Laohan xiazai

从互联网拿内容

按平台选择正确方法，一步到位。先看平台路由表，再读对应 reference 文件。平台方法不行时，按品类降级链逐层深入——每层解决不同问题，能浅不深。

核心理念

能浅不深——先用最轻的方法（HTTP 请求），不行再加重量（浏览器渲染→反检测→AI 操作→手动控制）。成本递增，每层解决不同问题，不要跳层。

不适用场景

• 批量爬取/爬虫开发 → 这不是爬虫框架，是一次性内容获取工具
• 需要登录才能访问且用户未登录 → 告诉用户先登录对应平台，web-access CDP 可以接管已登录的 Chrome
• 下载付费内容/会员内容 → 不处理侵权场景

前置检查（定期更新，命令报错时必做）

opencli 高频发版（每周 2-3 次），但不需要每次使用都更新——定期（如每周）更新，或命令报错/找不到新命令时再更新即可。

第1步：更新 opencli（npm 包）

npm update -g @jackwener/opencli

第2步：更新 opencli skills（npx 管理）

npx skills update -g -y

opencli 自带 4 个辅助 skill，随 opencli 仓库更新但独立于 npm 包。必须单独更新：

• opencli-usage：查命令总览，不确定有什么命令时用
• opencli-autofix：命令失败时自动诊断修复（SELECTOR 错误、页面结构变化等）
• opencli-browser：浏览器自动化操作
• opencli-adapter-author：写新的 opencli 适配器

第3步：查最新命令比对文档

opencli <platform> --help

opencli 经常加新命令（如 4 月加了 bilibili download、xiaohongshu download），SKILL 文档可能滞后。发现新命令时更新对应 reference 文件。

第4步：检查 Browser Bridge

opencli doctor

3 项全绿（Daemon + Extension + Connectivity）才能用 Cookie 命令。失败时排障：

1. opencli doctor 看哪项失败
2. daemon 没跑 → opencli daemon restart（opencli 自带 daemon 管理，不要用 launchctl——opencli 不提供 LaunchAgent）
3. daemon 在跑但扩展未连 → 让用户 chrome://extensions/ 关开 OpenCLI 扩展
4. 都 OK 还连不上 → opencli daemon stop 后再跑任意 opencli <命令> 触发 daemon 自启

命令失败时的处理

1. 先用 opencli-autofix skill 诊断：OPENCLI_DIAGNOSTIC=1 重跑失败命令
2. 修复成功 → 更新 reference 文件记录正确方法
3. 修复失败 → 按降级链切换方法

快速路由

场景 A：下载（视频/音频/字幕/博主数据）

先判断平台，再读对应的 reference 文件：

关键词	平台	reference 文件
抖音 / douyin	抖音	references/douyin.md
TT / tiktok / TikTok	TikTok	references/tiktok.md
YouTube / youtube / 油管	YouTube	references/youtube.md
B站 / bilibili / BV	B站	references/other-platforms.md
小红书 / xhs	小红书	references/other-platforms.md
知乎 / zhihu	知乎	references/other-platforms.md
公众号 / 微信文章	微信公众号	references/other-platforms.md
视频号 / 微信视频号	微信视频号	references/other-platforms.md

不确定平台时，默认尝试 yt-dlp <url>，失败再按平台路由。

references/douyin.md 除下载/转录外，还含发布自动化（publish/draft/update）与账号数据分析——发布需求直接读该文件对应章节。

场景 B：搜索/阅读（文章/评论/帖子/搜索结果）

不走 reference 文件，直接走平台封装降级。注意：场景B 的首选方法与第一层降级表（下载场景）不同——搜索/阅读优先用 opencli 搜索命令或 agent-reach，下载才用移动端 UA / fetch.py 等。

