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）。
32 lines
1.0 KiB
YAML
32 lines
1.0 KiB
YAML
# accounts.override.yaml — 本机账号覆写配置 (L1)
|
|
# 位置: ~/workbuddy-agent-os/agent-local/tools/matrix/config/accounts.override.yaml
|
|
# 同步: 不参与任何同步, 每机独⽴
|
|
# 用途: 覆写 registry 中的本机账号的敏感/环境相关字段
|
|
#
|
|
# 规则:
|
|
# - 只写本机有归属的账号 (assigned_machine == 本机 hostname)
|
|
# - 手机号/代理/启用状态只在这里定义
|
|
# - identity_dir 可覆盖 (如果本机身份目录名不⼀致)
|
|
# - 不存在的字段自动从 registry 继承
|
|
|
|
version: "1.0"
|
|
hostname: "__YOUR_HOSTNAME__" # 改为本机 hostname
|
|
|
|
accounts:
|
|
# 示例: douyin_01 的覆写
|
|
- id: douyin_01
|
|
phone: "185xxxx8610" # 完整手机号
|
|
proxy: "" # 代理 (空=不使⽤)
|
|
enabled: true # 本机是否启用此账号
|
|
# identity_dir: identities/my_custom_dir # 可选覆盖
|
|
|
|
- id: douyin_02
|
|
phone: "185xxxx3366"
|
|
proxy: ""
|
|
enabled: true
|
|
|
|
- id: douyin_camo01
|
|
phone: "153xxxx8283"
|
|
proxy: ""
|
|
enabled: true
|