butubb/MediaCrawler

Fork 0

Files

T

butubb 2112c1a870

Deploy VitePress site to Pages / build (push) Canceled after 0s

Details

Deploy VitePress site to Pages / Deploy (push) Canceled after 0s

Details

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

4.8 KiB

Raw Blame History

type, domain, nature, tags, status, created, updated, version

type

domain

nature

联邦式多机协同架构（V2.1）

AgentOS 支持多台 Mac 组成智能体联邦，通过三层架构实现数据隔离 + 轻量协同。

架构总览

┌──────────────┐     ┌──────────────┐     ┌──────────────┐
│  machine a   │     │  machine b   │     │  machine c   │
│  (redmi-12c) │     │ (mac-mini)   │     │ (macbook air)│
│              │     │              │     │              │
│  agent-local │     │  agent-local │     │  agent-local │
│  (私钥/记忆/  │     │  (私钥/记忆/  │     │  (私钥/记忆/  │
│   重资产)     │     │   重资产)     │     │   重资产)     │
└──────┬───────┘     └──────┬───────┘     └──────┬───────┘
       │                    │                    │
       └──────────┬─────────┴─────────┬──────────┘
                  │    agent-sync/    │
                  │  (NutSync 同步)   │
                  └──────────────────┘
                   events/  status/  tasks/
                   encrypted/  knowledge/
                  ┌──────────────────┐
                  │  直传层 (SSH/AirDrop) │
                  └──────────────────┘

三层数据架构

层	路径	内容	同步方式
agent-local/	本机专属	私钥 · API Key · 素材库 · 本地记忆 · 提交箱 · 守护进程日志	❌ 永不共享
agent-sync/	共享目录	配置 · 知识库 · 技能 · 记忆摘要 · 工具脚本	NutSync 双向同步
直传层	点对点	大文件传输（视频/素材等）	SSH rsync / AirDrop

七大协同子系统

#	子系统	说明	关键文件	状态
①	状态机	每台 5-10 分钟上报心跳，15 分钟无心跳判离线	`cross_machine/status/{host}/heartbeat.json`	✅ 已实现
②	事件总线	跨机事件日志（任务完成/错误/更新等 10 种类型）	`cross_machine/events/{date}/*.json`	✅ 已实现
③	任务协作	跨机任务请求/响应（异步文件机制）	`cross_machine/tasks/`	✅ 已实现
④	加密通讯	RSA-4096 密钥对，公钥注册/私钥本地	`cross_machine/encrypted/`	✅ 已实现
⑤	知识同步	双向：拉取知识库 + 推送本地新知识到收件匣	`03_knowledge/01_submissions/`	✅ 已实现
⑥	自动升级	版本清单驱动，非破坏性更新自动执行	`cross_machine/knowledge/versions.json`	✅ 已实现
⑦	文件直传	同局域网 SSH rsync / AirDrop 直传大文件	`guardd/modules/transfer.py`	✅ 已实现

安全边界

内容	存储位置	安全性
公钥	`cross_machine/registry/*_pub.pem`	✅ 公开安全
加密消息	`cross_machine/encrypted/`	✅ 无私钥不可读
私钥/API Key	`agent-local/identity/secrets/`	✅ 永不共享
记忆数据	`agent-local/memory/`	✅ 每机独立
重资产	`agent-local/tools/*/`	✅ 不跨机同步

守护进程 guardd

每台机器运行 guardd 守护进程，负责 7 个子系统的自动化执行。

安装: launchd 管理，300 秒周期
引擎: 纯规则引擎，0 token 消耗
路径: 05_tools/00_setup/guardd/guardd.py
日志: agent-local/runtime/guardd/

guardd 9 模块

模块	职责
`heartbeat`	状态上报（CPU/内存/任务）写入 heartbeat.json + 推送 Dashboard
`dashboard_sync`	将本机 Dashboard 插件数据写入跨机共享目录
`task_worker`	扫描本机任务并执行
`upgrade_checker`	版本清单比对，自动/手动升级
`memory_triage`	过滤本地记忆，推送通用内容到提交箱
`knowledge_sync`	检测知识库变更 + 推送本地提交箱到远程
`encrypted_channel`	解密加密消息到本地
`sync_checker`	自动 git pull 拉取远程变更
`cleanup`	清理 30 天以上的旧事件和已完成任务

4.8 KiB Raw Blame History Unescape Escape