SKILL_DIR="~/.claude/skills/douyin-content-tracker-skill"   # adjust to actual path
cd "$SKILL_DIR"

抖音内容追踪器

通过MediaCrawler抓取抖音创作者视频，使用ffmpeg下载音频，并利用Whisper进行语音转文字。

查找技能基础目录

所有命令必须在此技能目录下运行。要定位该目录，请执行：

bash
python -c import pathlib; print([p for p in pathlib.Path.home().rglob(douyin-content-tracker-skill/SKILL.md)])

或检查常见位置：

• - ~/.claude/skills/douyin-content-tracker-skill/
• 安装技能时显示的路径

为了方便，将其设置为变量：
bash
SKILL_DIR=~/.claude/skills/douyin-content-tracker-skill # 根据实际路径调整
cd $SKILL_DIR

---

首次设置

在新机器上执行以下步骤一次。

1. 安装Python依赖

bash
cd $SKILL_DIR
pip install -r scripts/requirements.txt
python -m playwright install chromium

2. 安装MediaCrawler

bash

Windows

git clone https://github.com/NanmiCoder/MediaCrawler D:/MediaCrawler
cd D:/MediaCrawler && pip install -r requirements.txt

macOS/Linux

git clone https://github.com/NanmiCoder/MediaCrawler ~/MediaCrawler cd ~/MediaCrawler && pip install -r requirements.txt

3. 配置.env

bash
cd $SKILL_DIR
cp .env.template .env

编辑.env — 必填字段：
dotenv
MEDIACRAWLER_DIR=D:/MediaCrawler # 根据实际MediaCrawler路径调整（macOS/Linux使用~/MediaCrawler）

可选覆盖项：
dotenv

存储数据/音频/字幕/模型的位置（默认：~/DouyinContentTracker 或 %USERPROFILE%\DouyinContentTracker）

OUTPUTBASEDIR=/Users/me/DouyinContentTracker

Whisper模型大小（默认：medium）

WHISPER_MODEL=small

4. 添加目标账号

编辑accounts.txt（或设置TRACKERACCOUNTSFILE / 运行时传递--accounts-file）：

博主名称 | https://www.douyin.com/user/MS4wLjABAAAA...

5. 首次登录（生成cookie）

bash
cd $SKILL_DIR
python scripts/scrape_profile.py

浏览器打开 — 扫描抖音二维码登录。Cookie保存到.douyin_cookies.json。

---

日常使用

bash
cd $SKILL_DIR

追踪每个账号最新的3个视频（默认）。main.py与track_latest.py功能相同

python scripts/track_latest.py

或

python scripts/main.py

追踪最新N个视频

python scripts/track_latest.py --limit 5

使用自定义账号列表（也可通过环境变量TRACKERACCOUNTSFILE设置）

python scripts/track_latest.py --accounts-file /path/to/accounts.txt

跳过音频下载和转录（仅获取数据）

python scripts/track_latest.py --no-audio

---

Cookie刷新

当抓取返回0个视频或提示Cookie 已 N 天未更新时：

bash
cd $SKILL_DIR
python scripts/scrape_profile.py # 打开浏览器，扫描二维码

---

处理流程

accounts.txt（或--accounts-file / TRACKERACCOUNTSFILE指向的列表）
↓
scripts/scrapeprofile.py → MediaCrawler (CDP) → OUTPUTBASE_DIR/data/*.csv
↓
scripts/cleandata.py → 标准化后的 OUTPUTBASEDIR/data/cleaned*.csv
↓
scripts/downloadvideo.py → Playwright + ffmpeg → OUTPUTBASE_DIR/audio/{博主}/*.m4a
↓
scripts/extractsubtitle.py → Whisper → OUTPUTBASE_DIR/subtitles/{博主}/{视频ID}.md

输出位置

所有生成的文件位于OUTPUTBASEDIR下（macOS/Linux默认为~/DouyinContentTracker，Windows默认为%USERPROFILE%\DouyinContentTracker）。

子目录	内容
data/cleaned_*.csv	抓取并标准化后的视频元数据
audio/{博主}/{视频ID}.m4a

提取的音频 |
| subtitles/{博主}/{视频ID}.md | Whisper转录文本（标题作为第一行） |
| subtitles/{博主}.md | 合并后的单个博主所有转录文本 |

---

执行日志指南

运行处理流程时，在每一步完成后向用户报告进度。不要等到整个流程结束再报告。

分步报告模板：

每次Bash工具调用返回后，立即告知用户：

步骤	报告内容
采集（scrape）	博主名称、采集到的视频条数，若失败注明原因
清洗（clean）

清洗后有效条数 |
| 音频下载（download） | 成功下载的音频数 / 总数，跳过的条数 |
| 语音识别（whisper） | 生成的字幕文件数，输出路径 |
| 完成 | 汇总：共处理博主数、视频数、生成字幕数，以及输出目录路径 |

如果某一步失败，停止流程，逐字报告错误输出，并从references/troubleshooting.md中建议相应的修复方案，然后询问用户是否继续。

示例输出风格：

[步骤 1/4 采集] 博主「某某」— 采集完成，共 10 条视频
[步骤 2/4 清洗] 有效数据 10 条 → data/cleanedprofilexxx.csv
[步骤 3/4 音频] 下载完成 8/10（2 条无音频流，已跳过）
[步骤 4/4 字幕] 生成 8 个字幕文件 → subtitles/某某/
[完成] 1 位博主 · 10 条视频 · 8 个字幕，输出目录：~/DouyinContentTracker

---

参考资料

调试或扩展处理流程时，将以下文件加载到上下文中：

• - references/pipeline.md — 各脚本技术详解、数据模式、关键函数签名
• references/troubleshooting.md — cookie、MediaCrawler、ffmpeg、Whisper和数据错误的修复方案