MediaCrawler/mac-agent-os-main/archive_docs/matrix_docs/IMPLEMENTATION_GUIDE.md

全自动矩阵养号运维系统 - 完整落地实施手册

版本：v2.0
适用平台：抖音、小红书、快手、知乎
运行环境：macOS (Apple Silicon), Colima, Docker
最后更新：2026-04-27

---

目录

1. 项目概述与目标
2. 第一部分：隐身登录系统
3. 第二部分：智能养号自动化系统
4. 第三部分：系统完整工作流
5. 第四部分：落地实施具体步骤
6. 第五部分：关键技术栈
7. 第六部分：成本估算
8. 附录：常见问题与踩坑记录

---

一、项目概述与目标

1.1 项目定义

在 Mac (Apple Silicon) 上构建一套覆盖抖音、小红书、快手、知乎的全自动矩阵养号系统。实现从安全登录、拟人化浏览、智能互动到回复评论的全链路自动化。

1.2 核心设计原则

• 高隐蔽性：从浏览器指纹、网络出口、行为特征三个维度做到不被平台风控识别
• 低成本启动：核心依赖开源工具，初期月成本控制在 ¥135-600
• 自我进化：采用"人工示教 → AI学习 → 自动回放"模式，适应平台UI变化
• 人机协同：登录/验证码环节人工介入，重复性操作用自动化完成

1.3 前置条件

• 一台专用 Mac (Apple Silicon)，仅用于养号
• 浏览器前台运行，不使用无头模式 (headless: false)
• 登录、验证码环节人工配合
• 5-6 个初始账号，使用 2-3 套反检测框架轮换
• 每个账号绑定独立静态住宅IP

---

二、第一部分：隐身登录系统

2.1 架构总览

🧠 AI 总调度器 (OpenClaw / Python asyncio)
    │
    ├── Docker 容器 1: Camoufox (Firefox) → 账号A → 独立IP_1
    ├── Docker 容器 2: Camoufox (Firefox) → 账号B → 独立IP_2
    ├── Docker 容器 3: Patchright (Chromium) → 账号C → 独立IP_3
    ├── Docker 容器 4: Patchright (Chromium) → 账号D → 独立IP_4
    └── Docker 容器 5: Camoufox (Firefox) → 账号E → 独立IP_5

轮换策略：

• 3个账号使用 Camoufox (Firefox内核)
• 2个账号使用 Patchright (Chromium内核)
• 避免所有账号使用同一框架，降低群体特征关联风险

2.2 容器运行时选型：Colima

为什么用 Colima 而不是 Docker Desktop：

• Colima 是 macOS 上最轻量的容器运行时，基于 Lima
• 默认行为更接近原生 Linux 环境，不挂载 /.dockerenv 标志文件
• 资源占用小，适合长时间运行
• 开源免费，无 Docker Desktop 的商用限制

安装命令：

brew install colima docker docker-compose
colima start --cpu 4 --memory 8 --disk 50

验证安装：

docker ps
# 应显示空的容器列表，无报错

2.3 Docker 环境反检测技术清单

以下每一项都是经过验证的对抗手段，必须全部配置，缺一不可。

序号	平台检测手段	具体表现	风险等级	我们的对抗方法	具体实现
1	/.dockerenv 文件	检查根目录是否存在该标志文件	⚠️ 高	删除该文件	Dockerfile: RUN rm -f /.dockerenv
2	/proc/1/cgroup 关键词	检查cgroup是否包含 "docker" 字符串	⚠️ 高	挂载伪造的cgroup文件	-v /host/proc/1/cgroup:/proc/1/cgroup:ro
3	环境变量 container=docker	检测环境变量中是否包含docker标识	⚠️ 中	清除环境变量	Dockerfile: ENV container=""
4	/etc/machine-id	系统唯一标识，虚拟机/Docker有固定值	⚠️ 中	挂载宿主机真实文件	-v /etc/machine-id:/etc/machine-id:ro
5	D-Bus 服务缺失	真实桌面系统必有的进程间通信服务	⚠️ 中	安装并启动dbus	RUN apt-get install -y dbus
6	显卡/WebGL 指纹	检查是否含 "llvmpipe" 等软件渲染标识	⚠️ 高	Camoufox自动伪造真实GPU信息	由Camoufox在编译层处理
7	MAC地址虚拟化	Docker默认生成 02:42:xx:xx:xx:xx 段虚拟MAC	⚠️ 中	挂载宿主机网卡或指定固定MAC	--mac-address 00:1B:63:84:45:E6
8	CPU信息	/proc/cpuinfo 显示虚拟化标识	⚠️ 低	不做特殊处理，Colima默认较干净	-
9	内存/磁盘大小	异常小的内存或磁盘容量	⚠️ 低	分配合理资源（8G内存，50G磁盘）	colima配置参数

