Разработчик восстанавливает исследовательский агент LinkedIn после ограничения аккаунта

Что произошло

Разработчик дал своему агенту OpenClaw задание "исследовать 200 профилей LinkedIn в моей нише и найти лучшие перспективы". Агент использовал автоматизацию браузера для перехода на каждый профиль, прокрутки постов и извлечения данных со страницы. В течение 48 часов LinkedIn ограничил аккаунт, интерпретировав паттерн посещения 200 профилей как активность бота. Ограничение вызвало двухнедельный простой во время процесса обжалования.

Перестроенное решение

Разработчик перестроил подход с нуля, заменив автоматизацию браузера прямым доступом к данным LinkedIn через API. Новая система исключает рендеринг браузера, парсинг DOM и скриншоты — теперь агент напрямую вызывает конечные точки.

Используемые конечные точки API

• Поиск профилей по ключевым словам и фильтрам
• Получение полных данных профиля по URL
• Получение недавних постов пользователя с метриками вовлеченности
• Получение всех пользователей, поставивших лайк на конкретный пост
• Получение всех комментаторов конкретного поста
• Поиск постов по ключевому слову

Техническая реализация

Настройка включает использование расширения Chrome для однократного получения токена сессии, после чего всё работает на стороне сервера на VPS. Та же задача "исследовать 200 профилей", которая ранее вызывала ограничения, теперь выполняется ежедневно в 8 утра без проблем.

Ключевые улучшения

Вызовы API выглядят как обычная активность сессии — нет отпечатка браузера, подозрительных паттернов навигации или быстрой загрузки страниц. Использование токенов сократилось примерно на 80%, потому что агент теперь получает чистый JSON из API вместо обработки целых HTML-страниц. Контекстное окно используется для анализа данных, а не для парсинга веб-страниц.

Практические варианты использования

Получение пользователей, поставивших лайк и прокомментировавших вирусные посты конкурентов, оказалось особенно полезным, создавая "бесплатный список сигналов намерений" людей, активно интересующихся этой сферой. Разработчик запускает это еженедельно на 3-4 постах конкурентов и использует Sonnet для ранжирования результатов по релевантности.

Исследование контента стало более эффективным — агент анализирует структуру постов и паттерны вовлеченности в сотнях постов за минуты, помогая понять, что работает в LinkedIn, без ручной прокрутки.

Стратегия маршрутизации моделей

Haiku обрабатывает всё извлечение данных (стоит копейки), в то время как Sonnet активируется только для анализа, требующего более глубокого рассуждения. Это позволяет удерживать ежедневные расходы в пределах нескольких евро.

Навык называется BeReach, хотя в источнике отмечается, что ссылки на внешние домены блокируются в оригинальном посте.

Урок: "Не давайте своему агенту браузер для того, что должно быть вызовом API. Вы потратите токены, сожжёте свой аккаунт и получите худшие результаты."