Social Media Login Collector

中文 | English

一个面向 Codex 的社媒后台登录采集 Skill。它在用户亲自完成登录后，通过 Codex 内置浏览器只读采集微信公众号、小红书、知乎、今日头条头条号和微博的数据，生成经过校验的 JSON、CSV、Excel 报告，并可选生成 social-media-analytics-app 兼容文件。

本项目不会自动登录、保存认证信息或绕过平台验证，也不能保证平台风控概率为零。其目标是把浏览器交互限制在完成采集所需的最小范围，并在出现风险信号时立即停止。

支持平台

默认范围是 Asia/Shanghai 时区内截至昨天的 30 个完整自然日。用户可以明确指定其他范围。

安全边界

• 登录、扫码、短信、OTP、验证码和设备确认始终由用户完成。
• 不读取或保存 Cookie、Token、认证头、密码、手机号、浏览器 Storage 或认证文件。
• 不调用隐藏接口、不重放 XHR、不构造分页 URL，也不使用代理、指纹伪装或自动化绕过。
• 不执行发布、删除、关注、点赞、评论、私信、设置修改、购买或试用操作。
• 同一时间只操作一个平台、一个账号和一个标签页。
• 遇到 CAPTCHA、滑块、异常登录、访问频繁、403/429、重新认证或非预期跨域跳转时立即停止，不刷新、不重试。

完整规则见 SKILL.md。

安装

需要支持 Skill 和内置浏览器控制的 Codex 环境。

git clone https://github.com/BruceL017/social-media-login-collector.git \
  ~/.codex/skills/social-media-login-collector

重新启动 Codex 或刷新 Skill 列表后即可使用。通用 Excel 导出需要 Codex bundled Python 提供的 openpyxl。看板兼容导出还需要目标项目已有的 xlsx 和 tsx。

使用

可以在 Codex 中直接提出明确采集请求：

采集微信公众号最近 30 天的后台数据
采集小红书账号数据和笔记数据
采集全部五个平台的数据

典型流程：

1. Skill 打开或复用平台官方后台页面。
2. 未登录时由用户完成登录，并明确回复“已登录”。
3. Skill 确认账号和日期范围，每个所需数据模块优先使用且最多执行一次平台原生导出。
4. 原生导出不可用时，才使用平台 reference 定义的最小可见数据回退。
5. 生成标准 manifest，并执行日期覆盖、来源、汇总和内容唯一性校验。
6. 输出通用报告；符合条件时再生成看板兼容文件。
7. 看板文件通过目标解析器验证后仍需用户明确确认，才允许导入 SQLite。

输出

通用模式默认输出到：

<cwd>/output/social-collections/<run-id>/<platform>/

每个平台包含：

collection.json
account-daily.csv
contents.csv
collection.xlsx
collection-report.json

collection-report.json 记录覆盖情况、行数、派生指标、限制和文件 SHA-256。所有 CSV/XLSX 文本都会处理公式注入风险。

看板模式输出到独立批次目录：

<dashboard-root>/data/imports/<run-id>/

生成器只接受通用导出器产生且哈希匹配的 collection.json。提交前，可导入看板的根目录文件会调用目标项目的 parseSocialFile() 做逐日往返校验；微博独立工作簿使用内置校验。生成器不会自动执行数据库导入。

数据完整性

只有满足以下条件才会标记为 success：

• 声明范围内每天恰好一行；
• 平台必采指标每天非空；
• 每个指标具有可追溯来源和汇总对账；
• 内容列表具有末页或空列表证据，并完成去重；
• 未使用无法证明精度的图形几何估算。

无法证明完整性时使用 partial；没有可用数据时使用 failed。未知值不会被改写为 0。

本地验证

所有测试均使用系统临时目录中的合成数据，不访问真实账号：

<bundled-python> scripts/self_test.py
<bundled-python> scripts/self_test.py --dashboard-root /path/to/social-media-analytics-app
node --check scripts/build_dashboard_exports.mjs

使用 Codex workspace dependency loader 获取 <bundled-python>；该运行时必须提供 openpyxl。

当前离线测试覆盖五个平台通用导出、24 个恶意或不完整输入，以及四个平台 6 类看板解析器往返校验。

目录结构

.
├── README.md
├── README_EN.md
├── SKILL.md
├── agents/
│   └── openai.yaml
├── scripts/
│   ├── export_collection.py
│   ├── build_dashboard_exports.mjs
│   └── self_test.py
└── references/
    ├── manifest-schema.md
    ├── dashboard-adapter.md
    ├── wechat.md
    ├── xiaohongshu.md
    ├── zhihu.md
    ├── toutiao.md
    └── weibo.md

已知限制

• 平台页面和原生导出格式可能变化，真实采集前仍需验证当前页面结构。
• 当前看板解析器无法正确保留小红书内容快照日期和发布时间分钟，因此小红书内容兼容文件保持禁用；通用报告仍保留完整内容。
• 微博没有当前看板 SQLite 模型，只生成独立工作簿。
• 本项目不包含真实账号数据、Cookie、Token 或平台原始私有导出。

本项目不是上述平台的官方工具。使用者应遵守平台条款、账号权限和适用的数据保护要求。