平台	第1选	第2选	第3选	第4选
公众号	opencli weixin search/download	agent-reach	fetch.py	Jina Reader
知乎	opencli zhihu	agent-reach	Jina Reader	—
小红书	opencli xiaohongshu	agent-reach	Scrapling stealthy	—
微博	opencli weibo	agent-reach	Jina Reader	—
B站	opencli bilibili	agent-reach	Jina Reader	—
抖音	opencli douyin search（视频流搜索）	同命令 trace/autofix	opencli browser 绑定当前登录页只读取证	douyin-session（评论）
TikTok	opencli tiktok（需 Browser Bridge）	agent-reach	Scrapling stealthy	—
任意平台	agent-reach（13平台搜索/阅读，含 GitHub/RSS/V2EX/Twitter/Reddit/小宇宙/Exa 等 opencli 不覆盖的）	web-content-fetcher	Jina Reader	Scrapling stealthy

agent-reach 触发场景：用户说"搜一下""读一下这个链接""这个公众号文章""帮我查"，或给出非视频的社交平台链接。

降级链

第一层：平台路由（Layer 2 平台封装）

每个平台方法失败时，按以下顺序降级，直到成功或全部失败才报错给用户：

平台	第1选	第2选	第3选	最终兜底
抖音	移动端 UA + iesdouyin	opencli douyin	douyin_tiktok_scraper（Python）+ douyin-session（评论）	Scrapling stealthy
TikTok	tikwm API	yt-dlp	opencli tiktok（需 Browser Bridge）	—
YouTube	yt-dlp（需 --cookies-from-browser chrome）	opencli youtube transcript（字幕）	—	—
B站	opencli bilibili download（需 Browser Bridge）	Jina Reader	—	—
小红书	opencli xiaohongshu download（需 Browser Bridge）	agent-reach	Jina Reader	—
知乎	opencli zhihu	Jina Reader	—	—
公众号	opencli weixin download（导出 Markdown）	fetch.py	agent-reach	Jina Reader
视频号	wx_video_download（MITM 代理）	—	—	—
未知平台	yt-dlp	Scrapling MCP（get）	Scrapling stealthy	Jina Reader

降级时注意：

• 抖音不存在 yt-dlp 降级路径（已验证无效），不要浪费时间尝试
• B站 yt-dlp 已被 HTTP 412 全面拦截（2026-04-28 验证），不要尝试 yt-dlp 下载B站视频
• YouTube 无 cookies 会被 bot 检测拦截，必须加 --cookies-from-browser chrome
• 每步失败后简要告诉用户换了个方法，不要静默切换
• 全部失败时，告诉用户具体哪步失败了、可能的原因、建议用户做什么

第二层：品类降级（平台路由全部失败时）

平台方法全部失败后，按能力从轻到重逐层深入。每层解决一个不同的问题：

平台封装已试过（opencli / agent-reach / yt-dlp 全部失败）
  ↓ 问题：普通网页抓取即可
轻量抓取 → Scrapling MCP get（普通 HTTP 请求，无 JS 渲染）
  ↓ 问题：页面需要 JS 渲染
JS 渲染抓取 → Scrapling MCP fetch（Playwright 浏览器渲染）
  ↓ 问题：被反爬拦截
反检测抓取 → Scrapling stealthy_fetch（绕过检测 + 提取内容）
  ↓ 问题：页面结构未知，写不出选择器
AI 浏览器 → browser-use（AI 理解页面结构、自主操作）
  ↓ 问题：需要登录态，或要多步交互（点击/翻页/表单/上传）/视频帧采样
CDP 接管 → web-access（接管用户日常 Chrome，天然登录态；已知需登录时跳过 browser-use 直接来这层）
  ↓ 问题：需要代码级精确控制，或要独立无登录态浏览器做隔离
手动驱动 → ECC Playwright MCP（代码级精确控制每一步）

每层解决的问题不同，不要跳层：

• 普通网页 → Scrapling get（最轻，HTTP 直接请求）
• JS 渲染 → Scrapling fetch（需要浏览器但不需隐身）
• 反爬拦截 → Scrapling stealthy（隐身模式绕过检测）
• 页面看不懂 → browser-use（AI 理解能力）
• 需要登录态 / 多步交互 / 视频采样 → web-access（用户日常 Chrome 的真实登录态 + 确定性 CDP API）
• 精确操作 → Playwright（人工级控制）

