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）。
42 lines
1.5 KiB
Bash
42 lines
1.5 KiB
Bash
#!/bin/bash
|
|
# ============================================================
|
|
# AgentOS 备份脚本
|
|
# 用途：备份核心配置、记忆体和知识库到指定目录
|
|
# 使用：cd ~/workbuddy-agent-os/agent-sync/07_migration && bash backup.sh [backup_dir]
|
|
# 说明：日常备份由坚果云自动同步，此脚本用于手动创建额外备份
|
|
# ============================================================
|
|
|
|
set -euo pipefail
|
|
|
|
SCRIPT_DIR="$(cd "$(dirname "$0")" && pwd)"
|
|
AGENT_OS_ROOT="$(cd "$SCRIPT_DIR/.." && pwd)"
|
|
BACKUP_DIR="${1:-$AGENT_OS_ROOT/04_memory/memory_backup}"
|
|
TIMESTAMP="$(date +%Y%m%d_%H%M%S)"
|
|
|
|
info() { echo "[INFO] $1"; }
|
|
ok() { echo "[OK] $1"; }
|
|
|
|
mkdir -p "$BACKUP_DIR"
|
|
|
|
TARGET="$BACKUP_DIR/backup_${TIMESTAMP}"
|
|
mkdir -p "$TARGET"
|
|
|
|
info "备份核心配置..."
|
|
cp -r "$AGENT_OS_ROOT/01_core/" "$TARGET/01_core/"
|
|
|
|
info "备份记忆体..."
|
|
cp -r "$AGENT_OS_ROOT/04_memory/long_term/" "$TARGET/long_term/" 2>/dev/null || true
|
|
cp -r "$AGENT_OS_ROOT/04_memory/vector_db/" "$TARGET/vector_db/" 2>/dev/null || true
|
|
cp -r "$AGENT_OS_ROOT/04_memory/daily_summaries/" "$TARGET/daily_summaries/" 2>/dev/null || true
|
|
|
|
info "备份技能包..."
|
|
cp -r "$AGENT_OS_ROOT/02_skills/" "$TARGET/02_skills/"
|
|
|
|
SIZE="$(du -sh "$TARGET" | cut -f1)"
|
|
ok "备份完成: $TARGET ($SIZE)"
|
|
|
|
# 清理超过 30 天的旧备份
|
|
info "清理旧备份（>30天）..."
|
|
find "$BACKUP_DIR" -maxdepth 1 -type d -name "backup_*" -mtime +30 -exec rm -rf {} + 2>/dev/null || true
|
|
ok "旧备份已清理"
|