laohan-xiazai

从互联网拿内容一站式——视频下载、音频提取+转文字、字幕下载、评论采集、博主数据、网页抓取、搜索聚合、跨平台发布与数据分析，覆盖 30+ 平台（抖音/TikTok/YouTube/B站/小红书/知乎/公众号/视频号/微博/Reddit/HackerNews/即刻/知识星球/雪球/贴吧/头条/Twitter等），按降级链自动选择最优工具。Use when 用户说"下载""下个视频""帮我抓""抓一下

SKILL.md

GitHub

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，仅 likes 真实） dy-cli（statistics 字段全，pip 装+扫码，见 references/douyin.md） 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"读一下这个链接""这个公众号文章"，或给出非视频的社交平台链接。纯技术查证类搜索不进本 skill（让位 laohan-sousuo）。

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 短链解析 + Playwright 抓 aweme/detail opencli douyin 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
  • 抖音纯 HTTP 通道 2026-08 起全部关闭（iesdouyin SSR / douyin_tiktok_scraper 均失效），单视频下载走短链解析 + Playwright 抓包（见 references/douyin.md）
  • 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 "file=@audio.mp3" 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/纯 HTTP 全部无效（2026-08 升级后 iesdouyin SSR 与 douyin_tiktok_scraper 也失效），单视频下载走短链解析 + Playwright 抓包（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）

Похожие навыки: development

update-docs-vercel-next-js

This skill should be used when the user asks to "update documentation for my changes", "check docs for this PR", "what d...

Автор: vercel
137,316

docstring-pytorch-pytorch

Write docstrings for PyTorch functions and methods following PyTorch conventions. Use when writing or updating docstring...

Автор: pytorch
96,875

at-dispatch-v2

Convert PyTorch AT_DISPATCH macros to AT_DISPATCH_V2 format in ATen C++ code. Use when porting AT_DISPATCH_ALL_TYPES_AND...

dispatch
Автор: pytorch
95,362