Dockerfile 完整模板：

# Camoufox 基础镜像
FROM ubuntu:22.04

# 清除Docker标志文件
RUN rm -f /.dockerenv

# 清除环境变量
ENV container=""

# 安装桌面依赖
RUN apt-get update && apt-get install -y \
    dbus \
    libgtk-3-0 \
    libnotify4 \
    libnss3 \
    libxss1 \
    libxtst6 \
    xdg-utils \
    libatspi2.0-0 \
    libdrm2 \
    libgbm1 \
    libxcb1 \
    libxkbcommon0 \
    libasound2 \
    && rm -rf /var/lib/apt/lists/*

# 启动dbus服务
RUN mkdir -p /var/run/dbus && dbus-daemon --system

# 创建非root用户（真实用户不会用root跑浏览器）
RUN useradd -m -s /bin/bash browser
USER browser
WORKDIR /home/browser

# 安装Camoufox（具体步骤见Camoufox官方文档）
# ...

docker-compose.yml 完整模板：

version: '3.8'

services:
  account_01:
    build:
      context: ./docker/camoufox
      dockerfile: Dockerfile
    container_name: matrix_account_01
    volumes:
      - ./profiles/account_01:/home/browser/.mozilla  # Cookie持久化
      - ./scripts:/home/browser/scripts
      - /etc/machine-id:/etc/machine-id:ro              # 宿主机machine-id
    environment:
      - PROXY_SERVER=socks5://your-proxy-ip-1:1080       # 独立代理IP
      - PROXY_USER=your_username
      - PROXY_PASS=your_password
      - DISPLAY=:99
    mac_address: 00:1B:63:84:45:E1                       # 固定MAC
    ports:
      - "9221:9222"  # CDP调试端口，每个容器映射到宿主机不同端口
    shm_size: '2gb'
    restart: unless-stopped

  account_02:
    image: patchright-browser:latest
    container_name: matrix_account_02
    volumes:
      - ./profiles/account_02:/home/browser/.config/chromium
      - ./scripts:/home/browser/scripts
      - /etc/machine-id:/etc/machine-id:ro
    environment:
      - PROXY_SERVER=socks5://your-proxy-ip-2:1080
      - DISPLAY=:99
    mac_address: 00:1B:63:84:45:E2
    ports:
      - "9222:9222"
    shm_size: '2gb'
    restart: unless-stopped

  # account_03, account_04, account_05 类推

2.4 浏览器层反检测框架详解

2.4.1 Camoufox (Firefox内核)

为什么选择Camoufox：

• 在编译阶段修改Firefox源码，不是运行时打补丁
• 从根源消除 navigator.webdriver 等自动化特征
• WebGL/Canvas/字体指纹均做真实化随机处理
• 对国际主流平台（TikTok, Instagram等）兼容性好

Camoufox 编译级修改点：

修改点	解决的问题	技术细节
navigator.webdriver	强制返回 false	在Navigator接口实现层硬编码，JS无法检测
CDP Runtime 泄漏	移除调试管道痕迹	删除 --remote-debugging-pipe 参数
WebGL 指纹	伪造真实GPU型号	注入Apple M系列GPU指纹
Canvas 指纹	每次渲染添加微噪声	噪声可配置，默认人类无法察觉
字体指纹	模拟真实系统字体列表	内置macOS/Windows字体清单
时区一致性	IP代理对应时区自动同步	启动时检测IP Geo位置自动设置

使用示例：

from camoufox import AsyncCamoufox

async with AsyncCamoufox(
    headless=False,
    proxy="socks5://ip:port",
    user_data_dir="./profiles/acc01",
    screen={"width": 390, "height": 844},
    geo={"timezone": "Asia/Shanghai"}
) as browser:
    page = await browser.new_page()
    await page.goto("https://www.douyin.com")

2.4.2 Patchright (Chromium内核)

为什么需要Patchright：

• 基于Chromium内核，对国内Webkit平台（抖音/小红书）兼容性更好
• 修补CDP协议和JS运行时泄漏
• 与Playwright API兼容，学习成本低

