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）。
📚 API 文档中心
本目录把各平台官方 API 文档抓到本地，供看板「📚 API 文档中心」页浏览， 与
config/capabilities.yaml的能力条目互相跳转 —— 不用每次现抓。
目录结构
docs/api/
├── README.md ← 本文件
├── index.json ← 自动生成的索引（页面清单 + 原文 URL + 本地文件 + sha256）
└── raw/
├── qwen/ ← 千问AI平台（阿里 DashScope）官方文档（.md）
└── kling/ ← 可灵 AI 官方文档
怎么更新
cd 05_tools/09_ave
# 增量更新（已存在的跳过）
~/.workbuddy/binaries/python/envs/agent-os/bin/python3 scripts/tools/fetch_api_docs.py
# 全量重抓
... fetch_api_docs.py --force
# 只看会抓哪些（不下载）
... fetch_api_docs.py --list
# 只抓某个平台
... fetch_api_docs.py --source qwen
... fetch_api_docs.py --source kling
脚本位置：scripts/tools/fetch_api_docs.py
怎么加新平台
编辑脚本里的 SOURCES 列表，加一项即可：
{
"id": "volcano", # 目录名
"name": "火山引擎（即梦 / Seedream）",
"kind": "llms-txt", # 或 "explicit"
"index": "https://.../llms.txt", # llms-txt 模式：索引地址
"base": "https://.../", # 相对链接的 base
"include_paths": ["image", "video"], # 只抓这些路径
"exclude_paths": ["text-generation"], # 排除这些
}
kind="explicit" 时改为 "pages": [("slug", "标题"), ...] 显式登记。
各平台文档入口（原始地址，便于人工核对）
| 平台 | 文档入口 | 抓取方式 |
|---|---|---|
| 千问AI平台（阿里） | https://platform.qianwenai.com/docs/ | llms.txt 自动发现 |
| 可灵 AI | https://app.klingai.com/cn/dev/document-api/ | 显式登记（单页应用） |
| 火山引擎（待加） | — | — |
💡 千问AI平台提供
llms.txt（专给 AI 读的索引）与llms-full.txt（全量）， 是目前最好抓的源。其它平台若也有类似索引，优先用它。
与能力清单的关联
config/capabilities.yaml 里每个能力可加一个字段指向本文档：
- id: text_to_image
...
docs:
- qwen: api-reference/image-generation/wan27-image-gen-edit/create-task
- kling: imageGeneration
看板「⚙️ 能力配置」页据此显示「📖 查看官方文档 →」链接，跳到本文档中心对应页。