human-distill

name	human-distill
version	1.1.0
homepage	https://github.com/spikesubingrui-design/human-distill
description	蒸馏人物（博主/KOL/专家/创业者）的知识体系与观点：全网搜索（web_search/web_fetch）+ 抖音深度爬取（browser）+ 可选 LDR 深度研究。输出带 [确认]/[推断] 证据分级的人物画像。 触发词：蒸馏 / 人物画像 / 爬取博主 / human distill / KOL蒸馏 / 抖音蒸馏
metadata	{"openclaw":{"emoji":"🧠"}}

人物蒸馏（Human Distill）

从全网公开信息 + 抖音一手文案出发，蒸馏某人在指定领域的知识体系、观点与内容风格。

工作流总览

- [ ] Phase 0：确认目标（人、主题、深度模式、平台线索）
- [ ] Track A：全网搜索（始终执行）→ memory/[用户名]-全网素材.md
- [ ] Track B：抖音深度（standard/deep 且有抖音号时）→ memory/[用户名]-视频文案合集.md
- [ ] Phase 蒸馏：合并双轨 + 证据分级 → memory/[用户名]-[主题]观点蒸馏.md
- [ ] 输出 gbrain people/[slug]

Phase 0：确认目标

向用户确认或从上下文推断：

字段	说明
人物	昵称/真名/抖音号/主页 URL
主题	筛选领域（如：营养、健身、投资）
筛选关键词	保留含这些词的内容
排除关键词	剔除（如：切磋、带货、广告、纯娱乐）
深度模式	quick / standard（默认）/ deep
平台线索	已知 YouTube/小红书/公众号/课程名（可选）
时间范围	仅近 N 个月（可选）

深度模式

模式	条件	执行
quick	未要求「全文案/全部视频」	Track A → 蒸馏；跳过 Track B
standard	有抖音号或明确要求抖音文案	Track A + Track B → 合并蒸馏
deep	用户说「深度/全面/调研报告」	Track A + LDR + Track B（如有抖音）

Track A：全网搜索（始终执行）

长任务遵守 skills/planning-with-files：每 2 次 search/fetch 后将要点写入 memory/[用户名]-全网素材.md。

Step A1 — 身份与平台发现

并行 3–5 次 web_search：

"[昵称/真名] [主题] 是谁"
"抖音 [抖音号] 主页"
"[人名] [主题] site:youtube.com OR site:bilibili.com"
"[人名] [课程名/品牌名]"

若只有抖音号、无主页 URL：web_search "抖音 [抖音号] 主页"。

Step A2 — 主题维度爆破

参考 references/search-queries.md，按用户主题选 6–10 条查询执行。每条取 top 3–5 结果，摘录标题、URL、snippet，立即落盘。

Step A3 — 深度抓取

对公众号、知乎、访谈、课程介绍等可访问页面用 web_fetch。不要用 web_fetch 抓抖音视频页（会被拦）。

每条素材记录：

| 来源 URL | 类型 | 摘要 | 可信度 |

Step A4 — 可选 LDR（仅 deep 模式）

1. 读取 skills/local-deep-research/SKILL.md
2. 检查 LDR_BASE_URL（默认 http://127.0.0.1:5000）；不可用则告知用户并仅用 web_search 加深
3. 提交查询，示例："[人名] [主题] 观点 访谈 课程 争议"
4. scripts/ldr-research.sh start_research --query "..." --mode detailed --language zh
5. 轮询 get_status / get_result，将报告摘要追加到 全网素材.md，标注 [Source: LDR]

Track B：抖音深度（standard / deep，且有抖音）

用 browser 工具访问用户主页抓取一手文案。抖音域名已加入 SSRF 白名单（*.douyin.com 等），不再被 navigation blocked by policy 拦截。

B0 — 选 browser profile（登录态在哪个窗口）

profile	何时用	登录态来源	前置
openclaw（默认）	常规蒸馏	OpenClaw 自管浏览器，user-data 持久在 ~/.openclaw/browser/openclaw/user-data/	在橙色 openclaw 窗口登录抖音一次即长期复用
cloak-douyin（可选）	已在 CloakBrowser 登录抖音、想复用该会话	attach 到常驻 CloakBrowser（CDP 127.0.0.1:9333）	CloakBrowser 以 --remote-debugging-port=9333 常驻并已登录抖音

登录窗口提醒（避免再登错）：两套浏览器 cookies 不互通。用 openclaw profile 时登录态必须在橙色 openclaw 窗口里；用 cloak-douyin 时登录态在 CloakBrowser。开工前先用 browser 工具 snapshot 主页确认是否已登录（看到「我的」/头像即已登录），未登录则提示用户在对应窗口扫码登录后再继续。