与Camoufox配合使用：

• 账号A、B、E → Camoufox (Firefox)
• 账号C、D → Patchright (Chromium)
• 关键：不要让所有账号使用同一浏览器内核

2.4.3 CDP协议连接方式

import asyncio
from patchright.async_api import async_playwright

async def connect_to_browser(cdp_port: int):
    async with async_playwright() as p:
        browser = await p.chromium.connect_over_cdp(
            f"http://localhost:{cdp_port}"
        )
        context = browser.contexts[0]
        page = context.pages[0] if context.pages else await context.new_page()
        return page

2.5 移动端伪装与强制跳转拦截

2.5.1 三层对抗策略

第一层：伪装成"无App环境的普通移动浏览器"

参数	设置值	目的
User-Agent	Mozilla/5.0 (Linux; Android 10; Pixel 5) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Mobile Safari/537.36	伪装成Android手机Chrome
UA关键注意	绝对不能包含 MicroMessenger、douyin、xiaohongshu、kuaishou 等App标识	避免被识别为App内嵌浏览器
navigator.standalone	通过CDP注入强制返回 false	告诉页面"没有安装PWA"
navigator.platform	Linux armv8l	与UA保持一致性

注意：UA中的 Android 字样不能省略，部分平台对 iPhone UA的跳转更激进。

第二层：CDP拦截URL Scheme跳转（最关键防线）

async def setup_app_jump_interception(cdp_session):
    """拦截所有主流平台的App跳转协议"""
    blocked_schemes = [
        "xhdsdiscover://*",      # 小红书
        "snssdk1128://*",        # 抖音
        "snssdk1233://*",        # TikTok
        "kuaishou://*",          # 快手
        "zhihu://*",             # 知乎
        "weixin://*",            # 微信
        "alipays://*",           # 支付宝
        "taobao://*",            # 淘宝
        "openapp.jdmobile://*",  # 京东
        "intent://*",            # Android Intent
    ]
    
    await cdp_session.send("Fetch.enable", {
        "patterns": [
            {"urlPattern": scheme, "requestStage": "Request"}
            for scheme in blocked_schemes
        ]
    })
    
    def handle_interception(event):
        asyncio.ensure_future(
            cdp_session.send("Fetch.failRequest", {
                "requestId": event["requestId"],
                "errorReason": "Aborted"
            })
        )
    
    cdp_session.on("Fetch.requestPaused", handle_interception)
    return cdp_session

第三层：DOM弹窗清理（兜底方案）

REMOVE_OVERLAY_SCRIPT = """
() => {
    const overlay_selectors = [
        '[class*="download"]', '[class*="open-app"]', '[class*="app-guide"]',
        '[class*="launch-app"]', '[class*="open-in-app"]',
        '.open-in-app', '.app-launch-mask', '.download-tip', '.bottom-bar',
        '.download-banner', '.open-app-btn', '.app-download-tip',
        '.open-app-layer', '.download-guide-mask',
        '.open-in-app-bar', '.app-open-button',
        '#app-launch-dialog', '#open-app-modal', '#download-modal',
    ];
    
    let removed_count = 0;
    overlay_selectors.forEach(selector => {
        document.querySelectorAll(selector).forEach(el => {
            el.remove();
            removed_count++;
        });
    });
    
    document.body.style.overflow = '';
    document.body.style.position = '';
    document.body.style.overflowY = 'auto';
    
    return removed_count;
}
"""

2.5.2 移动端视口配置

MOBILE_VIEWPORT_CONFIG = {
    "width": 390,
    "height": 844,
    "deviceScaleFactor": 3,
    "isMobile": True,
    "hasTouch": True,
    "screenOrientation": "portrait"
}

async def apply_mobile_viewport(cdp_session):
    await cdp_session.send("Emulation.setDeviceMetricsOverride", {
        "width": 390,
        "height": 844,
        "deviceScaleFactor": 3,
        "mobile": True,
        "screenOrientation": {"type": "portrait", "angle": 0}
    })
    await cdp_session.send("Emulation.setTouchEmulationOverride", {
        "enabled": True,
        "maxTouchPoints": 5
    })

2.6 IP代理配置

代理类型	月成本/个	稳定度	适用场景
静态住宅IP (推荐)	¥25-110	⭐⭐⭐⭐	长期养号，被识别风险最低
动态住宅IP	¥15-50	⭐⭐⭐	批量操作，但IP变化可能触发验证
数据中心代理	¥5-20	⭐⭐	初期测试，但易被风控识别

