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）。
191 lines
6.2 KiB
Markdown
191 lines
6.2 KiB
Markdown
# Matrix 养号系统 — 重构设计方案 v2.2
|
|
|
|
> 最后更新：2026-05-01
|
|
> 版本：2.2.0 (草案)
|
|
|
|
> 本文件为设计方案，待确认后再实施。
|
|
|
|
## 一、当前问题诊断
|
|
|
|
| # | 问题 | 根因 | 影响 |
|
|
|---|------|------|------|
|
|
| 1 | 退出时 Chrome 崩溃/恢复弹窗 | `os.kill(pid, 9)` 强行杀进程，未走正常关闭 | 下次启动弹恢复确认框 |
|
|
| 2 | 点赞/收藏永远失败 | 操作前未验证当前页面状态，直接在首页点按钮 | 操作无效果 |
|
|
| 3 | "11/11 完成"但什么都没做 | 没有操作后的锚点验证，异常也被吞了 | 误报成功 |
|
|
| 4 | 不知道当前在什么页面 | 没有页面状态跟踪器 | 操作错位 |
|
|
| 5 | 登录验证不可靠 | 只查了一个 `data-e2e` 选择器，页面不同状态结果不同 | 误判未登录 |
|
|
| 6 | 脚本散乱不可组合 | 每个测试脚本都重复写类似逻辑 | 维护成本高 |
|
|
|
|
## 二、架构设计
|
|
|
|
### 2.1 三层架构
|
|
|
|
```
|
|
┌─────────────────────────────┐
|
|
│ WorkBuddy 技能层 │ ← 对话触发
|
|
│ (SKILL.md + 养号指令) │
|
|
├─────────────────────────────┤
|
|
│ orchestrator 调度层 │ ← 智能选账号/蓝图/状态机
|
|
│ (yanghao_orchestrator.py) │
|
|
├─────────────────────────────┤
|
|
│ 原子操作层 (21个原子操作) │ ← 可组合、可验证
|
|
│ (AtomOps + 校验器) │
|
|
├─────────────────────────────┤
|
|
│ CDP连接器 + 浏览器管理 │ ← 优雅启停
|
|
│ (cdp_connector + browser) │
|
|
└─────────────────────────────┘
|
|
```
|
|
|
|
### 2.2 原子操作定义 (每个操作带前置校验 + 后置锚点)
|
|
|
|
```
|
|
每个原子操作 = (名称, 执行函数, 前置校验, 后置锚点, 超时, 重试次数)
|
|
|
|
例子:
|
|
"like" =
|
|
pre_check: 当前在视频播放器页, 点赞按钮存在
|
|
execute: 点击 [data-e2e="video-player-digg"]
|
|
post_check: 点赞数+1 或 按钮状态变化
|
|
timeout: 10s
|
|
retry: 2次
|
|
```
|
|
|
|
### 2.3 页面状态机
|
|
|
|
```
|
|
[首页 grid] ──点击视频──→ [视频播放器]
|
|
↑ │
|
|
│ ↓
|
|
│ [下滑/下一条]
|
|
│ │
|
|
│ ↓
|
|
│ [新视频播放器]
|
|
│ │
|
|
└─────── 返回首页 ──────┘
|
|
|
|
页面锚点:
|
|
grid 模式: 有 [data-e2e="alink-item"]，无 video-player-digg
|
|
播放器模式: 有 [data-e2e="video-player-digg"]
|
|
搜索页: 有 [data-e2e="searchbar-input"]
|
|
登录态: 有 sessionid cookie + 特定 DOM 元素
|
|
```
|
|
|
|
### 2.4 浏览器优雅管理
|
|
|
|
```python
|
|
# 不要 kill -9，用正常关闭
|
|
browser_manager = BrowserManager()
|
|
await browser_manager.launch(account='douyin_01') # 启动
|
|
await browser_manager.close() # 正常关闭，不走 kill
|
|
await browser_manager.graceful_shutdown() # 先 SIGTERM，等待，再 SIGKILL
|
|
```
|
|
|
|
### 2.5 蓝图新格式 (带验证锚点)
|
|
|
|
```json
|
|
{
|
|
"id": "douyin_browse_v2",
|
|
"version": "3.0.0",
|
|
"steps": [
|
|
{
|
|
"step_id": 1,
|
|
"op": "goto_and_verify",
