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）。
65 lines
2.1 KiB
Python
65 lines
2.1 KiB
Python
"""
|
|
mc/runlog.py — 结构化运行日志 v1.0
|
|
|
|
每次 mc run 执行后，将结果写入 JSONL 格式的结构化日志。
|
|
存储位置: agent-local/tools/matrix/logs/run_{date}_{account}.jsonl
|
|
|
|
供智能体和 Dashboard 读取分析。不依赖 print log。
|
|
"""
|
|
import json
|
|
from datetime import datetime
|
|
from pathlib import Path
|
|
|
|
HOME = Path.home()
|
|
from matrix_mgmt import AGENT_LOCAL
|
|
LOG_DIR = AGENT_LOCAL / "tools" / "matrix" / "logs"
|
|
|
|
|
|
def write_run_log(account_id: str, report: dict):
|
|
"""追加一条运行记录到当日 JSONL 日志"""
|
|
log_path = LOG_DIR / f"run_{datetime.now().strftime('%Y%m%d')}_{account_id}.jsonl"
|
|
LOG_DIR.mkdir(parents=True, exist_ok=True)
|
|
|
|
entry = {
|
|
"timestamp": datetime.now().isoformat(),
|
|
**report,
|
|
}
|
|
with open(log_path, "a", encoding="utf-8") as f:
|
|
f.write(json.dumps(entry, ensure_ascii=False) + "\n")
|
|
|
|
|
|
def read_latest_log(account_id: str, date_str: str = None) -> list[dict]:
|
|
"""读取指定日期的运行日志（默认今天）"""
|
|
if date_str is None:
|
|
date_str = datetime.now().strftime("%Y%m%d")
|
|
log_path = LOG_DIR / f"run_{date_str}_{account_id}.jsonl"
|
|
if not log_path.exists():
|
|
return []
|
|
entries = []
|
|
for line in log_path.read_text().splitlines():
|
|
if line.strip():
|
|
try:
|
|
entries.append(json.loads(line))
|
|
except json.JSONDecodeError:
|
|
pass
|
|
return entries
|
|
|
|
|
|
def get_today_summary() -> dict:
|
|
"""获取今日所有账号的运行摘要"""
|
|
today = datetime.now().strftime("%Y%m%d")
|
|
summary = {"date": today, "accounts": {}}
|
|
for f in sorted(LOG_DIR.glob(f"run_{today}_*.jsonl")):
|
|
account = f.stem.replace(f"run_{today}_", "")
|
|
entries = read_latest_log(account, today)
|
|
if entries:
|
|
last = entries[-1]
|
|
summary["accounts"][account] = {
|
|
"runs": len(entries),
|
|
"last_blueprint": last.get("blueprint", "?"),
|
|
"last_success": last.get("success", 0),
|
|
"last_failed": last.get("failed", 0),
|
|
"last_time": last.get("timestamp", "?"),
|
|
}
|
|
return summary
|