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）。
1.4 KiB
1.4 KiB
07 · 特殊字符规范
提示词中合理使用符号有助于模型准确理解不同信息类型。
标准符号表
| 信息类型 | 符号 | 示例 |
|---|---|---|
| 音乐 | ( ) |
（背景中播放着快节奏的摇滚乐） |
| 音效 | < > |
<远处传来狗叫声> |
| 台词 | { } |
{你好，世界}外语台词需标注语种： 用日语说道{こんにちは} |
| 字幕 | 【 】 |
【第一章：启程】 |
完整示例
镜头 1：傍晚的咖啡馆，女孩坐在窗边。
（背景中播放着舒缓的爵士钢琴曲）
<杯子轻碰桌面的清脆声>
她抬起头看向门口的男孩，轻声说{好久不见}。
画面底部出现字幕【第二章：重逢】。
语言规范
- 台词语言需统一，避免中英文混用（专有名词除外）
- 外语台词必须明确标注语种：
- ❌
He said: "Hello world"（混用） - ✅
用英语说{Hello world} - ✅
用日语说道{こんにちは}
- ❌
中文发音不准的解法
模型对多音字、生僻字、形近字容易读错。将易读错文字替换为发音一致的常用同音字：
| 原文 | 替换为 | 说明 |
|---|---|---|
| 鳞龙山 | 吃龙山 | "鳞"模型读不准，"吃"发音一致 |
| 萋萋 | 凄凄 | 形近字，发音正确 |
⚠️ 此方案仅为优化手段，无法完全规避所有发音问题。