成本递增，能浅不深：Scrapling get（HTTP 秒级）< Scrapling fetch（浏览器秒级）< Scrapling stealthy（反检测）< browser-use（需调 LLM API）< web-access（需 CDP 连接）< Playwright（需写代码）

评论采集

详查命令见 references/other-platforms.md。opencli 是评论主力（read 8 平台 / write 3 平台），MediaCrawler 只抓不写且禁商业，不装。

平台	read 评论	write 评论	命令
B站	✅（含楼中楼 --parent）	✅ 发评论/回复	opencli bilibili comments <bvid> / comment <bvid> <msg>
小红书	✅（楼中楼）	❌	opencli xiaohongshu comments <note-id>
知乎	✅ answer-comments	✅ comment <target> <text>	回答评论列表 / 发评论
微博	✅	❌	opencli weibo comments <id>
即刻	✅（post 含评论）	✅ comment <id> <text>	opencli jike post <id> / comment
知识星球	✅（topic 含评论）	❌	opencli zsxq topic <id>
雪球	✅	❌	opencli xueqiu comments <symbol>
贴吧	✅（read 含回复）	❌	opencli tieba read <id>
抖音	△（user-videos 含热门评论，无独立 comments）	❌	opencli douyin user-videos；深度评论用 douyin-session adapter
快手	❌ opencli 无此平台	❌	唯一真缺口，需另调研（移动端 UA / web-access CDP）

批量评论/批量主页采集属爬虫框架范畴，不在本 skill（见「不适用场景」）；按需取评论走 opencli。

通用兜底

方法	工具	场景
agent-reach	agent-reach（pipx/pip 安装，官方推荐 pipx）	13 平台搜索/阅读统一入口（Tier0 零配置：Web/YouTube/GitHub/RSS/Exa/V2EX/雪球；Tier1 需登录态：Twitter/Reddit/B站/小红书用 Cookie，小宇宙用免费 Groq Key）。管"读/搜"，与 opencli（管"下载/操作"）互补
Jina Reader	curl -sL "https://r.jina.ai/<url>"	通用网页内容提取
web-content-fetcher	/web-content-fetcher skill	agent-reach 失败时的三级降级抓网页
Scrapling stealthy	MCP stealthy_fetch	反爬场景
yt-dlp	yt-dlp <url>	通用视频下载
browser-use	/open-source skill	AI 自主操作浏览器，全新/未知页面
web-access	/web-access skill	CDP 接管已登录日常 Chrome（localhost:3456），覆盖：登录态内容、复杂交互（点击/翻页/表单/上传）、视频帧采样、本地书签历史检索
Playwright 手动	ECC Playwright MCP	精确手动控制，最后兜底

web-access 调用要点（降级链中唯一连用户日常浏览器的工具）

降级链其余工具（Scrapling / browser-use / Playwright MCP）都开独立无状态浏览器，唯独 web-access 直连用户日常 Chrome，天然带登录态、书签、历史。触发 /web-access 加载后按此调用：

1. 启动 CDP proxy：node "${CLAUDE_SKILL_DIR}/scripts/check-deps.mjs"（Node 22+ 必需，脚本自动启动并等待 proxy 就绪）
2. 操作前必须向用户展示封禁须知：部分站点对浏览器自动化检测严格，存在账号封禁风险，已内置防护但无法完全避免，继续操作即视为接受。
3. curl 调 localhost:3456 API：/new（后台 tab，URL 走 POST body 保留完整参数）//eval（读写 DOM，递归穿透 Shadow DOM·iframe）//click·/clickAt（真实鼠标手势，触发文件对话框）//scroll（触发懒加载）//screenshot（含视频当前帧）//setFiles（上传，绕过对话框）//close（关闭自建 tab，保留用户 tab）
4. 本地浏览器检索（web-access 独有）：用户说"我之前看过的""公司内部系统"等公网搜不到的目标 → node "${CLAUDE_SKILL_DIR}/scripts/find-url.mjs" 关键词 [--only bookmarks|history] [--since 7d] 查 Chrome/Edge 书签+历史

