butubb/MediaCrawler

Fork 0

Files

T

butubb 2112c1a870

Deploy VitePress site to Pages / build (push) Canceled after 0s

Details

Deploy VitePress site to Pages / Deploy (push) Canceled after 0s

Details

feat(monitor): 抖音 Web 接口客户端 —— 绕开爬虫子进程，直接发 HTTP

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）。

2026-10-10 17:12:25 +08:00

5.3 KiB

Raw Blame History

CORE-ARCHITECTURE.md —— AgentOS v2.0 基准定义

最后更新：2026-04-28

本文档是 AgentOS v2.0 的正式基准。后续若其他大体量说明与本文冲突，以本文为准。

1. v2.0 的定位

AgentOS v2.0 是一套运行在 WorkBuddy 上的本地优先个人智能体外骨骼系统。

它不是最早的单机原形复刻，也不是未来多机协同终态，而是当前仓库中已经落地并可恢复的一版稳定基准。

v2.0 只做三件事：

冻结当前可运行结构
明确同步与本地边界
统一文档口径，避免把未来升级方案混入当前实现

2. 根目录模型

2.1 `~/workbuddy-agent-os/agent-sync/`

作用：同步与版本化的主仓库。

应放入：

核心配置
技能层
知识库
共享记忆元数据
工具脚本
迁移脚本
说明文档

2.2 `~/workbuddy-agent-os/agent-sync/agent-local/`

作用：本机私有数据区，不进入主仓库，不作为 v2.0 的主文档对象，但作为正式运行边界的一部分存在。

应放入：

L3 原文
向量库
临时缓存
原始素材
已提炼待投递素材

3. 目录职责

目录	v2.0 职责	是否共享
`00_bootstrap/`	初始化、部署、导入导出	是
`01_core/`	SOUL、IDENTITY、USER、MCP 配置	是
`02_skills/`	WorkBuddy 技能层	是
`03_knowledge/`	Obsidian 知识库	是
`04_memory/`	事实库、摘要、日志与本地挂载点	部分共享
`05_tools/`	公共工具层	是
`06_runtime/`	任务记录与缓存挂载点	部分共享
`07_migration/`	打包、解包、备份	是

4. 本地挂载与共享边界

4.1 正式共享内容

以下内容属于 v2.0 的共享资产：

01_core/
02_skills/
03_knowledge/
04_memory/long_term/facts.db
04_memory/daily_summaries/
04_memory/logs/
05_tools/
06_runtime/tasks/
07_migration/

4.2 正式本机私有内容

以下内容属于 v2.0 的本机私有资产：

04_memory/long_term/raw/
04_memory/vector_db/
06_runtime/cache/
~/workbuddy-agent-os/agent-sync/agent-local/materials/

4.3 软链接映射

当前正式映射如下：

~/workbuddy-agent-os/agent-sync/04_memory/long_term/raw  -> ~/workbuddy-agent-os/agent-sync/agent-local/memory/raw
~/workbuddy-agent-os/agent-sync/04_memory/vector_db      -> ~/workbuddy-agent-os/agent-sync/agent-local/memory/vector_db
~/workbuddy-agent-os/agent-sync/06_runtime/cache         -> ~/workbuddy-agent-os/agent-sync/agent-local/runtime/cache

init.sh 负责重建这些映射。

5. v2.0 的正式数据流

5.1 知识流

v2.0 明确定义为“双入口汇聚到 Inbox”。

入口 A：直接入 Inbox

已经标准化的内容可以直接写入 03_knowledge/00_inbox/

入口 B：分类目录汇聚

内容先写入 50_resources/、01_daily/、20_methods/、40_references/ 等目录
再由 collect_to_inbox 汇聚进 00_inbox/

统一出口：

inbox_refine 将 00_inbox/ 内容提纯归档到知识库目标目录

因此，v2.0 不再把这两种入口视为冲突，而是视为同一流水线的两种合法前置路径。

5.2 记忆流

当前记忆流为：

WorkBuddy 工作日志 / 系统画像 / 上轮摘要
        -> daily_digest.py
        -> facts.db
        -> keyword_index.json / ChromaDB
        -> 原文写入本机私有 raw/

5.3 工具流

05_tools/ 是工具层，不等于技能层。

v2.0 允许在工具层中存在：

系统检查脚本
抓取工具
媒体处理脚本
独立小项目

但这些工具默认不自动视为对话技能。

6. 技能分类

6.1 system 技能

system 技能是架构层约定，表示后台自动运行或以系统流程为主：

memory_manager
collect_to_inbox
inbox_refine
auto_collector
kb_manager
sync_manager

6.2 user 技能

user 技能是对话直接触发的入口层：

content_processor
web_crawler

6.3 约束说明

v2.0 仅把 system / user 作为文档级约定。

以下能力不在 v2.0 强制落地：

category 元数据全量补齐
SKILL_CARD.yaml
skill_scanner.py

这些属于后续版本。

7. 初始化与恢复基准

v2.0 的正式恢复步骤如下：

cd ~/workbuddy-agent-os/agent-sync/00_bootstrap
bash init.sh
bash apply-config.sh
bash import_skills.sh

~/.workbuddy/binaries/python/envs/agent-os/bin/python3 \
    ~/workbuddy-agent-os/agent-sync/02_skills/memory_manager/bootstrap_from_memory.py \
    --root ~/workbuddy-agent-os/agent-sync

手动部分：

安装 WorkBuddy
安装坚果云
按需安装 Obsidian
安装 oMLX 与模型

8. v2.0 延后项

以下内容明确不属于 v2.0：

本地素材统一投递脚本 collect_from_local.py
技能身份证与统一扫描器
工具 manifest 与自动化安装体系
更细粒度的多机记忆隔离策略
基于 agent-os-local/materials/ 的全新单入口采集体系

这些内容如果要做，必须以 v2.1 或更高版本单独立项。

9. 验收标准

满足以下条件，即视为 v2.0 收口完成：

核心文档不再互相冲突
目录边界和软链接边界明确
恢复步骤可以从文档直接执行
知识流与记忆流可以一句话解释清楚
延后项不再混入当前基准描述

5.3 KiB Raw Blame History Unescape Escape