2.7 人工登录与Cookie持久化

步骤1：启动容器 + 应用代理
步骤2：浏览器弹出（前台，390x844手机比例）
步骤3：人工输入账号密码 + 验证码 + 勾选"记住我"
步骤4：确认登录成功 → Cookie自动写入挂载卷
步骤5：关闭浏览器 → Cookie持久化保留
步骤6：重启容器，验证持久化是否正常

async def check_login_status(page, platform: str):
    """检查账号是否仍处于登录状态"""
    login_indicators = {
        "douyin": "document.querySelector('[data-e2e=\"user-avatar\"]') !== null",
        "xiaohongshu": "document.querySelector('.user-avatar') !== null",
        "kuaishou": "document.querySelector('.user-avatar') !== null",
        "zhihu": "document.querySelector('.AppHeader-profile') !== null",
    }
    js_code = login_indicators.get(platform)
    if not js_code:
        return False
    try:
        return await page.evaluate(js_code)
    except:
        return False

---

三、第二部分：智能养号自动化系统

3.1 核心设计：人工示教 → 任务蓝图 → AI回放

设计理念：

• 不编写死板的点击坐标脚本
• 人工操作一次，系统自动学习
• 生成结构化"任务蓝图"，AI据此回放
• 平台UI变化时自我修复，失败时降级处理

3.2 原子操作定义

原子操作ID	操作名称	描述	完成确认
AO_NAV	页面导航	跳转到指定URL	目标页面关键元素出现
AO_CLICK	点击元素	点击指定按钮/链接	期望的页面变化发生
AO_INPUT	输入文本	在输入框输入内容	输入框内容与预期一致
AO_SCROLL	滑动/滚动	上下滑动页面	滚动位置发生变化
AO_SWIPE	触摸滑动	模拟手指滑动（视频切换）	内容切换到下一条
AO_WAIT	等待	停留浏览一段时间	等待时间达标
AO_SEARCH	搜索	搜索关键词	搜索结果加载
AO_LIKE	点赞	点亮爱心/拇指	按钮状态变为"已赞"
AO_COLLECT	收藏	收藏内容	按钮状态变为"已收藏"
AO_COMMENT	评论	发表评论	评论出现在评论区
AO_REPLY	回复评论	回复他人评论	回复内容发送成功
AO_FOLLOW	关注	关注用户	按钮变为"已关注"

3.3 养号任务清单

抖音任务

任务ID	任务名称	涉及原子操作	预估耗时
DY_001	浏览推荐页	AO_SWIPE, AO_WAIT	5-15分钟
DY_002	搜索并浏览	AO_SEARCH, AO_CLICK, AO_WAIT	3-8分钟
DY_003	点赞视频	AO_LIKE	30秒
DY_004	评论视频	AO_COMMENT, AO_INPUT	1-2分钟
DY_005	回复评论	AO_NAV, AO_CLICK, AO_REPLY	2分钟
DY_006	关注用户	AO_FOLLOW	30秒
DY_007	收藏视频	AO_COLLECT	30秒
DY_008	浏览同城	AO_NAV, AO_SWIPE, AO_WAIT	5分钟
DY_009	查看主页	AO_NAV, AO_SCROLL	2分钟

小红书任务

任务ID	任务名称	涉及原子操作	预估耗时
XHS_001	浏览首页推荐	AO_SCROLL, AO_CLICK, AO_WAIT	5-15分钟
XHS_002	搜索浏览	AO_SEARCH, AO_SCROLL, AO_CLICK	5分钟
XHS_003	点赞笔记	AO_LIKE	30秒
XHS_004	收藏笔记	AO_COLLECT	30秒
XHS_005	评论笔记	AO_COMMENT, AO_INPUT	1-2分钟
XHS_006	关注博主	AO_FOLLOW	30秒

快手任务

任务ID	任务名称	涉及原子操作
KS_001	刷推荐视频	AO_SWIPE, AO_WAIT
KS_002	点赞视频	AO_LIKE
KS_003	评论视频	AO_COMMENT, AO_INPUT

知乎任务

任务ID	任务名称	涉及原子操作
ZH_001	浏览推荐	AO_SCROLL, AO_CLICK, AO_WAIT
ZH_002	赞同回答	AO_LIKE
ZH_003	评论问题	AO_COMMENT, AO_INPUT
ZH_004	关注话题	AO_FOLLOW

