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）。
1.5 KiB
1.5 KiB
id: KB-20260514-002 title: "CloakBrowser 源码级反爬浏览器" type: system status: active nature: reference domain: system subdomain: [反爬, 浏览器自动化, 采集] tags: [cloakbrowser, 反爬, 浏览器指纹, web_crawler] confidence: 0.85 source: "系统集成落地验证" date_created: 2026-05-14 date_modified: 2026-05-14 version: 1 summary: "源码级修改的 Chromium 分发版，49项 C++ 补丁修改指纹，30/30反爬检测全部通过。API兼容 Playwright，改一行 import 即可迁移。"
collected: true collected_date: 2026-05-16---
CloakBrowser 源码级反爬浏览器
基本信息
- 版本: v0.3.28
- 安装:
pip install cloakbrowser - 二进制: 首次运行自动下载 ~200MB Chromium
核心原理
直接修改 Chromium 的 C++ 源码再编译，不是 JS 注入或配置修改。
| 修改项 | 做法 |
|---|---|
| Canvas 指纹 | 修改 GPU 渲染行为 |
| WebGL 指纹 | 修改驱动信息 |
| 自动化信号 | 修改 CDP webdriver 属性 |
| Audio 指纹 | 修改音频层随机化种子 |
| 字体指纹 | 修改字体枚举逻辑 |
检测通过率
- 30/30 全部通过
- reCAPTCHA v3: 0.9（人类级别）
- Cloudflare Turnstile: 通过
- FingerprintJS: 通过
系统集成
- 技能:
02_skills/cloakbrowser_controller/SKILL.md - web_crawler 引擎: v1.2.0，高反爬走 CloakBrowser
不涉及的模块
- Matrix 养号（Camoufox）— 已深度适配，不更换内核
- OpenCLI — 不变
- Scrapling — 不变（低反爬页面仍用它）