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

2.3 KiB

Raw Blame History

Dashboard 集成审计报告

日期: 2026-06-27 | 基于当前代码状态

执行路径总览

前端视图 → POST /api/ops/run {type, accounts, params}
  → CommandBus.dispatch()
    → 按机器分组
    → _send_local() / _send_remote()
      → guardd /scheduler/submit (新路径 ✅)
      → guardd /task (旧路径降级)
      → subprocess / SSH (最终降级)

各视图集成状态

✅ 已走新路径（CommandBus → guardd 调度引擎）

视图	操作类型	提交方式
`matrix-accounts.js`	collect, login	`fetch('/api/ops/run')` → 新路径
`matrix-collect.js`	collect	`apiRequest('/api/ops/run')` → 新路径
`matrix-nurture.js`	nurture	`apiRequest('/api/ops/run')` → 新路径
`matrix-comment.js`	comment	`apiRequest('/api/ops/run')` → 新路径
`matrix-interact.js`	interact	`apiRequest('/api/ops/run')` → 新路径
`matrix-like.js`	like	`apiRequest('/api/ops/run')` → 新路径
`ops-command.js`	联邦指挥台	读 `/api/ops/queue` + `/api/ops/machines`

🔶 需要注意的点

问题	说明
账号管理页采集不显示在指挥台	已修复: `_send_local()` 优先走 scheduler，旧路径降级
指挥台只读不写	目前指挥台只能"看"不能"操作"（Phase 3a 实现）
旧 `/task` 路径仍保留	作为降级方案，guardd 不可用时自动 fallback
nurture_runner.sh 未集成到调度器	养号任务仍走旧 nurture_runner.sh 路径（通过 /task 降级）

⏳ 待实现（Phase 3）

功能	优先级
指挥台操作按钮（取消/暂停/重排）	P0
告警中心（封号/登录失败高亮）	P1
三级接力	P2
任务超时熔断自动恢复	P1

当前数据流

用户点击"采集"
  ↓
matrix-accounts.js → POST /api/ops/run
  ↓
CommandBus.dispatch("collect", [account_id], params)
  ↓
_send_local() → guardd /scheduler/submit
  ↓
guardd scheduler → 15s循环 → executor.execute()
  ↓
指挥台每15秒 poll /api/ops/queue → 看到任务

测试方法

在账号管理页点"采集" → 等15秒 → 刷新指挥台 → 应该能看到任务出现在队列中

2.3 KiB Raw Blame History Unescape Escape