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

3.1 KiB

Raw Blame History

AgentOS v2.0 最新说明汇总

最后更新：2026-04-28

1. 当前版本是什么

AgentOS v2.0 是当前仓库的稳定可运行基准版。

它不是最初的单机原形，也不是未来多机协同终态，而是已经落地并能恢复的一版正式基线。

2. 当前正式文档入口

请按以下顺序阅读：

CORE-ARCHITECTURE.md：正式基准、目录边界、数据流定义
V2.0-SUMMARY.md：本文件，最新说明汇总
QUICKSTART.md：初始化与恢复操作
REQUIREMENTS.md：环境要求与依赖说明
SKILLS-CATALOG.md：v2.0 技能目录
REVIEW-V2.0.md：审查结论与收口原因

历史大体量说明已归档到：

90_archive/docs/AgentOS-完整说明文档_副本.v2.1-history.md

3. v2.0 一句话结构

agent-os/        = 共享主仓库
agent-os-local/  = 本机私有目录

主仓库负责：配置、技能、知识、共享记忆元数据、工具、迁移脚本。

本机私有目录负责：L3 原文、向量库、缓存、原始素材和待投递素材。

4. v2.0 正式边界

共享内容

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/

本机私有内容

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

5. v2.0 正式数据流

知识流

v2.0 采用“双入口汇聚到 Inbox”：

入口 A：标准化内容直接写入 03_knowledge/00_inbox/
入口 B：分类目录内容由 collect_to_inbox 汇聚到 00_inbox/
统一出口：inbox_refine 提纯归档

记忆流

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 raw/

工具流

05_tools/ 是工具层，不默认等于技能层。

6. v2.0 技能分组

system 技能

memory_manager
collect_to_inbox
inbox_refine
auto_collector
kb_manager
sync_manager

user 技能

content_processor
web_crawler

7. 恢复步骤

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

手动安装项：

WorkBuddy
坚果云
Obsidian（按需）
oMLX 与模型

8. v2.0 不做什么

以下内容已经明确延后：

collect_from_local.py
skill_scanner.py
SKILL_CARD.yaml 全量改造
工具 manifest / 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

9. 现在应该怎么理解这个仓库

如果只看一句话：

这是一个已经从原形长成“可运行增强版”的 AgentOS 仓库，v2.0 的任务不是继续发散，而是先把当前这版冻结、讲清、可恢复。

3.1 KiB Raw Blame History Unescape Escape