9398-haha/douyin-benchmark

拆抖音对标

把公开账号采集、数据聚合和 HTML 渲染交给脚本；由 agent 基于 report_data.json 撰写有证据边界的 Markdown 报告。

遵守边界

• 只采集网页公开可见数据；不破解签名、不绕过验证码或访问控制。
• 只使用 ~/.douyin-benchmark/chrome-profile 专用登录态。不要读取、复制或直接指向用户日常 Chrome 用户目录，不输出 Cookie 值。
• 缺失值保持缺失，不改写为 0。点赞只能作为公开热度代理，不能称为播放表现、互动率或转粉效果。
• 普通登录框、真实安全验证、页面服务异常分别判断。遇到安全验证、页面服务异常或空响应软拦截后停止；不要循环重试、自动换 IP、自动创建延时任务或承诺稍后完成。

首次准备

在本 Skill 目录执行：

npm ci
node scripts/login.js

login.js 打开专用浏览器，验证到真实账号入口后自动保存并关闭。检查已有登录态时运行 node scripts/login.js --check。

一键执行

优先让用户提供抖音 App 的“分享主页”短链。数字抖音号不是 sec_uid；直接拼 /user/<数字> 可能静默回到信息流。

OUT="$HOME/douyin-benchmark-output/<账号标识>"
node scripts/run_benchmark.js "<主页分享链接/sec_uid/抖音号/昵称>" "$OUT" \
  --expected-id "<抖音号，可省略>"

默认使用有头 Chrome，提高可观察性并匹配真实浏览器 UA。无图形环境才显式加 --headless。脚本依次执行：

1. 解析短链或 sec_uid；只有昵称/抖音号时才使用站内搜索。
2. 采集资料、作品、合集并写 account_full_raw.json。
3. 有作品时生成 report_data.json 与 调研报告.html。
4. 全程更新 run_status.json，不在失败后继续分析。

先读状态，再写结论

读取 run_status.json 与 account_full_raw.json.capture：

• complete：接口返回 has_more=0。可以写账号级报告；仍核对主页作品数与采集数差异。
• partial：只写“已采集样本报告”，在标题附近标出样本量、主页总量和覆盖率；不要使用“全量”“账号最高”等字眼。
• blocked_empty_body：作品接口 HTTP 200 但空体。停止请求，只交付资料快照和诊断；稍后重试必须由用户决定，且最多一次。
• challenge：让用户在专用浏览器完成验证后再试一次，不尝试绕过。
• login_required：页面是普通登录框，并非安全验证。运行登录脚本，成功后只重试一次。
• page_service_error：作品区明确显示“服务异常，重新刷新拉取数据”。停止刷新；确认登录态后最多重试一次。
• no_post_response：可能是输入错误或页面/API 变化。先检查 sec_uid 与有头页面，不盲目加滚动次数。
• endpoint_error：作品接口返回 HTTP/API 错误或非 JSON 内容。保留诊断并停止分析，先检查页面/API 变化。

撰写 Markdown

仅在 report_data.json 存在且含可分析作品时，完整读取 references/report-template.md，按九段结构写 $OUT/调研报告.md。

把内容分成三类并明确措辞：

• 事实：JSON 中的公开字段和计算结果。
• 观察：标题、简介、合集名、封面或实际打开过的视频呈现。
• 推断：人设、变现路径、内容公式；写出证据和置信度，不当成事实。

没有评论正文就不写“热评情感”；没有观看视频就不声称镜头、口播、剧情或表演细节。用户指定自身赛道时，再把可复制清单定向迁移。

验收

• account_full_raw.json、run_status.json、report_data.json、调研报告.html、调研报告.md 状态一致。
• HTML 和 Markdown 都显示实际采集样本、主页作品数、覆盖率与 capture_status。
• 阻塞时检查 capture.diagnostics.page：只记录标题、路径、登录/挑战/服务异常布尔信号与视频链接数，不保存正文或 Cookie。
• 数字逐项对照 report_data.json；缺失值显示 —/未知。
• HTML 可离线打开，外部文本已转义；封面失败不影响正文。
• HTML 不出现整页横向溢出；最新作品标题可读。发布节奏按发布条数展示最近 12 个月，只有完整采集才把缺月补为 0。
• Markdown 九段齐全，含数据口径、证据边界、可复制清单和不可照搬项。

配置

• DOUYIN_PROFILE_DIR：专用登录态目录；默认 ~/.douyin-benchmark/chrome-profile。
• DOUYIN_BROWSER_CHANNEL：默认 chrome；设 chromium 时先安装 Playwright Chromium。
• DOUYIN_HEADLESS=true：显式启用无头模式；默认有头。
• DOUYIN_SCROLL_WAIT_MS：滚动间隔下限，默认 1600ms；不要用它做高频采集。