3.4 任务蓝图完整数据结构

{
  "task_id": "DY_005",
  "task_name": "抖音_回复评论",
  "platform": "douyin",
  "version": "1.0.0",
  "created_at": "2026-04-27T10:00:00Z",
  "created_by": "human_demo",
  "description": "从抖音个人主页进入消息页，找到评论Tab，回复第一条未回复的评论",
  "estimated_duration_ms": 45000,
  
  "execution_environment": {
    "viewport": {"width": 390, "height": 844},
    "user_agent": "Mozilla/5.0 (Linux; Android 10; Pixel 5)...",
    "touch_enabled": true,
    "blocked_schemes": ["xhdsdiscover://*", "snssdk1128://*"],
    "overlay_removal": true
  },
  
  "steps": [
    {
      "step_id": 1,
      "step_name": "点击消息Tab进入通知页",
      "atomic_operation": "AO_CLICK",
      
      "locator": {
        "primary": "[data-e2e='message-tab']",
        "fallback_xpath": "//div[contains(@class,'tab')]//span[contains(text(),'消息')]",
        "fallback_visual": {
          "text": "消息",
          "description": "底部导航栏的消息图标按钮"
        }
      },
      
      "behavior": {
        "click_mode": "touch",
        "pre_delay_ms": [500, 1200],
        "touch_duration_ms": [50, 100],
        "post_delay_ms": [1500, 2500]
      },
      
      "post_checks": [
        {"type": "url_changed", "expected_pattern": "/notice/*"},
        {"type": "element_appeared", "selector": "[data-e2e='comment-tab']"}
      ],
      
      "on_failure": {"max_retries": 2, "fallback_action": "retry_with_visual"}
    }
  ],
  
  "completion_verification": {
    "success_indicators": [
      {"type": "element_appeared", "selector": "[data-e2e='reply-sent-success']"}
    ],
    "timeout_ms": 60000
  }
}

3.5 任务蓝图数据库设计

-- 任务蓝图主表
CREATE TABLE task_blueprints (
    id TEXT PRIMARY KEY,
    task_id TEXT NOT NULL,
    task_name TEXT NOT NULL,
    platform TEXT NOT NULL,
    version TEXT NOT NULL,
    status TEXT DEFAULT 'active',     -- 'active', 'deprecated', 'broken'
    browser_framework TEXT,
    viewport_config TEXT,
    entry_conditions TEXT,
    steps_json TEXT,
    completion_check_json TEXT,
    created_at TEXT DEFAULT (datetime('now')),
    updated_at TEXT DEFAULT (datetime('now')),
    deprecation_reason TEXT,
    replaced_by_version TEXT
);

-- 任务执行记录表
CREATE TABLE task_executions (
    id TEXT PRIMARY KEY,
    task_id TEXT NOT NULL,
    blueprint_version TEXT NOT NULL,
    account_id TEXT NOT NULL,
    browser_framework TEXT,
    container_id TEXT,
    proxy_ip TEXT,
    status TEXT,                      -- 'running', 'success', 'failed', 'timeout'
    started_at TEXT,
    completed_at TEXT,
    duration_ms INTEGER,
    error_message TEXT,
    screenshots TEXT,
    logs TEXT
);

-- 原子操作执行记录
CREATE TABLE operation_logs (
    id TEXT PRIMARY KEY,
    execution_id TEXT NOT NULL,
    step_id INTEGER,
    atomic_operation TEXT,
    pre_checks_passed BOOLEAN,
    execution_success BOOLEAN,
    post_checks_passed BOOLEAN,
    locator_used TEXT,
    duration_ms INTEGER,
    error_detail TEXT,
    screenshot_path TEXT,
    created_at TEXT DEFAULT (datetime('now'))
);

-- UI变更记录
CREATE TABLE ui_changes (
    id TEXT PRIMARY KEY,
    task_id TEXT,
    platform TEXT,
    detected_at TEXT,
    element_changed TEXT,
    old_selector TEXT,
    new_selector TEXT,
    affected_blueprint_versions TEXT,
    resolution TEXT,
    notes TEXT
);

