brandbai7 BrandBAI 微博明星营销资料下载
把明确微博、明星或品牌主页、关键词和话题页转成可去重、可续跑、可回溯的账号、博文、素材、评论、回复、转发和搜索快照。下载阶段只记录页面可见事实与完成状态，不替后续分析 Skill 下结论。
先确认授权范围
只在 PolyForm Noncommercial License 1.0.0 允许的非商业范围内运行。企业内部使用、客户交付、收费服务、插件、SaaS、数据服务或其他预期商业用途，必须先通过 brandlaobai@163.com 取得 BrandBAI 书面商业授权。安装源码不等于取得微博数据授权、明星肖像授权、内容版权或商业许可。
路由任务
先把自然语言需求整理为五项：
- 目标入口：明确微博
post、账号profile、关键词search、普通话题topic、明星超话supertopic或榜单hotlist。 - 选择范围：一个或多个微博链接；全部当前可见置顶加最近 N 条非置顶；或指定查询语境的前 N 条结果。
- 互动范围：不采集、一级评论、实验性评论回复、转发扩散记录。
- 素材范围：图片、视频、封面或不下载素材。
- 交付预设：普通下载版，或保留搜索、话题和传播关系的分析准备版。
运行模式：
posts：账号、微博字段和所选素材。comments：微博字段、一级评论和可选回复。reposts：微博字段和页面可见转发扩散记录。all：账号、微博、素材、评论、转发、搜索或话题快照一次完成。
热搜榜单只做榜单快照，使用 posts --hotlist；它不会自动把榜单词条当成一条微博。需要查看某个榜单词条的内容供给时，再以该词条运行 --topic 或 --search。
不要把评论和转发合并成一种互动。评论用于观察用户接收，转发用于观察传播扩散，两者必须保留独立稳定 ID、原文和完成状态。
遵守采集边界
- 只通过用户可见、正常登录的 Chrome 页面访问公开内容。
- 首次登录、验证码、访问确认或风险提示由用户手动完成。
- 不绕过访问控制、平台签名、频率限制、登录要求、内容可见范围或折叠规则。
- 不导出 Cookie、请求头、验证码、浏览器资料夹、账户私密信息、手机号、登录二维码或签名材料。
- 账号主页与搜索结果只对应本次采集时点页面可见顺序，不代表平台内部绝对全量。
- “全部评论”或“全部转发”只表示本次页面能够继续返回并收到终止信号的全部可见记录。
- 评论者和转发者默认使用稳定化名；只有得到明确授权和合法业务需要时才保留页面显示名。
- 地区、认证、粉丝身份、购买、体验、评价和商业关系均为页面显示或用户表达，下载成功不等于事实核验完成。
- 不把点赞、评论、转发、热搜或粉丝量直接写成代言效果、销售转化或品牌资产归因。
明星营销任务先阅读 明星营销采集场景矩阵；首次运行前阅读 浏览器路线；验收前阅读 采集完成标准；生成交付前阅读 导出格式；开发适配器时读取 平台字段。
准备环境
需要 Python 3.10+、Google Chrome、可交互桌面和网络连接：
python -m pip install -r requirements-browser.txt
正式采集使用独立私有 Chrome 资料夹。资料夹必须放在仓库、同步盘和交付目录之外；第一次运行时增加 --login-wait 180，在可见 Chrome 中手动完成微博登录。
先做 Dry Run
单微博：
python scripts/run_foundation.py all `
--post "<微博完整链接>" `
--profile-dir "<独立私有Chrome资料夹>" `
--out "<BrandBAI普通版交付目录>" `
--assets "images,video,cover" `
--comment-limit 0 `
--repost-limit 0 `
--zip `
--dry-run
明星主页默认选择全部当前可见置顶，再额外选择最近 5 条非置顶：
python scripts/run_foundation.py all `
--profile "<微博数字UID或 /u/数字UID 主页链接>" `
--recent 5 `
--profile-dir "<独立私有Chrome资料夹>" `
--out "<交付目录>" `
--assets "images,video,cover" `
--dry-run
关键词或明星代言事件搜索：
python scripts/run_foundation.py all `
--search "明星名 品牌名" `
--search-limit 5 `
--profile-dir "<独立私有Chrome资料夹>" `
--out "<交付目录>" `
--assets "images,cover" `
--dry-run
话题入口使用不带井号或带井号的主题词均可：
python scripts/run_foundation.py all `
--topic "明星代言活动" `
--search-limit 5 `
--profile-dir "<独立私有Chrome资料夹>" `
--out "<交付目录>" `
--assets "images,cover" `
--dry-run
明星超话可选择页面可见的热门、最新或精华分区：
python scripts/run_foundation.py posts `
--supertopic "<weibo.com/p/100808.../super_index 链接>" `
--supertopic-tab "最新" `
