vault backup: 2026-11-07 16:33:44

This commit is contained in:
cheney
2026-11-07 16:33:55 +08:00
commit 7015312702
1208 changed files with 132432 additions and 0 deletions
@@ -0,0 +1,73 @@
---
title: Browser Act Skill(浏览器自动化)
type: reference
tags:
- AI agent
- skill
- 浏览器自动化
- 反封禁
- browser-act
created: 2026-08-18
audience: human + AI
language: zh-CN
---
# Browser Act Skill(浏览器自动化)
> 为 AI Agent 打造的浏览器自动化 CLI —— 解决普通抓取/内置 WebFetch 工具过不去的"真实网页"问题。
## 基本信息
| 项目 | 内容 |
|---|---|
| 仓库 | https://github.com/browser-act/skills |
| 版本 | v2.0.2 |
| 官网 | https://www.browseract.com |
| 安装名 | `browser-act` |
## 核心能力
- **反封禁穿透** — 自动过 Cloudflare、DataDome、reCAPTCHA;stealth 指纹、TLS 轮换、住宅代理
- **登录态复用** — 连接本机正在运行的 Chrome,cookie/插件直接可用,无需重新登录
- **并发与隔离** — 多浏览器、多账户并行操作互不串数据
- **人工接管** — 卡在 2FA/CAPTCHA/判断性步骤时,头部模式 + 远程协助让真人接管
- **安全门控** — Confirmation Gate 协议:建/删浏览器、登录、提交表单、上传文件都需用户明确批准
- **数据本地化** — cookie/会话/页面内容全部本地处理,仅验证码图片会上传到辅助 API
## 两层 Skill 架构
1. **Entry Skill**(安装的 SKILL.md)— 仅做触发感知,内容很少
2. **`get-skills` 运行时** — 每次任务先执行以下命令,返回环境状态 + 动态指令(版本永远匹配安装的 CLI,不会过时)
```bash
browser-act get-skills core --skill-version 2.0.2
```
按需渐进加载:`core`(核心工作流)/ `advanced`(代理、profile 导入、隐私模式)/ `main`(版本不匹配时的最新内容)。
## 典型工作循环
```
Open → state(索引化元素树) → click/input/select → state 确认 → 循环 → Close
```
## 浏览器模式
Chrome / chrome-direct / stealth privacy / stealth fixed identity(stealth 需要 API key)。
## 适用场景
- JS 渲染页面抓取(替代 WebFetch/curl)
- 登录流、表单填写、文件上传
- HAR/XHR/网络响应捕获
- 多账户并行、被反爬站点
- Skill Forge:把一次站点探索转成可复用爬虫 skill
## 安装方式
```bash
uv tool install browser-act-cli --python 3.12
```
把 skill 从 `https://github.com/browser-act/skills/tree/main/browser-act` 装到 agent。
兼容 Claude Code、Cursor、Codex、OpenCode、Gemini CLI、Windsurf 等。
@@ -0,0 +1,80 @@
---
title: Hello JS Reverse Skill(Web 逆向工程)
type: reference
tags:
- AI agent
- skill
- JS逆向
- 反爬
- 加密还原
- hello_js_reverse_skill
created: 2026-08-18
audience: human + AI
language: zh-CN
---
# Hello JS Reverse Skill(Web 逆向工程)
> AI 驱动的 Web 逆向工程 —— 接口签名还原与反爬对抗,覆盖加密还原、混淆分析、动态 Cookie、WASM 逆向、协议对抗全链路。
## 基本信息
| 项目 | 内容 |
|---|---|
| 仓库 | https://github.com/WhiteNightShadow/hello_js_reverse_skill |
| 版本 | v3.3.x |
| Stars | 约 944 |
## 核心架构
围绕 [`camoufox-reverse` MCP](https://github.com/WhiteNightShadow/camoufox-reverse-mcp)(Camoufox 反检测浏览器,32+ 工具)构建单一工作流:
1. 先用浏览器完成:网络捕获 / 源码定位 / Hook 调试 / 反检测验证
2. 再落地为 **Node.js 或 Python 纯协议脚本**(浏览器只用于分析验证,不作为最终方案)
## 关键能力
- **加密算法还原** — MD5/AES/DES/RSA/HMAC 等,Node.js(crypto/crypto-js/node-forge)与 Python(hashlib/pycryptodome)双语言路径
- **混淆还原** — OB 混淆、控制流平坦化、eval 打包、自定义 VM/JSVMP
- **JSVMP 四板斧** — Hook / 插桩 / 日志 / 源码级插桩,对 RS 5/6、Akamai sensor_data、webmssdk、obfuscator.io 有效
- **反爬三分法决策** — 签名型(RS/Akamai) / 行为型(TK/JY) / 纯混淆,三类工具路径完全不同,避免"observer effect 破坏签名"