调用 browser 工具时通过 profile 参数选择：默认不传即 openclaw；要复用 CloakBrowser 会话则传 profile: "cloak-douyin"。

B1 — 加载全部视频

关键：抖音使用特定滚动容器，禁止 window.scrollTo：

const container = document.querySelector('.parent-route-container.route-scroll-container');
let prev = 0;
for (let i = 0; i < 30; i++) {
  container.scrollTop = container.scrollHeight;
  await new Promise(r => setTimeout(r, 2000));
  const items = document.querySelectorAll('li a[href*="/video/"]');
  if (items.length === prev) break;
  prev = items.length;
}

提取标题与 URL：

const items = document.querySelectorAll('li a[href*="/video/"]');
return Array.from(items).map(a => ({
  url: a.href,
  title: a.querySelector('p')?.textContent?.trim() || ''
})).filter(x => x.title);

B2 — 关键词筛选

keywords = ['营养', '蛋白质', '碳水', ...]  # 按用户主题
skip = ['切磋', 'VS', '实战', '带货', '广告', ...]
filtered = [v for v in videos if any(k in v['title'] for k in keywords)
            and not any(s in v['title'] for s in skip)]

B3 — 逐条提取文案

对每个筛选后的视频：

1. navigate 到视频页
2. snapshot 获取内容
3. 提取：视频描述（播放器下方文字）+ AI 章节要点（heading + 列表，带时间戳）

注意：间隔 2–3 秒/条；描述折叠则点「展开」；单条失败则跳过。

何时跳过 Track B：quick 模式；或无抖音号且用户只需「了解这个人」。

Phase 蒸馏：双轨合并

输入优先级

1. 抖音逐条文案（一手，最高）
2. web_fetch 全文（二手，高）
3. web_search 摘要/标题（三手，常需推断）
4. LDR 报告（综合，标注来源）

证据分级（正文必须标注）

• [确认]：抖音描述原文 / 可引用段落 / 多源一致
• [推断]：仅标题、仅 snippet、单源、或付费课未公开内容
• [冲突]：全网与抖音说法不一致时显式列出

蒸馏维度

1. 基本画像：平台/粉丝/定位/课程/关联
2. 核心观点：关键立场（[确认] / [推断]）
3. 知识体系：按子主题分类
4. 与主流的分歧
5. 常用数据/论据
6. 内容风格
7. 对用户的实用建议

输出

产物	路径
全网素材	memory/[用户名]-全网素材.md
视频文案	memory/[用户名]-视频文案合集.md（有 Track B 时）
蒸馏画像	memory/[用户名]-[主题]观点蒸馏.md
gbrain	people/[slug]，slug：[拼音或英文]_[主题]

写入 gbrain 时遵循 skills/brain-ops/SKILL.md（来源标注、反向链接）。

全网素材格式

# [用户名] - 全网素材

> 采集时间: YYYY-MM-DD
> 深度模式: quick | standard | deep

## 身份与平台
## 来源索引
| 来源 URL | 类型 | 摘要 | 可信度 |
## 按主题摘录
### [子主题]
- [确认/推断] ...

视频文案合集格式

# [用户名] - [主题]视频文案合集

> 采集时间: YYYY-MM-DD
> 来源: [主页URL]
> 共采集 N 条相关视频

---

## 1. [视频标题]
**链接**: [url]
**描述**: [视频描述文字]

### 章节要点（AI字幕）
- [要点1]

蒸馏画像格式

# [用户名]（[平台账号]）观点蒸馏

> 蒸馏日期：YYYY-MM-DD
> 数据来源：全网搜索 + 抖音公开视频（+ LDR，如有）

## 1. 基本画像
## 2. 核心观点
## 3. 知识体系
## 4. 与主流的分歧
## 5. 常用论据
## 6. 内容风格
## 7. 对用户的实用建议

变量约定

• [用户名]：人物昵称（去掉特殊字符，用于文件名）
• [主题]：筛选领域（营养、健身、投资…）
• memory/：workspace 下 memory 目录

注意事项

• 抖音反爬强：视频内容仅 browser 可靠；web_fetch / web_search 不能直接替代逐条文案
• 230+ 视频滚动约 30 秒；全量提取可能 15–30 分钟
• 登录态不通用：换 profile 等于换浏览器，需在对应窗口各登录一次（见 B0）
• 若仍报 navigation blocked by policy：确认 openclaw.json → browser.ssrfPolicy.hostnameAllowlist 含目标域名，改后需 openclaw gateway restart
• 浏览器被拦截/限流：等待数分钟后重试
• quick 模式产出可能以 [推断] 为主，须在蒸馏文开头说明数据局限

相关技能

• 深度研究：skills/local-deep-research/SKILL.md
• 脑库写入：skills/brain-ops/SKILL.md
• 长任务落盘：skills/planning-with-files/SKILL.md