|
|
"args": {"url": "https://www.douyin.com/"},
|
|
"verify": {"mode": "page", "anchor": "alink-item"},
|
|
"on_fail": "retry(2)"
|
|
},
|
|
{
|
|
"step_id": 2,
|
|
"op": "open_video",
|
|
"args": {},
|
|
"verify": {"mode": "element", "selector": "[data-e2e='video-player-digg']"},
|
|
"on_fail": "try_search"
|
|
},
|
|
{
|
|
"step_id": 3,
|
|
"op": "wait_watch",
|
|
"args": {"seconds": 8},
|
|
"verify": {"mode": "state", "field": "video_playing", "expect": true},
|
|
"on_fail": "skip"
|
|
},
|
|
{
|
|
"step_id": 4,
|
|
"op": "like",
|
|
"args": {},
|
|
"verify": {"mode": "change", "selector": "[data-e2e='video-player-digg']", "attr": "class"},
|
|
"on_fail": "log_warn"
|
|
}
|
|
]
|
|
}
|
|
```
|
|
|
|
### 2.6 调度器设计
|
|
|
|
```python
|
|
class YanghaoOrchestrator:
|
|
"""养号调度器"""
|
|
|
|
async def run(self, account_id, blueprint_id):
|
|
"""执行一次养号"""
|
|
# 1. 校验账号配置
|
|
# 2. 校验蓝图
|
|
# 3. 启动浏览器 (优雅)
|
|
# 4. 登录校验
|
|
# 5. 逐步骤执行 (带验证锚点)
|
|
# 6. 生成报告
|
|
# 7. 关闭浏览器 (优雅)
|
|
|
|
async def verify_login(self):
|
|
"""多维度验证登录态"""
|
|
# cookie: sessionid 存在
|
|
# DOM: user-avatar 或 user-detail 可见
|
|
# 请求: 能获取推荐内容
|
|
```
|
|
|
|
### 2.7 接入 WorkBuddy 技能
|
|
|
|
在 `matrix/SKILL.md` 中新增触发词：
|
|
|
|
```yaml
|
|
triggers:
|
|
- 养号
|
|
- 运行养号
|
|
- 南方小马铃薯
|
|
- 次元时空的桃子
|
|
- 橙子哥
|
|
```
|
|
|
|
WorkBuddy 通过 Skill 工具加载后，**由我在对话中根据你的指令自动编排执行**，而不是写死脚本。
|
|
|
|
### 2.8 接入 agentos CLI
|
|
|
|
```bash
|
|
agentos yanghao # 交互选账号+蓝图
|
|
agentos yanghao --account douyin_01 # 指定账号
|
|
agentos yanghao --account douyin_01 --blueprint douyin_browse_v2 # 全指定
|
|
agentos yanghao --list # 列出账号和蓝图
|
|
agentos yanghao --status # 查看当前运行状态
|
|
```
|
|
|
|
### 2.9 跨机恢复
|
|
|
|
```
|
|
agent-sync/02_skills/matrix/ → 包含所有脚本和蓝图
|
|
agent-local/tools/matrix/ → 账号登录态、Cookies、Profiles
|
|
|
|
换机流程:
|
|
agentos init → 安装技能+目录
|
|
agentos restore backup.tar.gz → 还原登录态
|
|
agentos yanghao --status → 验证可用
|
|
```
|
|
|
|
## 三、实施计划（建议）
|
|
|
|
1. **阶段1**: 设计并实现 `AtomOps` 原子操作层（含前置校验+后置锚点）
|
|
2. **阶段2**: 实现 `BrowserManager` 优雅启停
|
|
3. **阶段3**: 实现 `PageState` 页面状态机
|
|
4. **阶段4**: 重写蓝图格式（v3.0.0），加入验证锚点
|
|
5. **阶段5**: 实现 `YanghaoOrchestrator` 调度器
|
|
6. **阶段6**: 接入 agentos CLI 和 WorkBuddy 技能
|
|
7. **阶段7**: 全面测试三账号 + 跨机恢复
|