3.6 三级元素定位策略

class SmartLocator:
    """
    智能元素定位器
    Level 1: 录制的CSS选择器（90%场景）
    Level 2: 备选XPath（8%场景）
    Level 3: 本地MLX视觉定位（2%场景，兜底）
    """
    async def locate_element(self, page, step: dict):
        # Level 1: 首选CSS选择器
        primary = step["locator"]["primary"]
        try:
            element = await page.wait_for_selector(primary, timeout=3000)
            if element:
                return {"level": 1, "element": element}
        except:
            pass
        
        # Level 2: 备选XPath
        fallback_xpath = step["locator"].get("fallback_xpath")
        if fallback_xpath:
            try:
                element = await page.wait_for_selector(f"xpath={fallback_xpath}", timeout=3000)
                if element:
                    return {"level": 2, "element": element}
            except:
                pass
        
        # Level 3: MLX视觉定位
        return await self._visual_locate(page, step)

3.7 本地MLX多模态后备

# 安装MLX和视觉模型
pip install mlx mlx-vlm

# 下载量化版视觉模型（Qwen2-VL-7B-4bit，内存占用<5GB）
python -c "
from mlx_vlm import load
model, processor = load('mlx-community/Qwen2-VL-7B-4bit')
"

async def mlx_vision_locate(image_bytes: bytes, target_description: str, target_text: str = ""):
    """使用本地MLX模型在截图中定位目标元素"""
    model, processor = get_mlx_model()
    image = Image.open(io.BytesIO(image_bytes))
    
    prompt = f"""在这张手机截图中，找到"{target_description}"的位置。
该元素的文字可能是"{target_text}"。
请返回该元素的外接矩形坐标，格式为：x1,y1,x2,y2
只返回坐标数字，不要包含其他内容。"""
    
    response = generate(model, processor, image=image, prompt=prompt, max_tokens=50)
    
    try:
        parts = response.strip().split(",")
        if len(parts) == 4:
            x1, y1, x2, y2 = map(int, parts)
            return {"x": (x1+x2)//2, "y": (y1+y2)//2, "x1":x1, "y1":y1, "x2":x2, "y2":y2}
    except:
        pass
    return None

MLX方案的优势：零网络延迟（200-500ms）、零API费用、数据不离本机。

3.8 养号行为拟人化参数

class BehaviorProfile:
    def __init__(self, account_id: str, persona: str = "normal"):
        self.params = {
            "action_delay": [200, 5000],       # 动作间隔（毫秒）
            "view_duration": [5000, 60000],    # 浏览停留（毫秒）
            "move_duration": [100, 800],       # 鼠标/触摸移动时间
            "typing_speed": [50, 200],         # 每字符毫秒
            "typo_probability": [0, 0.05],     # 打字错误概率
            "active_hours": [8, 23],           # 每日活跃时段
            "max_likes_per_hour": 20,
            "max_comments_per_hour": 5,
            "max_follows_per_hour": 10,
            "max_total_actions_per_day": 200,
        }

---

四、第三部分：系统完整工作流

4.1 日常运行全景

每日启动（定时/手动）
    │
调度器加载排班表，确定今日任务序列
    │
    ├── 启动容器1 + 加载代理
    ├── 启动容器2 + 加载代理
    └── 启动容器3 + 加载代理
    │
    检查Cookie登录状态
    有效 → 直接执行 | 过期 → 通知人工
    │
    各账号执行任务序列（浏览/点赞/评论/关注）
    │
    每个步骤：前置校验 → 执行 → 后置校验
    成功 → 记录日志 → 下一步
    失败 → 降级定位 → 重试 → 人工介入
    │
    冷却10-30分钟
    │
    释放容器，生成今日执行报告

4.2 账号熔断机制

class CircuitBreaker:
    def __init__(self, account_id: str):
        self.failure_count = 0
        self.max_failures = 3
        self.cooldown_minutes = 30
        self.is_open = False
    
    async def record_failure(self):
        self.failure_count += 1
        if self.failure_count >= self.max_failures:
            self.is_open = True
            await notify_admin(f"账号 {self.account_id} 连续失败已熔断")
    
    def can_execute(self) -> bool:
        if not self.is_open:
            return True
        if time.time() - self.opened_at > self.cooldown_minutes * 60:
            self.is_open = False
            self.failure_count = 0
            return True
        return False

---

五、第四部分：落地实施具体步骤

阶段0：环境准备（预计1-2天）

brew install colima docker docker-compose
colima start --cpu 4 --memory 8 --disk 50
docker ps  # 验证

pip install asyncio aiohttp playwright patchright camoufox
mkdir -p ~/matrix/{docker/{camoufox,patchright},profiles,scripts,data,logs,screenshots}

