agentleFS
uvwtuvwt/agentdock-skills/skills/douban-marks/SKILL.md

douban-marks

Skill6 starsChanged 3 months agoApache-2.0View on GitHub

只读查询豆瓣电影、图书、音乐标记列表和电影条目联想。用于读取用户自己的已看、想看、在看等标记;公开主页可直接读,私密列表需要本机环境或 .env 中的 DOUBAN_COOKIE。禁止用于批量采集、绕登录、写入标记或读取非授权账号。

  • Reads credentials

The file

Files
SKILL.md

豆瓣标记

用于只读查询豆瓣标记数据。

能力边界

  • 读取操作只读;写入操作必须显式要求并默认 dry_run=true。
  • 不接收明文 cookie 参数;如需登录态,使用 DOUBAN_COOKIE 环境变量或本地 .env。
  • 默认读取公开主页;如果列表私密,必须是用户自己的登录态。
  • 不用于批量采集、绕反爬、抓取非授权账号或高频同步。
  • 写入只允许操作用户自己的账号;真实提交必须提供 DOUBAN_COOKIE、dry_run=false 和 confirm=true。

常用操作

  • movie-suggest: 搜索电影候选。
  • movie-watched: 读取电影已看。
  • movie-wish: 读取电影想看。
  • movie-doing: 读取电影在看。
  • marks: 通用读取,category 为 movie、book、music,status 为 collect、wish、do。
  • status: 检查网页接口可达性,以及是否配置了 DOUBAN_USER_ID、DOUBAN_COOKIE。
  • movie-interest-status: 用登录态检查电影条目标记弹窗。
  • movie-mark-wish: 标记想看。
  • movie-mark-doing: 标记在看。
  • movie-mark-watched: 标记看过,可附带 1-5 星评分。
  • movie-rate: 提交看过并评分。

配置

可在 AgentDock 环境或本地 .env 设置:

DOUBAN_USER_ID=你的豆瓣用户 ID
DOUBAN_COOKIE=bid=...; dbcl2=...; ck=...

DOUBAN_COOKIE 只用于请求头,不会出现在输出里。

辅助脚本执行

Skill 本体是本说明文档。确需调用包内辅助脚本时,在 Skill 包根目录使用相对路径执行;运行宿主负责切换到包根目录并把所需变量注入当前子进程。

printf '%s' '{"skill_action":"<动作>"}' | python3 run.py

输入必须是 JSON 对象。写操作仍按本文档中的确认规则执行。

动作用途
status检查豆瓣网页接口可达性,以及本地是否配置了 DOUBAN_USER_ID 和 DOUBAN_COOKIE。
movie-suggest查询豆瓣电影联想候选,返回标题、年份、豆瓣 ID、类型、海报和 URL。
marks读取豆瓣用户标记列表。category 支持 movie/book/music;status 支持 collect/wish/do。默认从 DOUBAN_USER_ID 取用户 ID。
movie-watched读取电影已看列表,等价于 marks(category=movie,status=collect)。
movie-wish读取电影想看列表,等价于 marks(category=movie,status=wish)。
movie-doing读取电影在看列表,等价于 marks(category=movie,status=do)。
movie-interest-status用登录态读取电影条目标记弹窗,检查是否能提取当前兴趣状态。需要 DOUBAN_COOKIE。
movie-mark-wish将电影标记为想看。默认 dry_run=true;真实写入必须 dry_run=false 且 confirm=true,并需要 DOUBAN_COOKIE。
movie-mark-doing将电影标记为在看。默认 dry_run=true;真实写入必须 dry_run=false 且 confirm=true,并需要 DOUBAN_COOKIE。
movie-mark-watched将电影标记为看过,可附带 1-5 星评分。默认 dry_run=true;真实写入必须 dry_run=false 且 confirm=true,并需要 DOUBAN_COOKIE。
movie-rate给电影评分;本质上提交看过 collect + rating。默认 dry_run=true;真实写入必须 dry_run=false 且 confirm=true,并需要 DOUBAN_COOKIE。

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.