"
if not db_path.exists():
print("[WARN] facts.db 不存在,跳过")
return
conn = sqlite3.connect(str(db_path))
cursor = conn.cursor()
# 查找 180 天未更新的技术类事实
cutoff = (datetime.now() - timedelta(days=180)).strftime("%Y-%m-%d")
cursor.execute(
"SELECT id, subject, date_modified FROM facts WHERE date_modified < ? AND nature != 'axiom' AND nature != 'opinion'",
(cutoff,)
)
expired = cursor.fetchall()
if not expired:
print("[INFO] 无过期事实")
conn.close()
return
print(f"[INFO] 发现 {len(expired)} 条可能过期的事实:")
for fact in expired:
print(f" - {fact[0]}: {fact[1]} (最后更新: {fact[2]})")
if not dry_run:
for fact in expired:
cursor.execute(
"UPDATE facts SET confidence = confidence * 0.8 WHERE id = ?",
(fact[0],)
)
conn.commit()
print(f"[OK] 已降低 {len(expired)} 条过期事实的置信度")
conn.close()
def archive_cold_data(root: str, dry_run: bool = False):
"""归档冷数据(超过 180 天未被检索的数据)"""
archive_dir = Path(root) / "03_knowledge" / "90_archive" / "deprecated"
# 检查 03_knowledge 下的文件修改时间
knowledge_dir = Path(root) / "03_knowledge"
cutoff = datetime.now() - timedelta(days=180)
cold_files = []
for md_file in knowledge_dir.rglob("*.md"):
if "99_system" in str(md_file) or "90_archive" in str(md_file):
continue
mtime = datetime.fromtimestamp(md_file.stat().st_mtime)
if mtime < cutoff:
cold_files.append(md_file)
if cold_files:
print(f"[INFO] 发现 {len(cold_files)} 个冷知识文件:")
for f in cold_files:
print(f" - {f.relative_to(knowledge_dir)}")
if not dry_run:
print("[INFO] 冷数据归档需要确认,请手动处理或通过 kb_manager 技能执行")
else:
print("[INFO] 无冷数据需要归档")
def resolve_conflicts(root: str, dry_run: bool = False):
"""消解记忆冲突"""
log_path = Path(root) / "04_memory" / "logs" / "conflicts.log"
if not log_path.exists() or log_path.stat().st_size == 0:
print("[INFO] 无待消解冲突")
return
with open(log_path, "r", encoding="utf-8") as f:
conflicts = f.readlines()
if conflicts:
print(f"[INFO] 发现 {len(conflicts)} 条冲突记录:")
for c in conflicts[:10]: # 只显示前 10 条
print(f" - {c.strip()}")
if len(conflicts) > 10:
print(f" ... 还有 {len(conflicts) - 10} 条")
def main():
args = parse_args()
root = os.path.expanduser(args.root)
dry_run = args.dry_run
print("=" * 50)
print("AgentOS 记忆清理")
if dry_run:
print("[DRY-RUN 模式:仅预览,不执行]")
print("=" * 50)
cleanup_expired_facts(root, dry_run)
archive_cold_data(root, dry_run)
resolve_conflicts(root, dry_run)
print()
print("[OK] 记忆清理完成")
if __name__ == "__main__":
main()