阶段1：隐身容器跑通 + 人工登录（预计2-3天）

• 编写 Camoufox Dockerfile（含所有反检测配置）
• 编写 Patchright Dockerfile
• 编写 docker-compose.yml（5个容器）
• 准备2个静态住宅IP
• docker-compose up account_01 启动容器，人工登录抖音
• 验证跳转拦截：小红书网页版是否有弹窗
• 验证Cookie持久化

里程碑：2账号 × 2框架 × 独立IP，同时在线，无跳转弹窗。

阶段2：示教录制与蓝图生成（预计3-5天）

• 编写CDP监听脚本
• 连接容器，启动示教模式
• 人工演示"抖音_浏览推荐页 + 点赞"完整流程
• 验证生成的蓝图JSON结构是否合理
• 录制3-5个基础任务蓝图，入库SQLite

阶段3：蓝图回放验证（预计3-5天）

• 编写蓝图回放引擎
• 验证自我修复：故意损坏选择器，观察降级定位
• 连续3天存活率测试

里程碑：AI完成完整浏览+点赞+关注序列，无人工干预，3天内未被风控。

阶段4：集成调度器（预计2-3天）

• asyncio调度器 + 排班表
• 每日执行报告
• crontab 定时启动

阶段5：扩展任务库与多平台（持续）

• 小红书/快手/知乎核心蓝图录制
• 接入 DeepSeek 评论生成
• 5账号全量跑通，观察1周稳定性

阶段6：MLX本地视觉后备（预计1-2天）

• 安装MLX + 下载 Qwen2-VL-7B-4bit
• 集成视觉定位为第三级降级
• 压测定位延迟（目标 < 500ms）

---

六、第五部分：关键技术栈总览

层级	工具	用途	是否免费
容器运行时	Colima	轻量Docker替代	✅
反检测浏览器	Camoufox	Firefox内核，编译级反检测	✅
反检测浏览器	Patchright	Chromium内核，修补CDP泄漏	✅
CDP通信	nodriver / patchright	驱动浏览器	✅
行为模拟	自定义触摸模拟	拟人化触摸操作	✅
IP代理	静态住宅代理	独立IP出口	❌
任务调度	Python asyncio	编排多账号并发	✅
AI编排	OpenClaw (可选)	自然语言转任务指令	✅
数据库	SQLite	存储蓝图和日志	✅
多模态AI	MLX + Qwen2-VL	本地视觉定位	✅
评论生成	DeepSeek API	智能评论内容	❌（极低）

---

七、第六部分：成本估算

初期5账号方案

项目	月成本	年成本	备注
静态住宅IP ×5	¥125-550	¥1500-6600	¥25-110/个/月
反检测框架	¥0	¥0	开源
MLX本地模型	¥0	¥0	仅消耗电费
评论API	¥10-50	¥120-600	DeepSeek按量付费
月总成本	¥135-600

与商业方案对比

方案	月成本 (5账号)	灵活性	技术门槛
本方案 (开源自建)	¥135-600	⭐⭐⭐⭐⭐	中高
AdsPower + RPA	¥300-1000+	⭐⭐⭐	中
商业群控系统	¥1000-5000	⭐⭐	低

---

八、附录：常见问题与踩坑记录

容器相关

Q: Docker ps 报错 "permission denied"

sudo usermod -aG docker $USER
# 重新登录终端

Q: 容器内浏览器无法启动，报错 "no display"

environment:
  - DISPLAY=host.docker.internal:0

反检测相关

Q: 平台仍然检测到WebDriver

• 确认Camoufox使用最新版本
• 确认没有传入 --enable-automation 参数
• 通过CDP覆写 navigator.webdriver

Q: 小红书仍然强制跳转App

• 检查UA中是否包含小红书App标识
• 确认URL Scheme拦截是否生效
• 尝试增加 navigator.standalone = false 覆写

蓝图相关

Q: 录制时选择器不稳定

• 优先选择 data-e2e 等平台埋点属性
• 避免依赖动态生成的class名
• 使用相对位置关系作为备选定位

Q: MLX视觉定位速度慢

• 确保使用4bit量化版模型
• 降低截图分辨率（1920→960）
• 先用OCR预筛选，再调用VL模型

---

此手册整合了完整讨论内容，后续开发过程中如有新问题，随时补充到附录。