何时优先 web-access：需登录态 / 多步 GUI 交互（点击·翻页·表单·上传）/ 视频帧采样 / 本地浏览器检索——这四类其余工具都做不了或不如它。仅当页面结构完全未知、需 AI 自主探索时才用 browser-use；需代码级隔离测试时才用 Playwright MCP。

工具速查

语音转文字

优先级	工具	命令	说明
1	硅基流动 API	curl -X POST https://api.siliconflow.cn/v1/audio/transcriptions -H "Authorization: Bearer $SILICONFLOW_API_KEY" -F "model=FunAudioLLM/SenseVoiceSmall" -F "[email protected]"	秒级，免费，中文优化
2	whisper-cli	whisper-cli -m model.bin -f audio.mp3 -l zh	本地 C++，快
3	whisper Python	python3 -c "import whisper; ..." (small 模型)	本地，最准
4	whisper-timestamped	python3 -c "import whisper_timestamped; ..."	精确时间戳，字幕制作用

语音合成 / 音视频处理

操作	命令
语音合成（TTS）	edge-tts --text "文本" --voice zh-CN-XiaoxiaoNeural --write-media output.mp3
音视频转码	ffmpeg -i input.mp4 -vn -acodec libmp3lame output.mp3
OCR	tesseract image.png stdout -l chi_sim+eng
PDF 提取文本	python3 -c "import fitz; doc=fitz.open('file.pdf'); [page.get_text() for page in doc]"
图片处理	magick input.png -resize 800x600 output.png

搜索兜底

注：smart-search/web-search/multi-search-engine/baidu-search 位于 ~/.openclaw/skills/，需 OpenClaw 环境已安装；anysearch 在 ~/.agents/skills/（通用，无 OpenClaw 也可用）。无 OpenClaw 环境时优先 anysearch。

工具	场景	说明
anysearch	实时搜索+垂直领域+批量并行+URL全文提取	16 个垂直领域（股票/CVE/DOI/法律/学术等；Stock/CVE/DOI 是触发标识符非 domain），~/.agents/skills/anysearch/，/anysearch
smart-search	opencli 搜索路由	基于 opencli 的智能搜索，覆盖社交/技术/新闻/购物，~/.agents/skills/smart-search/
web-search	通用网页搜索	DuckDuckGo API，轻量搜索，~/.openclaw/skills/web-search/
multi-search-engine	agent-reach + Jina 都搜不到时	17 搜索引擎聚合对比，~/.openclaw/skills/multi-search-engine/
baidu-search	中文内容搜索	百度 AI 搜索，中文场景优于通用引擎，~/.openclaw/skills/baidu-search/

搜索优先级：通用搜索/事实查询/垂直领域 → anysearch（最轻最快）→ opencli（平台结构化数据）→ agent-reach（opencli 未覆盖的平台兜底）。

Scrapling 调用路径

环境	方式	说明
Claude Code 主会话	MCP 直调 mcp__ScraplingServer__stealthy_fetch	直接可用
OpenClaw 子 agent	mcporter 桥接 mcporter call ScraplingServer.stealthy_fetch url=<url>	子 agent 无 MCP 权限，需桥接

关键注意事项

• 抖音反爬极强，yt-dlp/Jina 全部无效，只能用移动端 UA 方法（见 references/douyin.md）
• TikTok 用 tikwm API，CDN URL 临时，获取后立即下载
• YouTube 字幕首选 opencli youtube transcript（返回干净文本免清洗），备选 yt-dlp 的 VTT 需 clean_vtt.py 清洗（见 references/youtube.md）
• opencli Cookie 命令需要 Browser Bridge 运行（排障：opencli doctor）