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）。
1.8 KiB
1.8 KiB
知识审查协议
文件：99_system/protocols/knowledge-review.md 触发词：入库、记录这条、保存知识、知识审查 加载方式：SOUL.md 检测触发词后加载
审查四步
第一步：来源可靠性评分
| 来源类型 | 评分 |
|---|---|
| 官方文档 / 学术论文 | +0.3 |
| 知名技术博客 / 行业报告 | +0.1 |
| 个人博客 / 论坛帖子 | -0.1 |
| 未知来源 / 社交媒体 | -0.3 |
| 基础可靠性基线 | 0.5 |
第二步：一致性检查
与 L2 已有事实对比：
- 完全一致 → 旧知识 confidence 轻微提升
- 补充细节 → 合并为新条目
- 矛盾 → 进入冲突消解（新事实 > 旧事实，用户明确修正 > 系统推断）
第三步：时效性标记
| 知识类型 | 有效期 |
|---|---|
| 技术类知识 | 180 天后自动失效 |
| 法律/法规 | 按原文有效期 |
| 个人偏好/观点 | 不过期，标记为 opinion |
| 物理/数学公理 | 永久有效 |
第四步：日志记录
写入 kb_ingest.log，格式：
{timestamp} | {kb_id} | {decision} | {reason} | {confidence}
知识版本管理
| 变化类型 | 处理方式 |
|---|---|
| 硬事实改变（如 4C8G → 8C16G） | 更新原卡片，旧值写入 previous_version |
| 软升级（V1→V2，V1仍有价值） | 保留 V1，新建 V2，related 链接 |
| 观点→事实 | nature 改为 fact，confidence 提升 |
自学习规则
- 所有错误写入 errors.log
- 用户纠正时触发修补：事实错误→更新 L2 facts.db，方法错误→更新方法卡片，观点分歧→标记 opinion
- 同一类型错误出现 3 次 → 触发技能改进建议
输出
审查通过后确认入库路径，汇报决策和理由，一行总结。