- **Cookie 归因分析** — `analyze_cookie_sources` 区分 HTTP Set-Cookie 与 JS document.cookie,回答"这个 Cookie 谁写的"
- **动态 Cookie 逆向** — eval 首包、api 预热、浏览器指纹等机制
- **WASM 逆向** — 加载、环境补全、导出函数调用
- **协议层对抗** — TLS 指纹检测、HTTP/2 强制、频率限制
- **反调试 / 环境检测对抗** — debugger 绕过、webdriver/蜜罐/指纹检测
## 降级优先级(禁止跳级)
```
纯 crypto 还原 → 最小环境复现 → vm 沙箱执行 JS → TLS 指纹模拟(got-scraping/curl_cffi)→ 才允许浏览器自动化
```
## JSVMP 双路径决策
| 路径 | 目标 | 方法 | 适用场景 | 典型用时 |
|---|---|---|---|---|
| A:算法追踪 | 纯代码还原算法 | 四板斧(Hook/插桩/日志/源码级插桩) | 算法可提取、环境依赖少 | 4-8 小时 |
| B:环境伪装 | 在 jsdom/vm 运行原始 JSVMP | 环境采集→对比→补丁(markNative 三层防御) | 环境深度绑定、算法不可提取 | 2-4 小时 |
## 场景速查(部分)
| 场景 | 技术点 |
|---|---|
| 请求参数签名 | MD5/HMAC/自定义哈希 |
| 动态 Cookie | eval 首包 / api 预热 / 指纹 Cookie |
| 响应数据加密 | AES/DES/RC4 解密 |
| JSVMP 虚拟机保护 | Hook / 插桩 / 日志 / 源码级插桩 |
| WASM 加密 | 加载 / 环境补全 / 导出函数调用 |
| TLS 指纹 | Camoufox / curl-impersonate / curl_cffi |
| 字体反爬 | 字体文件解析 / CMAP 映射 |
| WebSocket | WS 消息分析 / 协议解析 |
| 反调试 | debugger 绕过 / 检测对抗 |
| 反检测站点 | Cloudflare / RS / JY 绕过 |
## 安装方式
1. 对 AI agent 说"安装 hello_js_reverse_skill"(推荐,AI 自动配置)
2. 手动:克隆仓库到对应 AI 工具(Cursor / Claude Code / Codex)的 skills 目录
> ⚠️ 注意:该 Skill 面向反爬对抗,仅应针对自有或已获授权的平台使用。
@@ -0,0 +1,61 @@
---
title: Taste Skill(前端设计 · 反模板化)
type: reference
tags:
- AI agent
- skill
- 前端设计
- 反模板化
- design-taste-frontend
created: 2026-08-18
audience: human + AI
language: zh-CN
---
# Taste Skill(前端设计 · 反模板化)
> The Anti-Slop Frontend Framework for AI Agents —— 防止 AI 生成千篇一律的模板化前端界面。
## 基本信息
| 项目 | 内容 |
|---|---|
| 仓库 | https://github.com/Leonxlnx/taste-skill |
| 许可证 | MIT |
| Stars | 约 7.7 万 |
| 安装名 | `design-taste-frontend`(v2 实验版为默认) |
| 官网 | https://www.tasteskill.dev |
## 核心机制(v2)
1. **Brief Inference** — 先读懂需求,输出一行 "Design Read" 再动手
2. **三个旋钮 (Three Dials)** — 所有布局/动效/密度决策由旋钮门控:
- `DESIGN_VARIANCE`(1=完美对称 ↔ 10=艺术混乱)
- `MOTION_INTENSITY`(1=静态 ↔ 10=电影级/物理动效)
- `VISUAL_DENSITY`(1=画廊留白 ↔ 10=仪表盘密集)
3. **Brief → 设计系统映射** — 按需求套用官方设计系统(Radix/Tailwind v4/Carbon 等),禁止手写山寨 CSS;诚实规则:不要导入系统 token 却覆盖 90%
4. **AI Tells 禁令** — 禁止 em-dash、章节编号 eyebrow、滚动提示、重复 CTA 等 AI 特征模式
5. **Pre-flight 检查** — 所有勾选通过才算完成
## 适用范围
- 适用:落地页、作品集、网站改版
- 不适用:仪表盘、数据表格、多步骤产品 UI
## 相关变体
| 变体 | 安装名 | 说明 |
|---|---|---|
| taste-skill(默认) | `design-taste-frontend` | v2 实验版,推荐 |
| taste-skill-v1 | `design-taste-frontend-v1` | 旧版,行为固定 |
| gpt-tasteskill | `gpt-taste` | 更激进,面向 GPT/Codex |
| image-to-code-skill | `image-to-code` | 图片 → 分析 → 实现网站 |
| redesign-skill | `redesign-design-taste` | 已有代码库改版 |
| soft / minimalist / brutalist | — | 视觉方向已定时的补充 |
| imagegen-frontend-web/mobile、brandkit | — | 交付为图片(参考板/品牌包) |
## 安装方式
```bash
npx skills add https://github.com/Leonxlnx/taste-skill --skill "design-taste-frontend"
```