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

5.7 KiB

Raw Blame History

guardd v2.3.0 — 联邦守护进程 (WPRA v2.0)

架构: WPRA v2.0 — 每台机器只写自己的命名空间，永不冲突版本: 2.3.0 | 更新: 2026-05-31 适用: 所有 AgentOS 联邦机器

架构变化 (v2.3.0 关键升级)

v2.3.0 从 git add -A 切换到 WPRA (Write Partitioned, Read Aggregated) 模型：

旧架构 (≤2.2.x)	新架构 (≥2.3.0)
`git add -A` 全量提交 → 冲突	`git add <本机文件>` → 精确提交
全员写 `_registry.json` → 覆盖冲突	guardd 不写聚合文件，只写自己的命名空间
单文件 `accounts_registry.yaml`	每台机器 `machines/{uid}/accounts.yaml`
心跳写到 `status/live/`	同时写到 `machines/{uid}/heartbeat.json`

每台机器只操作自己的命名空间：

machines/{MACHINE_UID}/
├── MACHINE.yaml               ← 身份声明（首次写入，终身只读）
├── heartbeat.json              ← 心跳（含 file_version + updated_at）
└── events/{date}.jsonl         ← 事件日志（append-only）

不再由 guardd 写入的文件（已移交给 Dashboard 单实例管理）：

status/live/_registry.json — 安全删除，无冲突风险

前置条件

本机能访问 Gitee ([email protected]:babycalf/mac-agent-os.git)
已配置 SSH 密钥 (有推送权限)
Python 3 可用

安装步骤

1. 克隆/拉取仓库

# 首次 (如果还没有仓库)
git clone [email protected]:babycalf/mac-agent-os.git ~/workbuddy-agent-os/agent-sync

# 已有仓库
cd ~/workbuddy-agent-os/agent-sync && git pull

2. 创建本地目录

mkdir -p ~/workbuddy-agent-os/agent-local/identity
mkdir -p ~/workbuddy-agent-os/agent-local/runtime/guardd

3. 首次运行测试

cd ~/workbuddy-agent-os/agent-sync/05_tools/00_setup/guardd
python3 guardd.py --once

如果输出 心跳已上报 表示成功。此时:

本机 UID 已生成 → agent-local/identity/machine_uid
本机 hostname 已缓存 → agent-local/identity/cached_hostname
心跳已写入 (旧) → cross_machine/status/live/{UID}.json
心跳已写入 (新) → cross_machine/machines/{UID}/heartbeat.json ✅ WPRA v2.0
身份声明已创建 → cross_machine/machines/{UID}/MACHINE.yaml
数据已推送到 Git (精确 add，非 -A)

4. 验证 Dashboard

cd ~/workbuddy-agent-os/agent-sync/05_tools/10_dashboard
python3 run.py 9988

浏览器打开 http://本机IP:9988 → 看到所有机器状态

5. 配置自动启动 (macOS launchd)

创建 plist 文件:

cat > ~/Library/LaunchAgents/com.agentos.guardd.plist << 'EOF'
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE plist PUBLIC "-//Apple//DTD PLIST 1.0//EN" "http://www.apple.com/DTDs/PropertyList-1.0.dtd">
<plist version="1.0">
<dict>
    <key>Label</key>
    <string>com.agentos.guardd</string>
    <key>ProgramArguments</key>
    <array>
        <string>/usr/bin/python3</string>
        <string>/Users/$(whoami)/workbuddy-agent-os/agent-sync/05_tools/00_setup/guardd/guardd.py</string>
    </array>
    <key>WorkingDirectory</key>
    <string>/Users/$(whoami)/workbuddy-agent-os/agent-sync</string>
    <key>RunAtLoad</key>
    <true/>
    <key>StartInterval</key>
    <integer>300</integer>
    <key>StandardOutPath</key>
    <string>/Users/$(whoami)/workbuddy-agent-os/agent-local/runtime/guardd/stdout.log</string>
    <key>StandardErrorPath</key>
    <string>/Users/$(whoami)/workbuddy-agent-os/agent-local/runtime/guardd/stderr.log</string>
    <key>EnvironmentVariables</key>
    <dict>
        <key>PATH</key>
        <string>/usr/bin:/bin:/usr/sbin:/sbin</string>
    </dict>
</dict>
</plist>
EOF

# 加载启动
launchctl load ~/Library/LaunchAgents/com.agentos.guardd.plist

6. 配置 Dashboard 自动启动

cat > ~/Library/LaunchAgents/com.agentos.dashboard.plist << 'EOF'
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE plist PUBLIC "-//Apple//DTD PLIST 1.0//EN" "http://www.apple.com/DTDs/PropertyList-1.0.dtd">
<plist version="1.0">
<dict>
    <key>Label</key>
    <string>com.agentos.dashboard</string>
    <key>ProgramArguments</key>
    <array>
        <string>/usr/bin/python3</string>
        <string>/Users/$(whoami)/workbuddy-agent-os/agent-sync/05_tools/10_dashboard/run.py</string>
        <string>9988</string>
    </array>
    <key>WorkingDirectory</key>
    <string>/Users/$(whoami)/workbuddy-agent-os/agent-sync/05_tools/10_dashboard</string>
    <key>RunAtLoad</key>
    <true/>
    <key>KeepAlive</key>
    <true/>
    <key>StandardOutPath</key>
    <string>/Users/$(whoami)/workbuddy-agent-os/agent-local/runtime/guardd/dashboard_stdout.log</string>
    <key>StandardErrorPath</key>
    <string>/Users/$(whoami)/workbuddy-agent-os/agent-local/runtime/guardd/dashboard_stderr.log</string>
</dict>
</dict>
</plist>
EOF

launchctl load ~/Library/LaunchAgents/com.agentos.dashboard.plist

版本管理

版本文件: cross_machine/guardd-required-version.txt

guardd 每次启动时会检查版本号。如果当前版本低于要求版本:

自动执行 git pull 拉取最新代码
提示重启

如果版本不匹配, 手动更新:

cd ~/workbuddy-agent-os/agent-sync && git pull
# 然后重启 guardd
launchctl unload ~/Library/LaunchAgents/com.agentos.guardd.plist
launchctl load ~/Library/LaunchAgents/com.agentos.guardd.plist

常见问题

问题	解决方法
Git push 权限不足	检查 SSH key 是否添加到 Gitee
启动报错	检查 stdout.log/stderr.log
Dashboard 看不到其他机器	点击左侧 [🔄 同步] 执行 git pull
磁盘占用	`agent-local/runtime/guardd/` 下的日志会自动轮转

5.7 KiB Raw Blame History Unescape Escape