--search-limit 5 `
--profile-dir "<独立私有Chrome资料夹>" `
--out "<交付目录>" `
--assets "images,cover" `
--dry-run
热搜主榜或文娱榜保存数字排名，并把当前可见置顶／特殊行作为额外记录：
python scripts/run_foundation.py posts `
--hotlist "文娱" `
--hotlist-limit 50 `
--profile-dir "<独立私有Chrome资料夹>" `
--out "<交付目录>" `
--assets "none" `
--zip `
--dry-run
核对稳定 ID、选择范围、评论和转发上限、隐私模式、素材与输出位置后去掉 --dry-run。--comment-limit 0 和 --repost-limit 0 表示继续滚动，直到可见列表终止或达到页面声明数量。
单微博详情包会在 01_账号资料.xlsx 增加“达人快照”，只记录当前详情页已经展示或加载的公开作者名称、微博 UID、稳定 ID 和主页链接等字段。未展示的简介、粉丝或累计获赞留空，不补 0；不自动进入账号主页，也不下载头像。
首版采集合同
账号与主页选择
保存账号 UID、规范主页链接、名称、认证原文、简介、关注／粉丝／微博数量原文和采集时点。选择全部当前可见置顶微博，再选择置顶之外最近 N 条非置顶微博；置顶不占 N。数量不足时写 partial_selection_shortfall。
微博
保存微博 ID、规范链接、作者 UID、正文、原微博关系、话题、@对象、发布时间原文、发布地原文、来源、内容类型、浏览／转发／评论／点赞快照和素材状态。动态指标只代表采集时点。
评论与回复
一级评论与回复分别保存 comment_id、parent_comment_id、root_comment_id 和 level。同时记录页面声明回复数、实际保存回复数与展开状态，不能用“回复 0”表示未展开。
评论页存在“按热度”和“按时间”时，分别滚动到真实页面底部并采集，按评论 ID 合并去重，同时保留观察排序、各排序首次位次、终止依据和断点续跑总集。仅当到达底部后评论 ID 与页面高度连续稳定，或页面出现明确终止标记，才能把对应排序写成完成；连续数屏没有新增但尚未到底时必须继续。
转发扩散
单独保存转发 ID、源微博 ID、转发用户稳定 ID、转发文案、发布时间原文、地区原文、互动快照与可见上游关系。页面没有返回完整转发链时保留 partial_reposts_not_available 或 partial_repost_chain_not_expanded。
搜索、话题、超话与榜单
保存查询词、查询类型、采集时间、页面可见排序／筛选、结果位次、微博 ID、账号 UID、推广标记和话题上下文。结果按微博 ID 去重，但保留同一微博在不同快照中的不同位次。
超话额外保存超话 ID、名称、分类、帖子数、成员数、今日签到、排行、页面可见分区和本次采集分区。热搜榜单额外保存榜单类别、页面可见顺序、排名原文、数字排名、词条、热度、分类、标签、置顶／特殊行标记和词条入口。所有数字均为采集时点原文。
普通版交付
01_账号资料.xlsx02_微博清单.xlsx03_评论明细.xlsx04_转发扩散.xlsx05_搜索与话题快照.xlsx06_微博素材/07_采集说明.mddata/accounts.jsonl、posts.jsonl、comments.jsonl、reposts.jsonl、assets.jsonl、search_snapshots.jsonl、hotlist_snapshots.jsonl与运行 manifest
普通版只呈现账号、微博、互动、素材、搜索语境和采集质量，不添加明星口碑、粉丝画像、舆情倾向、传播机制、代言匹配或商业归因。
当前实现阶段
0.1.4 在 0.1.3 的多任务、断点恢复、合并交付与耐久测试能力上，增加单微博“达人快照”。它只复用当前详情页已加载的作者事实，不改变主页、搜索、话题、超话和热搜的选择合同。完整转发链、平台不返回的评论与回复、超话成员关系、热搜历史峰值、长图 OCR、视频语音转写和商业效果分析不属于稳定承诺。
验证修改
在 scripts/ 目录运行：
python -B -m unittest test_collector_core.py test_project_plan.py test_project_runner.py test_project_delivery.py test_browser_collect_weibo.py test_build_delivery.py test_package_delivery.py test_run_foundation.py test_stress_test_local.py test_live_resilience_test.py
这些测试只使用合成账号、微博、评论、转发和搜索快照，不打开微博、不启动 Chrome，也不产生付费请求。
需要验证多任务合并、较大评论／转发集合、素材打包、SHA-256 和断点恢复时，运行本地合成压力测试：
python stress_test_local.py --preset standard --report "<结果文件.json>"
quick、standard 和 full 依次提高项目数、互动记录数与合成素材体积。该脚本不访问微博，不能代替低频真实页面耐久测试；发布时必须分别报告自动化回归、本地压力结果、真实页面验收和仍未完成的项目。